Dots vs Kimi K3: de een leest de hele bibliotheek, de ander gaat op zoek en vindt het

Er is een specifiek soort taak die slechts een van deze twee kan uitvoeren, en het loont om die als eerste te benoemen. Kimi K3, uitgebracht door Moonshot AI op 15 juli 2026, is een mixture-of-experts-model met 2,8 biljoen parameters en een contextvenster van 1.048.576 tokens dat tekst en afbeeldingen accepteert en tekst retourneert, met een prijs van $3,00 per miljoen invoertokens en $15,00 per miljoen uitvoertokens, met cached reads tegen $0,30. Dots is de always-on agent van het bedrijf, aangekondigd op DevDay op 29 september 2026, met een eigen cloudcomputer en browser, connectors naar meer dan 4.000 apps, en een plek in ChatGPT, Slack en Teams, draait op GPT-6 Astra en is inbegrepen bij Pro en Business Premium. K3 kan een heel archief in één verzoek bevatten en er vragen over beantwoorden. Een dot kan het volgende document gaan ophalen waar je nog niet aan hebt gedacht. Lezen en ophalen zijn verschillende taken, en de verkeerde taak kiezen is de kostbare fout.

Het nummer dat Kimi K3 volledig bezit

Langetermijncontext-recall is de maatstaf die marketing van daadwerkelijke capaciteit scheidt, want een groot contextvenster is makkelijk te claimen en moeilijk te benutten. K3 scoort er 88,7 op — het hoogste cijfer van alle modellen die wij vermelden, boven de 84 van GPT-5.6 Sol, de 83 van MiniMax M3 en de 82 van Gemini 3.1 Pro. Het behaalt ook 93,5 op GPQA Diamond en 59,5 op SciCode, en heeft een Artificial Analysis Coding Index van 76,2, goed voor een negende plaats van de 138 gemeten modellen, en een Intelligence Index van 43,6, goed voor een negentiende plaats van 145. Dat zijn allemaal cijfers van derden, opgenomen in onze catalogus met de bijbehorende bronnen, in plaats van overgenomen uit een aankondigingsbericht.

Wat je daarmee krijgt, is een categorie taken die zich simpelweg niet laat opsplitsen: een hele codebase lezen voordat je een vraag erover beantwoordt, een jaar aan contracten vergelijken met een nieuwe template, of een lange agentische sessie volhouden zonder dat het midden ervan uit het geheugen valt. K3 is precies daarvoor gebouwd — Moonshot positioneert het voor programmeeragenten en langetermijnkenniswerk — en het is ongewoon doordat het samplingparameters volledig weigert. Er is geen temperature, geen top_p, geen seed; de redeneerdiepte is één enkele knop genaamd reasoning_effort. Dat is een bewuste afweging: minder knoppen, meer consistentie gedurende een lange sessie.

Waar een punt voor dient, gesteld zonder de marketing

Een dot is een werknemer met een agenda. Zijn inputs zijn alledaags — je berichten, je app-gegevens, een taak die je in één zin hebt beschreven — en zijn output is een verandering ergens anders: een verplaatst bestand, een bijgewerkt ticket, een bericht dat wordt opgesteld en na jouw goedkeuring wordt verzonden, een pagina die in zijn eigen browser wordt geopend. Het lanceringsmateriaal van OpenAI beschrijft er een die meerdere projecten tegelijk vooruitstuwt en van feedback leert, en de eerlijke interpretatie is dat je het bindweefsel koopt, niet de intelligentie.

Het bindweefsel is het dure deel om te bouwen. Een browser die zich gedraagt als die van een persoon, connectors die door de app-leveranciers worden onderhouden, een activiteitenweergave, goedkeuringspoorten, isolatie van je eigen machine — niets daarvan is in principe moeilijk en het is allemaal omslachtig in de praktijk. Dat is waar het abonnement voor betaalt. Waar het niet voor betaalt, is meetbaarheid.

