Dots מול Kimi K3: האחד קורא את כל הספרייה, האחר יוצא ומוצא אותה

יש סוג עבודה מסוים שרק אחד מהשניים האלה יכול לבצע, וכדאי לתת לו שם לפני כל דבר אחר. Kimi K3, שפורסם על ידי Moonshot AI ב-15 ביולי 2026, הוא מודל תערובת-מומחים עם 2.8 טריליון פרמטרים וחלון הקשר של 1,048,576 טוקנים, שמקבל טקסט ותמונות ומחזיר טקסט, במחיר של $3.00 למיליון טוקני קלט ו-$15.00 למיליון טוקני פלט, עם קריאות מהמטמון ב-$0.30. Dots הוא הסוכן הפעיל תמיד של החברה, שהוכרז ב-DevDay ב-29 בספטמבר 2026, עם מחשב ענן ודפדפן משלו, מחברים ליותר מ-4,000 אפליקציות, ומקום בתוך ChatGPT, Slack ו-Teams, פועל על GPT-6 Astra וכלול ב-Pro וב-Business Premium. K3 יכול להחזיק ארכיון שלם בבקשה אחת ולענות על שאלות לגביו. dot יכול ללכת ולהביא את המסמך הבא שטרם חשבת עליו. קריאה ושליפה הן עבודות שונות, ובחירה באחת הלא נכונה היא הטעות היקרה.

המספר ש-Kimi K3 מחזיק בו בבעלות מלאה

שליפה בהקשר ארוך היא המדד שמפריד בין שיווק ליכולת, מכיוון שקל להצהיר על חלון הקשר גדול אך קשה להשתמש בו. K3 משיג בו 88.7 — הנתון הגבוה ביותר מבין כל המודלים שאנו מפרטים, מעל ל-84 של GPT-5.6 Sol, ל-83 של MiniMax M3 ול-82 של Gemini 3.1 Pro. הוא גם רושם 93.5 ב-GPQA Diamond ו-59.5 ב-SciCode, ומחזיק במדד הקידוד של Artificial Analysis של 76.2, שממקם אותו במקום התשיעי מתוך 138 מודלים שנמדדו, ובמדד אינטליגנציה של 43.6 במקום ה-19 מתוך 145. כל אלה נתונים של צד שלישי, המופיעים בקטלוג שלנו עם המקורות שלהם מצורפים, ולא מועתקים מהודעת השקה.

מה שזה קונה לך הוא סוג של משימה שפשוט אינה מתפרקת: קריאת בסיס קוד שלם לפני שמשיבים על שאלה לגביו, השוואת שנה של חוזים מול תבנית חדשה, או ניהול סשן סוכני ארוך בלי שאמצעו ייפול מהזיכרון. K3 בנוי בדיוק בשביל זה — Moonshot ממקמת אותו עבור סוכני תכנות ועבודת ידע בטווח ארוך — והוא יוצא דופן בכך שהוא מסרב לחלוטין לפרמטרי דגימה. אין temperature, אין top_p, אין seed; עומק החשיבה הוא חוגה אחת בשם reasoning_effort. זהו סחר מכוון: פחות כפתורים, יותר עקביות לאורך סשן ארוך.

למה משמשת נקודה, בלי השיווק

dot הוא עובד עם יומן. הקלטים שלו שגרתיים — ההודעות שלך, נתוני האפליקציה שלך, משימה שתיארת במשפט — והפלט שלו הוא שינוי במקום אחר: קובץ שהועבר, כרטיס שעודכן, הודעה שנוסחה ונשלחה לאחר אישורך, דף שנפתח בדפדפן שלו. חומרי ההשקה של OpenAI מתארים אחד כזה שמקדם מספר פרויקטים בו-זמנית ולומד ממשוב, והקריאה הכנה היא שאתה קונה את רקמת החיבור, לא את האינטליגנציה.

רקמת החיבור היא החלק היקר לבנייה. דפדפן שמתנהג כמו של אדם, מחברים שמתוחזקים על ידי ספקי האפליקציות, תצוגת פעילות, שערי אישור, בידוד מהמכונה שלך — שום דבר מזה לא קשה באופן עקרוני והכול מייגע בפועל. זה מה שהמנוי משלם עליו. מה שהוא לא משלם עליו זה מדידות.

