Qwen 3.8 versus Kimi K3: De twee Chinese open-gewicht reuzen, kop tegen kop

Van alle modellen waarmee Qwen 3.8 Max wordt vergeleken, Kimi K3 van Moonshot is de meest voor de hand liggende concurrent: beide zijn enorme Chinese Mixture-of-Experts-modellen, beide zijn open-weight-class, beide staan bekend als breedsprakig, grondig en traag. Ze zijn in feite de twee grootste reuzen van de Chinese open-weight-wereld — en ongewoon genoeg hoeven we niet te raden hoe ze zich verhouden, omdat iemand ze tegen elkaar heeft laten werken aan dezelfde taak. Dat maakt deze vergelijking de rijkste in de reeks: geen verkopersclaims versus gecontroleerde cijfers, maar een echte onderlinge strijd.

Voordat we in de details duiken, een opmerking voor bouwers: de eerlijke manier om een zo nipte rivaliteit te beslechten is om beide zelf uit te proberen met je eigen werklast en de afweging tussen grondigheid en snelheid te bekijken. OrcaRouter biedt 200+ modellen aan achter één OpenAI-compatibel eindpunt, zodat je kunt zetten Qwen 3.8 tegenover Kimi K3 op dezelfde prompts zonder twee SDK's aan te sluiten.

TL;DR oordeel.In de enige directe head-to-head die we hebben (Trilogy AI, een architectuur-begripstaak), Kimi K3 scoorde 83/100 en Qwen 3.8 Max 80/100 — een nipt 3-punts voordeel voor Kimi. Maar Qwen was de *grondigere*:354 repository-citaties vs 274, 22 gateway-verzoeken vs 53, en nul mislukte toolaanroepen vs twee, ten koste van hogere latentie en meer tokens. Beide behaalden 90% cache-hit en kwamen tot dezelfde kernarchitectuurbeslissing. Vandaag is Kimi K3 de veiligere open-weight keuze — het heeft een geauditeerde score (57,1, #3 op Artificial Analysis), de Arena-frontendkroon, en gewichten die in wezen hier zijn. Qwen 3.8 is er een om in de gaten te houden: groter in ambitie, grondiger in verkenning, maar ongepubliceerd op openbare borden met gewichten die alleen "binnenkort" zijn.

Belangrijkste conclusies

• Qwen 3.8 Max is een 2.4T-parameter MoE preview; Kimi K3 is een 2.8T MoE met 1M context en native visie — wat betekent dat Qwen ongeveer 400B parameters kleiner is, een herinnering dat een groter aantal parameters niet beter betekent.

• In de enige directe test (Trilogy AI), Kimi K3 versloeg Qwen met 80 tegen 83 overall — maar Qwen maakte meer repo-citaten (354 vs 274), minder gateway-verzoeken (22 vs 53), nul mislukte toolaanroepen (vs twee).

•  Kimi K3 heeft een gecontroleerde AA Intelligence Index van 57.1 (#3) — achter Fable 5 en GPT-5.6 Sol, vóór al het andere. Qwen 3.8 heeft helemaal geen onafhankelijke benchmark.

•  Kimi K3 bezet ook de LMArena frontend-code #1 spot (1679); Qwen 3.8 is niet gescoord op openbare leaderboards.

• Openheid is bijna gelijk, maar timing verschilt: Kimi K3's gewichten zijn open/beloofd en in wezen klaar; Qwen 3.8's zijn "binnenkort beschikbaar" zonder datum, licentie of repository nog.

Qwen 3.8-cijfers zijn leveranciersclaims of vroege, ongecontroleerde hands-on indrukken — niet onafhankelijk gecontroleerd. Kimi K3's index- en prijscijfers worden toegeschreven aan Artificial Analysis en kunnen afwijken van Moonshot's eigen rapportage. De Trilogy AI head-to-head is een enkele taak, geen volledige benchmark-suite. Qwen 3.8's preview-prijzen zijn een tijdelijke korting; controleer de tarieven voordat u een budget opstelt.

De specificaties en prijs, naast elkaar

Hier zijn de harde gegevens, elk concurrentcijfer toegeschreven aan zijn bron.

