Kimi K3 kontra Fable 5, GPT-5.6 i Opus 4.8: Przetestowaliśmy hype
Kimi K3 to nowy flagowy model Moonshot AI, i przez kilka dni w lipcu 2026 roku był to najczęściej testowany model w internecie. Pojawił się najpierw na stronie oceniającej Arena jako tajemniczy model o kryptonimie "Kivine" — określający się jako "z Moonshot labs" z datą odcięcia wiedzy na styczeń 2025 — zanim Moonshot oficjalnie ogłosił go w dniu July 16, 2026, z obiecanymi otwartymi wagami przed 27 lipca. Powtarzającym się nagłówkiem od testerów było: Kimi K3 plasuje się gdzieś w okolicach Claude Fable 5, i często przed GPT-5.6 w pracy kreatywnej i 3D. Ta recenzja pierwszych wrażeń zbiera specyfikacje, zestaw benchmarków i tuzin testów społeczności w jednym miejscu.
Uwaga dla twórców: są to wczesne, niekontrolowane testy społecznościowe, więc traktujcie je jako orientacyjne, a nie jako wyniki. OrcaRouter udostępnia modele przez API za pomocą jednego punktu końcowego zgodnego z OpenAI, więc gdyKimi K3 będzie miało aktywne API, można je wypróbować wobec Fable 5 i GPT-5.6 bez podłączania wielu SDK.
TL;DR werdykt.Kimi K3 jest pierwszym modelem o otwartych wagach, który wiarygodnie osiąga zakres Fable 5 w zakresie frontendu, 3D i kreatywnych one-shotów — prowadzi w rankingu frontendu Arena i zajmuje 4. miejsce na Artificial Analysis Index. Ale jest rozwlekły i powolny (jeden frontend build zajął 35 minut), ustępuje Fable w kodowaniu agentowym, a werdykty „wygrał” to wczesne wrażenia z Areny, a nie zweryfikowane benchmarki. Imponujące, ale nie rozstrzygnięte.
Najważniejsze wnioski
• Kimi K3 to 2.8T-parameter MoE, pozycjonowany jako największy model o otwartych wagach do tej pory, z otwartymi wagami dostępnymi przed 27 lipca.
• W neutralnych, zewnętrznych ocenach plasuje się #4 z 189 w AA Intelligence Index (57) oraz #1 na tablicy frontend-code Arena (1679), powyżej 1631 Fable 5.
• W cenie $3 / $15 za 1M tokenów — najdroższy model Moonshota w historii, ale wciąż mniej więcej jedna trzecia ceny Fable 5 wynoszącej $10 / $50.
• Testerzy wielokrotnie nazywają to "poziomem Fable"; sceptycy twierdzą, że porównania bezpośrednie są wybiórcze i wciąż pozostaje w tyle w wieloetapowych zadaniach agentowych.
• Uwaga na zastrzeżenia: szczegółowe wyjście (~2× medianę tokenów peerów), ~34s opóźnienie pierwszego tokenu, i wciąż ustępuje Fable na FrontierSWE i DeepSWE.
Kręgosłup specyfikacji i benchmarków
Oto twarde dane, każda liczba przypisana do swojego źródła.
• Architektura — Kimi K3: 2.8T MoE (896 ekspertów, 16 aktywnych), Kimi Delta Attention, kontekst 1M, natywna wizja; Punkt porównania: Największy dotychczas model o otwartych wagach (Moonshot, zgłaszany przez dostawcę)
• Warianty — Kimi K3: K3 Max (chat/agent), K3 Swarm Max (parallel); Punkt porównania: —
• Cennik (wejście/wyjście) — Kimi K3: $3 / $15 za 1M; cache-hit ~$0.30; Punkt porównania: Fable 5 za $10 / $50 (~3.3x więcej)
• AA Intelligence Index — Kimi K3: 57 — #4 z 189; Punkt porównania: Za dwoma konfiguracjami Fable 5 + GPT-5.6 Sol; powyżej Opus 4.8, Sonnet 5, GLM-5.2 (Artificial Analysis)
• Arena frontend-code — Kimi K3: #1 at 1679, wygrał 6 z 7 kategorii; Punkt porównania: Powyżej 1631 Fable 5; w górę z #18 K2.6 (Arena / LMArena)
• GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); Punkt porównania: Artificial Analysis
• GPQA Diamond — Kimi K3: 93.5% (najsilniejszy otwarty model); Punkt odniesienia: podane przez dostawcę
• BrowseComp / HLE z narzędziami — Kimi K3: 91,2% / 56,0%; Punkt porównawczy: Raportowane przez dostawcę
• Agentic SWE — Kimi K3: FrontierSWE 81.2, DeepSWE 67.5; Punkt porównania: za Fable 5 (86.6 / 70.0)
• Terminal-Bench 2.1 — Kimi K3: 88.3; Punkt porównawczy: Powyżej 84.6 Fable 5 (uwaga dotycząca mieszania uprzęży poniżej)
Dwie rzeczy łagodzą zwycięstwa. Po pierwsze, przewaga cenowa jest częściowo pochłaniana przez rozwlekłość — K3 emituje około dwa razy więcej tokenów wyjściowych niż mediana konkurencyjnych modeli przy porównywalnych zadaniach — plus ~34-sekundowe opóźnienie pierwszego tokena. Po drugie, przewaga Terminal-Bench pochodzi z ostrzeżeniem od @ChrissGPT: benchmarki Moonshot "often like to use Terminal 2 instead of 2.1," więc traktuj porównania między testami ostrożnie. Niezależnie, przed opublikowaniem oficjalnego indeksu, @teortaxesTex oszacował "~55ish AA… around Opus 4.8 or GPT 5.5."
