Dots kontra Kimi K3: jeden czyta całą bibliotekę, drugi idzie i ją znajduje

Istnieje szczególny rodzaj zadania, które tylko jedno z tych dwojga potrafi wykonać, i warto je nazwać, zanim przejdziemy do czegokolwiek innego. Kimi K3, wydany przez Moonshot AI 15 lipca 2026 r., to model mieszanki ekspertów o 2,8 biliona parametrów z oknem kontekstu wynoszącym 1 048 576 tokenów, który przyjmuje tekst i obrazy, a zwraca tekst, w cenie 3,00 USD za milion tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych, przy odczytach z pamięci podręcznej po 0,30 USD. Dots to nieustannie działający agent tej firmy, ogłoszony na DevDay 29 września 2026 r., z własnym komputerem w chmurze i przeglądarką, konektorami do ponad 4000 aplikacji oraz miejscem w ChatGPT, Slacku i Teams, działający na GPT-6 Astra i dostępny w ramach Pro i Business Premium. K3 może pomieścić całe archiwum w jednym żądaniu i odpowiadać na pytania o nie. Dots może pójść i pobrać kolejny dokument, o którym jeszcze nie pomyślałeś. Czytanie i wyszukiwanie to różne zadania, a wybór niewłaściwego jest kosztownym błędem.

Liczba, którą Kimi K3 posiada na wyłączność

Przywoływanie informacji z długiego kontekstu to miara, która oddziela marketing od rzeczywistych możliwości, ponieważ duże okno kontekstowe łatwo zadeklarować, ale trudno je wykorzystać. K3 uzyskuje w tej kategorii 88,7 — najwyższy wynik spośród wszystkich modeli, które wymieniamy, powyżej 84 punktów GPT-5.6 Sol, 83 punktów MiniMax M3 i 82 punktów Gemini 3.1 Pro. Osiąga także 93,5 w GPQA Diamond i 59,5 w SciCode, a ponadto ma Artificial Analysis Coding Index wynoszący 76,2, co plasuje go na dziewiątym miejscu spośród 138 zmierzonych modeli, oraz Intelligence Index wynoszący 43,6, co plasuje go na dziewiętnastym miejscu spośród 145. Wszystkie te dane pochodzą od podmiotów trzecich i znajdują się w naszym katalogu wraz z dołączonymi źródłami, a nie zostały powtórzone z wpisu premierowego.

Daje ci to klasę zadań, których po prostu nie da się rozłożyć na części: przeczytanie całej bazy kodu, zanim odpowie się na pytanie o nią, porównanie rocznego zestawu umów z nowym szablonem albo utrzymanie długiej sesji agentowej bez wypadania jej środka z pamięci. K3 jest zbudowany dokładnie do tego — Moonshot pozycjonuje go do agentów programistycznych i długoterminowej pracy z wiedzą — i jest nietypowy, bo całkowicie odrzuca parametry próbkowania. Nie ma temperatury, top_p ani seeda; głębokość rozumowania to jeden suwak o nazwie reasoning_effort. To świadomy kompromis: mniej pokręteł, więcej spójności w trakcie długiej sesji.

Do czego służy kropka, powiedziane bez marketingu

Dot to pracownik z kalendarzem. Jego dane wejściowe są przyziemne — Twoje wiadomości, dane Twojej aplikacji, zadanie opisane w jednym zdaniu — a jego wynik to zmiana gdzie indziej: przeniesiony plik, zaktualizowane zgłoszenie, wiadomość przygotowana i wysłana po Twojej akceptacji, strona otwarta w jego własnej przeglądarce. Materiały premierowe OpenAI opisują takiego, który prowadzi kilka projektów jednocześnie i uczy się na podstawie informacji zwrotnych, a uczciwa interpretacja jest taka, że kupujesz tkankę łączną, a nie inteligencję.

Tkanka łączna to kosztowna część do zbudowania. Przeglądarka, która zachowuje się jak ludzka, konektory utrzymywane przez dostawców aplikacji, widok aktywności, bramki zatwierdzania, izolacja od własnego komputera — nic z tego nie jest trudne co do zasady, a wszystko jest żmudne w praktyce. To właśnie finansuje subskrypcja. Nie finansuje natomiast mierzalności.