• Kosten — inbegrepen bij Pro of Business Premium, quotum niet gepubliceerd (Dots) tegen $3.00 per miljoen input en $15.00 per miljoen output, gecachte leesbewerkingen $0.30 (Kimi K3)

• Plafond op één verzoek — ongedocumenteerd voor een punt, tegen 1.048.576 tokens context en een mobielvriendelijke 88,7 op long-context recall (Kimi K3)

• Invoer en uitvoer — berichten en gegevens van verbonden apps in, wijzigingen in andere software uit (Dots) tegenover tekst en afbeelding in, tekst uit (Kimi K3)

• Samplingcontrole — niets gepubliceerd (Dots) tegenover geen temperatuur, geen top_p en geen seed, met redeneerdiepte ingesteld door reasoning_effort alleen (Kimi K3)

• Snelheid die u kunt verwachten — ongedocumenteerd voor een punt, tegenover een mediane tijd tot het eerste token van 8,82 seconden en ongeveer 39 outputtokens per seconde in onze eigen meting over zeven dagen (Kimi K3)

• Onafhankelijk bewijs — demo's van leveranciers en capaciteitsverklaringen, geen benchmark (Dots) tegenover AA Coding Index 76,2 op de negende plaats van 138, GPQA Diamond 93,5, long-context recall 88,7 (Kimi K3)

Het ding dat niemand noemt over het kopen van een agent

Een abonnement met een niet-gepubliceerd tegoed heeft een eigenschap die een tariefkaart niet heeft: je kunt het verschil niet zien tussen een taak die goedkoop was en een taak die duur was. Elke opdracht kost hetzelfde — niets marginaals — tot precies het moment dat dat niet meer zo is, en dan komt het antwoord als een limiet in plaats van een factuur. Voor een team wiens werk verkennend is, is dat een functie. Voor een team dat kosten aan een project moet toewijzen, is het een gat in de boekhouding.

Er is ook een tweede-orde-effect. Wanneer de marginale kosten van een aanroep onzichtbaar zijn, stop je met je af te vragen of de aanroep nodig was, en de goedkoopste optimalisatie in elke pipeline — de aanvraag niet doen — wordt voor jou onbeschikbaar. Een model met verbruiksmeting dwingt die vraag af telkens wanneer iemand de tariefkaart leest.

Ze samenstellen zonder te doen alsof het alternatieven zijn.

De vorm die werkt is een stip die opmerkt en een model met lange context dat leest. Er komt werk binnen — een document in een gedeelde drive, een bericht in een thread — en de stip besluit of het ertoe doet. Als dat zo is, gaat het document naar Kimi K3, met alles wat het eventueel nodig heeft bijgevoegd, in één verzoek, en het antwoord komt terug, volledig gebaseerd op de bron in plaats van op een samenvatting van de bron. De stip regelt het opvolgen en de saaie logistiek; het model regelt het lezen, op een volume dat geen enkele lus van kleine aanroepen correct zou hebben samengesteld.

Kimi K3 wordt via OrcaRouter gerouteerd als kimi/kimi-k3 tegen Moonshots lijstprijs zonder extra opslag, in dezelfde catalogus als ruim 200 andere modellen achter één sleutel, met automatische failover over upstreamproviders wanneer er één verslechtert en een routing-DSL om meerdere modellen in één aanroep samen te stellen. Dat is de op verbruik afgerekende helft van de pijplijn en niets meer: dots staan niet in de catalogus, er is geen endpoint voor eentje, en er bestaat geen identifier om een verzoek naar te richten. Als de leeslaag het deel is dat je moet beheersen — en voor alles wat je een jaar wilt laten draaien, is dat meestal zo — dan is dat de laag om te bezitten.

Welke aankoop verspilt geld?

Een dot kopen om een groot corpus te lezen is verspilling, want de dot haalt op en vat samen in plaats van het geheel vast te houden, en het samenvatten is waar het detail dat je nodig had, sterft. Kimi K3 kopen om een project door vijf applicaties heen na te jagen is om de spiegelbeeldige reden verspilling: een model dat antwoordt wanneer het wordt aangeroepen, roept jou niet.

Als het werk ophalen en logistiek is, huur dan de werker. Als het werk begrip op schaal is, koop dan de meter en geef die alles in één keer. De twee overlappen veel minder dan het woord 'agentic' suggereert, en de overlap is niet waar een van beide goed in is.