Podsumowanie testów społeczności
Dowody, które sprawiły, że Kimi K3 stało się historią, to zalew jednostrzałek z Areny. Oto reprezentatywny wycinek — tester, zadanie i werdykt, każdy z linkiem do oryginalnego posta.
• @synthwavedd — Zadanie: Ogólne testy obciążeniowe; Werdykt: „Kolejny moment DeepSeek R1… często poziom Fable, może trochę gorszy, ale konsekwentnie lepszy niż 5.6. Bestia."
• @chetaslua — Zadanie: Kodowanie, bezpośrednie porównanie z Fable; Werdykt: „Przewyższa wszystkie modele open-source… na równi z Fable, czasem lepszej jakości”
• @Gc_qube — Zadanie: 3D / gry kontra Fable 5; Werdykt: „Kimi K3 wygrał… pierwszy model, który dogonił Fable”
• @abhinavflac — Zadanie: render Sakura bonsai; Werdykt: "Pokonał Claude Fable – idealnie oddał skręcony pień i warstwową koronę"
• @testingcatalog — Zadanie: Universe-sim kontra Fable 5; Werdykt: „Fable zakończyło się szybciej, z bardziej intuicyjnym UX; K3 znacznie bardziej złożone i atrakcyjne wizualnie… bardzo wyrównane”
• @israfill — Zadanie: Ten sam prompt symulacji wszechświata; Werdykt: „K3 wygrywa pod względem gęstej kreatywnej produkcji i momentów 'jak on to zbudował'… zaskoczony, jak blisko to jest”
• @mirochill — Zadanie: jednorazowe frontendowe (francuski); Werdykt: „Równa się 5.6 Pro, lepsze niż Fable 5, w jednej próbie” (zauważono problemy z oświetleniem)
• @jun_song — Zadanie: Flappy Bird vs Opus 4.8; Werdykt: "Znacznie lepsze niż Opus… Poziom Opus-5"
• @JustinGorya — Zadanie: jednoplikowy HTML Minecraft; Werdykt: "Nowy kamień milowy… niesamowity w 3D i frontendzie" (odpowiedź: "To jeden strzał. Szaloneeee")
• @redkendl — Zadanie: gra w papierowy samolot 3D; Werdykt: „Załatwione jednym strzałem… Fable 5 / GPT-5.6-level output. Chińskie laboratoria nie są już 8 miesięcy w tyle”
• @noctus91 — Zadanie: Interaktywne doświadczenia 3D; Werdykt: "Poziom szczegółowości, dopracowania i ogólnej jakości jest naprawdę niesamowity"
• @Lentils80 — Zadanie: strona frontendu; Werdykt: „BARDZO wolno — zajęło 35 minut — ale jeden z najlepszych wyników, jakie kiedykolwiek widziałem z tego promptu”
Cheerleaderki kontra sceptycy
Sprawa byków jest prosta: model o otwartych wagach dorównujący zamkniętemu flagowcowi w pracy kreatywnej i frontendowej, za jedną trzecią ceny, jest naprawdę nowy. @notjazii nazwał wczesny wynik "nowy model SOTA wypuszczany dzisiaj, moonshot cooked," a @chetaslua ujął to jako "deepseek moment again for OSS."