• Maker / status — Qwen 3.8 Max: Alibaba; preview (19 juli 2026); Kimi K3: Moonshot; open-gewicht release

•  Architectuur — Qwen 3.8 Max: ~2.4T totaal, sparse MoE (actieve parameters niet bekendgemaakt); Kimi K3: 2.8T MoE, native visie (bron: Artificial Analysis)

•  Contextvenster — Qwen 3.8 Max: Gerapporteerd ~1M tokens (niet formeel bevestigd); Kimi K3: 1M tokens (bron: Artificial Analysis)

• AA Intelligence Index — Qwen 3.8 Max: Nog geen — niet gescoord; Kimi K3: 57.1 — #3 (Artificial Analysis)

•  Arena / leaderboard — Qwen 3.8 Max: Niet openbaar gescoord; Kimi K3: Frontend-code #1, 1679 (LMArena)

• Prijzen (in / uit) — Qwen 3.8 Max: Alleen preview (~90% korting; per-token API niet gepubliceerd); Kimi K3:$3 / $15 per 1M (AA blended ~$2.31)

•  Open gewichten — Qwen 3.8 Max: Beloofd "binnenkort" (niet uitgebracht); Kimi K3: Open-gewicht; gewichten gereed/nabij

•  Snelheid — Qwen 3.8 Max: Traagste geteste model (hands-on); Kimi K3: Breedsprakig en traag (~34s TTFT, volgens AA)

Twee dingen bepalen de hele vergelijking. Ten eerste is de lege cel 'AA Intelligence Index' voor Qwen 3.8 het verhaal: Kimi K3's 57.1 is een neutrale scheidsrechterlijke uitspraak die het op #3 in de wereld plaatst, alleen achter Fable 5 en GPT-5.6 Sol; Qwen 3.8's positie steunt op leveranciersframing en een handvol handmatige runs. Ten tweede, let op de grootte-inversie — Qwen 3.8 (2.4T) is eigenlijk ongeveer 400B parameters kleiner dan Kimi K3 (2.8T). Het model van Alibaba is het model dat mensen omschrijven als 'groter in ambitie', maar qua ruwe parameteraantal is Kimi de grotere reus, en het is degene met de gecontroleerde score om dit te ondersteunen. Beide staan bekend als omslachtig en traag, dus latentie is een wassen neus; de echte onderscheidende factoren zijn bewijs en beschikbaarheid van gewichten, en vandaag de dag pleiten beide in het voordeel van Kimi.

De enige echte head-to-head die we hebben

Dit is de zeldzame wedstrijd waarin we niet hoeven te gissen. Trilogy AI draaide beide modellen op een enkele architectuur-begripstaak — het lezen en redeneren over een echte codebase — en publiceerde de vergelijking naast elkaar. Kimi K3 won op de hoofdscores, maar het onderliggende gedrag vertelt een interessanter verhaal.

•  Algemene score — Qwen 3.8 Max: 80 / 100; Kimi K3: 83 / 100

•  Repo-citaten — Qwen 3.8 Max: 354; Kimi K3: 274

•  Gateway-verzoeken — Qwen 3.8 Max: 22; Kimi K3: 53

•  Mislukte tool-aanroepen — Qwen 3.8 Max: 0; Kimi K3: 2

• Beoordeling van toolgebruik — Qwen 3.8 Max: 9 / 10; Kimi K3: 8 / 10

• Cache-hitpercentage — Qwen 3.8 Max: >90%; Kimi K3: >90%

Lees de kolommen, niet alleen de bovenste rij. Kimi K3 behaalde de 3-punts overwinning, maar Qwen 3.8 was de nauwgezettere werker: het citeerde 80 meer plaatsen in de repository (354 vs 274), trok zijn conclusie in veel minder gateway-verzoeken (22 vs 53), maakte nul mislukte toolaanroepen tegenover Kimi's twee, en overtrof Kimi op de toolgebruik-rating (9 vs 8). De afweging is precies wat je elders van Qwen's karakter zou verwachten — het onderzoekt uitputtend, wat leidt tot hogere latentie en meer totale tokens. Cruciaal, beide modellen kwamen tot dezelfde kernarchitectonische beslissing, dus dit is niet dat de ene gelijk heeft en de andere ongelijk; het is dat Kimi sneller tot een iets hoger beoordeeld antwoord komt, en Qwen er komt met meer bewijs en schonere tooldiscipline. Als jouw werk uitputtend, goed geciteerd onderzoek beloont, is Qwen's profiel aantrekkelijk; als je de bewezen, snellere optie wilt, heeft Kimi de ronde gewonnen.