• עלות — כלולה ב-Pro או ב-Business Premium, הקצאה שלא פורסמה (Dots) לעומת $3.00 למיליון קלט ו-$15.00 למיליון פלט, קריאות מהמטמון $0.30 (Kimi K3)

• תקרה לבקשה אחת — לא מתועדת אפילו כנקודה, לעומת 1,048,576 טוקנים של הקשר ו-88.7 ידידותי לנייד בריקול בהקשר ארוך (Kimi K3)

• קלט ופלט — הודעות ונתוני אפליקציות מחוברות נכנסים, שינויים בתוך תוכנה אחרת יוצאים (Dots) לעומת טקסט ותמונה נכנסים, טקסט יוצא (Kimi K3)

• שליטה בדגימה — לא פורסם דבר (Dots), לעומת היעדר temperature, היעדר top_p והיעדר seed, כאשר עומק החשיבה נקבע על ידי reasoning_effort בלבד (Kimi K3)

• המהירות שכדאי לצפות לה — לא מתועדת לגבי נקודה, לעומת חציון של 8.82 שניות לזמן עד לאסימון הראשון וכ-39 אסימוני פלט לשנייה במדידה שלנו בת שבעה ימים (Kimi K3)

• עדויות בלתי תלויות — הדגמות ספקים והצהרות על יכולות, ללא בנצ'מרק (Dots) מול AA Coding Index 76.2 במקום התשיעי מתוך 138, GPQA Diamond 93.5, אחזור הקשר ארוך 88.7 (Kimi K3)

הדבר שאף אחד לא מזכיר בנוגע לקניית סוכן

למנוי עם מכסה שלא פורסמה יש תכונה שאין למחירון: אי אפשר להבחין בין משימה שהייתה זולה לבין משימה שהייתה יקרה. כל עבודה עולה אותו דבר — אין עלות שולית — ממש עד לרגע שבו זה כבר לא כך, ואז התשובה מגיעה כמגבלה ולא כחשבונית. עבור צוות שעבודתו חקרנית, זו תכונה. עבור צוות שצריך לייחס עלות לפרויקט, זה חור בחשבונאות.

יש גם אפקט מסדר שני. כאשר העלות השולית של קריאה אינה נראית, אתה מפסיק לשאול אם הקריאה הייתה הכרחית, והאופטימיזציה הזולה ביותר בכל צינור עיבוד — לא לבצע את הבקשה — נעשית בלתי זמינה לך. מודל מחויב לפי שימוש מכריח את השאלה הזו בכל פעם שמישהו קורא את המחירון.

לחבר אותם בלי להעמיד פנים שהם חלופות

הצורה שעובדת היא נקודה שמה לב ומודל עם הקשר ארוך שקורא. עבודה מגיעה — מסמך בכונן משותף, הודעה בשרשור — והנקודה מחליטה אם זה חשוב. אם כן, המסמך נשלח אל Kimi K3 עם כל מה שאולי יידרש לו מצורף, בבקשה אחת, והתשובה חוזרת כשהיא מבוססת כולה על המקור ולא על סיכום של המקור. הנקודה מטפלת במרדף ובלוגיסטיקה המשעממת; המודל מטפל בקריאה, בהיקף שאף לולאה של קריאות קטנות לא הייתה מרכיבה כראוי.

Kimi K3 מנותב ב-OrcaRouter בתור kimi/kimi-k3 במחיר המחירון של Moonshot ללא תוספת רווח, ויושב באותו קטלוג כמו יותר מ-200 מודלים אחרים מאחורי מפתח אחד, עם מעבר אוטומטי לגיבוי בין ספקים במעלה הזרם כאשר אחד מהם מדרדר, ושפת DSL לניתוב להרכבת כמה מודלים לקריאה אחת. זה החצי הנמדד של הצינור ולא יותר: נקודות אינן בקטלוג, אין נקודת קצה עבור אחת, ואין מזהה שאליו אפשר לכוון בקשה. אם שכבת הקריאה היא החלק שאתה צריך לשלוט בו — ולכל דבר שאתה מתכוון להריץ במשך שנה, זה בדרך כלל כך — זו השכבה שכדאי לקחת עליה בעלות.

איזו רכישה מבזבזת כסף

לקנות dot כדי לקרוא קורפוס גדול הוא בזבוז, כי ה-dot יביא ויסכם במקום להחזיק את כל הדבר, וסיכום הוא המקום שבו הפרט שהיית צריך הולך למות. לקנות Kimi K3 כדי לרדוף אחרי פרויקט על פני חמש אפליקציות הוא בזבוז מהסיבה ההפוכה, כתמונת מראה: מודל שעונה כשקוראים לו לא קורא לך.

אם המשימה היא אחזור ולוגיסטיקה, שכרו את העובד. אם המשימה היא הבנה בקנה מידה גדול, קנו את המונה ותנו לו הכול בבת אחת. החפיפה בין השניים קטנה בהרבה ממה שהמילה "agentic" מרמזת, והחפיפה אינה במקום שבו מי מהשניים טוב.