• Koszt — wliczony w Pro lub Business Premium, przydział niepublikowany (Dots) w porównaniu z 3,00 USD za milion tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych, odczyty z pamięci podręcznej 0,30 USD (Kimi K3)

• Limit na jedno żądanie — nieudokumentowany ani na jotę, w porównaniu z 1 048 576 tokenami kontekstu i przyjaznym dla urządzeń mobilnych wynikiem 88,7 w przywoływaniu długiego kontekstu (Kimi K3)

• Wejście i wyjście — wiadomości i dane z połączonych aplikacji na wejściu, zmiany w innym oprogramowaniu na wyjściu (Dots) kontra tekst i obraz na wejściu, tekst na wyjściu (Kimi K3)

• Kontrola próbkowania — brak opublikowanych (Dots) w porównaniu z brakiem temperatury, brakiem top_p i brakiem seeda, z głębokością rozumowania ustawianą przez reasoning_effort wyłącznie (Kimi K3)

• Prędkość, jakiej należy się spodziewać — nieudokumentowana dla kropki, w porównaniu z medianą czasu do pierwszego tokenu wynoszącą 8,82 sekundy i około 39 tokenów wyjściowych na sekundę w naszym własnym siedmiodniowym pomiarze (Kimi K3)

• Niezależne dowody — prezentacje dostawcy i deklaracje możliwości, brak benchmarku (Dots) w zestawieniu z AA Coding Index 76,2 na dziewiątym miejscu na 138, GPQA Diamond 93,5, przywoływanie w długim kontekście 88,7 (Kimi K3)

Rzecz, o której nikt nie wspomina przy kupowaniu agenta

Subskrypcja z niepublikowanym limitem ma właściwość, której nie ma cennik: nie można odróżnić zadania, które było tanie, od zadania, które było drogie. Każde zadanie kosztuje tyle samo — żadnych kosztów krańcowych — aż do momentu, w którym już tak nie jest, a wtedy odpowiedź przychodzi jako limit, a nie rachunek. Dla zespołu, którego praca ma charakter eksploracyjny, to zaleta. Dla zespołu, który musi przypisywać koszty do projektu, to luka w rozliczeniach.

Występuje tu również efekt drugiego rzędu. Gdy krańcowy koszt wywołania jest niewidoczny, przestajesz pytać, czy wywołanie było konieczne, a najtańsza optymalizacja w każdym potoku — niezłożenie żądania — staje się dla ciebie niedostępna. Model rozliczany za użycie wymusza to pytanie za każdym razem, gdy ktoś czyta cennik.

Komponowanie ich bez udawania, że są alternatywami

Kształt, który działa, to kropka, która zauważa, i model o długim kontekście, który czyta. Praca nadchodzi — dokument na współdzielonym dysku, wiadomość w wątku — a kropka decyduje, czy ma znaczenie. Jeśli tak, dokument trafia do Kimi K3 wraz z dołączonym wszystkim innym, co może być potrzebne, w jednym żądaniu, a odpowiedź wraca w pełni oparta na źródle, a nie na podsumowaniu źródła. Kropka zajmuje się pogonią i nudną logistyką; model zajmuje się czytaniem w ilości, którą nie zebrałaby poprawnie żadna pętla małych wywołań.

Kimi K3 jest kierowany przez OrcaRouter jako kimi/kimi-k3 w cenie katalogowej Moonshot, bez doliczanej marży, i znajduje się w tym samym katalogu co ponad 200 innych modeli dostępnych za jednym kluczem, z automatycznym przełączaniem awaryjnym między dostawcami upstream, gdy któryś z nich zaczyna zawodzić, oraz DSL routingu do komponowania kilku modeli w jedno wywołanie. To rozliczana połowa potoku i nic więcej: dots nie ma w katalogu, nie istnieje dla niego żaden punkt końcowy ani identyfikator, na który można by wskazać żądanie. Jeśli warstwa odczytu to ta część, którą musisz kontrolować — a przy wszystkim, co zamierzasz utrzymywać przez rok, zwykle tak właśnie jest — to tę warstwę warto mieć na własność.

Który zakup marnuje pieniądze?

Kupowanie dot do czytania dużego korpusu to strata, bo dot pobierze i podsumuje, zamiast przechowywać całość, a podsumowywanie to miejsce, w którym umiera szczegół, którego potrzebowałeś. Kupowanie Kimi K3, żeby śledzić projekt w pięciu aplikacjach, to strata z lustrzanie odwrotnego powodu: model, który odpowiada, gdy się go zawoła, sam cię nie zawoła.

Jeśli zadanie polega na wyszukiwaniu i logistyce, wynajmij pracownika. Jeśli zadanie polega na rozumieniu na dużą skalę, kup licznik i podaj mu wszystko naraz. Te dwie rzeczy nachodzą na siebie znacznie mniej, niż sugeruje słowo „agentic”, a to nachodzenie nie występuje tam, gdzie którakolwiek z nich jest dobra.