Veelgestelde vragen

Is Qwen 3.8 beter dan Kimi K3?

Niet op basis van het bewijs dat vandaag bestaat. In de enige directe onderlinge vergelijking (Trilogy AI) scoorde Kimi K3 83/100 tegen Qwen's 80/100, en Kimi heeft een gecontroleerde Artificial Analysis Index van 57,1 (#3) plus de Arena frontend-code kroon, terwijl Qwen 3.8 helemaal geen onafhankelijke score heeft. Qwen's voordeel was grondigheid — meer repo-citaties (354 vs 274), minder gateway-verzoeken en nul mislukte tool-aanroepen — maar dat is een stijlvoordeel, geen bewezen capaciteitsvoorsprong.

Qwen 3.8 is groter — maakt dat het beter?

Nee, en het is eigenlijk andersom qua grootte: Qwen 3.8 heeft ~2,4T parameters versus Kimi K3's ~2,8T, dus Kimi is de grotere van de twee met ruwweg 400B meer. Een groter aantal parameters betekent niet per se beter — Kimi is zowel groter als hoger scorend, wat een duidelijke herinnering is dat architectuur, training en afstemming belangrijker zijn dan ruwe parametertotalen.

Hoe verhoudt de prijs zich?

Kimi K3 is een gepubliceerde, duurzame $3 / $15 per 1M tokens (Artificial Analysis mengt het tot ongeveer $2.31). Qwen 3.8's preview wordt zwaar afgeprijsd (~90% korting) maar heeft geen gepubliceerde per-token API-prijs en de korting is tijdelijk, dus een stabiele prijsvergelijking is nog niet mogelijk. Voor budgettering vandaag is Kimi de enige met een reëel getal.

Welke is de betere open-gewichtskeuze?

Beide zijn open-gewichtsklasse, maar de timing verschilt. De gewichten van Kimi K3 zijn open en in wezen klaar; die van Qwen 3.8 worden beloofd als "binnenkort verkrijgbaar" zonder datum, licentie of gepubliceerde repository. Als open gewichten de reden zijn dat je voor een kiest, is Kimi de keuze waar je nu actie op kunt ondernemen.

Welke moet ik vandaag gebruiken?

Kimi K3 is de veiligere standaard — het scoorde (#3), gewichten zijn gereed, en het won de onderlinge confrontatie. Grijp naar Qwen 3.8 wanneer u waarde hecht aan uitputtende, goed geciteerde verkenning en schoon toolgebruik boven snelheid, en beschouw het als de om in de gaten te houden voor wanneer de gewichten arriveren en een onafhankelijke score binnenkomt.

Kortom

Qwen 3.8 vs Kimi K3 is het dichtst bij een eerlijke strijd in deze reeks: twee Chinese open-weight giganten, beide uitgebreid, beide grondig, beide traag. Kimi K3 wint vandaag de ronde omdat het wint op de dingen die adoptie bepalen — een geauditeerde #3 notering, de Arena frontend kroon, een gepubliceerde prijs en gewichten die klaar zijn — en het versloeg Qwen met 80 tegen 83 in de enige echte onderlinge vergelijking. Maar die vergelijking laat ook zien waarom Qwen 3.8 het bekijken waard is: het was het nauwgezettere model, haalde meer van de codebase aan, gebruikte minder verzoeken en maakte nul mislukte tool-aanroepen. Als uitputtende verkenning is wat jouw werk beloont, en als Alibaba de gewichten uitbrengt en een onafhankelijke score in de buurt van de top belandt, kan deze rivaliteit omdraaien. Tot die tijd is Kimi K3 de veiligere open-weight keuze, en Qwen 3.8 de uitdager om te testen op je eigen prompts.