Sceptycy stanowczo się sprzeciwiają, a ich zarzuty są zawsze te same trzy:
• Wyselekcjonowane dema. W teście bonsai @Heeseon odpowiedział: „każdy może zobaczyć, że Fable 5 wygrało”, a @sebuzdugan zauważył: „jeden przykład bonsai pokazuje kontrolę stylu, a nie niezawodność między ziarnami”.
• Fable jest po prostu lepsze. Na wątku Gc_qube, @victor_vibing powiedział dosadnie: "Fable jest o wiele lepsze. Nieporównywalnie."
• Ta sama estetyka, nie prawdziwy zakres.@_everythingism argumentował, że wyniki „wszystkie mają „estetykę Claude'a”… generując w kółko konkretny rodzaj projektu”, a w testach Opusa @MCharles10581 po prostu powiedział „wydaje się, że opus jest lepszy”.
Najbardziej użyteczna perspektywa pochodzi od @teortaxesTex, który sam nawet nie testował K3. Jego argument dotyczyluki wysiłku/smaku, a nie ściany możliwości: „nawet Fable i Sol produkują tyle GNIOTA… Kimi nie tyle nie radzi sobie z rzeczami, co tworzy mniej interesujące i szczegółowe rzeczy, nie dokłada starań.” W przypadku agentowego kodowania typu human-in-the-loop przy obiektywnych zadaniach spodziewa się, że K3 „powinien być nierozsądnie blisko.” A strategiczna puenta: „każdy chiński model, który jedynie *utrzymuje* lukę… to heroiczny wyczyn.” To uczciwa ocena – K3 zmniejsza dystans w mierzalnych zadaniach i trochę traci na smaku, co dokładnie pokazują jego benchmarki.
Często zadawane pytania
Czy Kimi K3 jest tak dobry jak Fable 5?
W przypadku frontendu i jednorazowych zadań 3D testerzy mówią tak — przoduje na tablicy frontendu Areny (1679 vs 1631), a wiele porównań bezpośrednich uznało to za wygraną lub remis. W kodowaniu agentowym wciąż pozostaje w tyle (FrontierSWE 81,2 vs 86,6), a sceptycy twierdzą, że Fable ma przewagę pod względem dopracowania i niezawodności na różnych próbach.
Czy Kimi K3 jest open source?
Jest to model o otwartych wagach: Moonshot obiecał udostępnić wagi przed 27 lipca 2026 roku. Na początku był dostępny tylko przez API/stronę internetową. Jako największy dotychczas model o otwartych wagach (2.8T MoE), to udostępnienie jest głównym wydarzeniem.
Ile kosztuje Kimi K3?
$3 / $15 za 1M tokenów wejściowych/wyjściowych, z trafieniami w cache w okolicach $0.30. To najdroższy model Moonshota w historii (K2.6 kosztowało $0.95/$4), ale wciąż około jednej trzeciej ceny Fable 5 wynoszącej $10/$50 — choć rozwlekłe wyjście zmniejsza rzeczywistą różnicę.
Czy Kimi K3 jest lepszy niż GPT-5.6?
Testerzy skłaniają się ku tak w kwestii prac kreatywnych i 3D — @synthwavedd określił to jako „konsekwentnie lepsze niż 5.6”, a @mirochill uznał za równe z 5.6 Pro. Jednak w indeksie AA, GPT-5.6 Sol wciąż zajmuje wyższą pozycję niż K3, a Fable 5 i 5.6 Sol prowadzą na Terminal 2.1.
Kiedy wydano Kimi K3?
Oficjalnie ogłoszono 16 lipca 2026 roku, po pojawieniu się na Arenie jako "Kivine" około 14 lipca. Otwarte wagi obiecano przed 27 lipca 2026 roku.
Sedno sprawy
Kimi K3 to najmocniejsze pierwsze wrażenie, jakie model o otwartych wagach zrobił od czasu oryginalnego momentu DeepSeek: wyniki kreatywne i frontendowe na poziomie Fable-5, czołówka tablicy frontendowej Arena, przy mniej więcej jednej trzeciej ceny Fable. Trzymaj entuzjazm na poziomie "kierunkowym" — jest gadatliwy, powolny, wciąż opóźniony w kodowaniu agentowym, a każde "wygrane" powyżej to wczesne wrażenie z Areny, nie audytowany benchmark. Gdy wagi zostaną opublikowane przed 27 lipca, kontrolowane testy pokażą, czy hype się utrzymał.
