Kimi K3 против Fable 5, GPT-5.6 и Opus 4.8: Мы протестировали hype

Kimi K3 — это новый флагман Moonshot AI, и в течение нескольких дней в июле 2026 года она была самой тестируемой моделью в интернете. Она впервые появилась на сайте Arena eval как загадочная модель под кодовым названием "Kivine" — описывающая себя как "из лабораторий Moonshot" с январем 2025 года в качестве среза знаний — до того, как Moonshot официально объявил о ней 16 июля 2026 года, с обещанными открытыми весами до 27 июля. Повторяющийся заголовок от тестировщиков: Kimi K3 находится где-то около Claude Fable 5, и часто опережает GPT-5.6 в креативной и 3D-работе. Этот обзор первых впечатлений собирает в одном месте характеристики, основу бенчмарков и дюжину тестов сообщества.

Заметка для разработчиков: это ранние неконтролируемые общественные тесты, поэтому относитесь к ним как к ориентировочным, а не как к оценкам. OrcaRouter предоставляет модели с доступным API за одним совместимым с OpenAI эндпоинтом, так что как только Kimi K3 API станет доступен, вы сможете протестировать его против Fable 5 и GPT-5.6 без настройки нескольких SDK.

TL;DR вердикт.Модель Kimi K3 — первая модель с открытыми весами, которая достоверно достигает уровня Fable 5 во фронтенде, 3D и креативных односценарных задачах — она возглавляет рейтинг фронтенда Arena и занимает 4-е место в Artificial Analysis Index. Но она многословна и медлительна (одна сборка фронтенда заняла 35 минут), отстаёт от Fable в агент-ориентированном кодировании, а вердикты «победы» — это ранние впечатления Arena, а не проверенные бенчмарки. Впечатляюще, но не окончательно.

Основные выводы

•  Kimi K3 — это 2.8T-parameter MoE, позиционируемая как крупнейшая модель с открытыми весами на сегодняшний день, с открытыми весами, которые должны быть выпущены до 27 июля.

• На нейтральных сторонних оценках он занимает #4 из 189 в AA Intelligence Index (57) и #1 on Arena's frontend-code board (1679), выше 1631 у Fable 5.

• Цена: $3 / $15 за 1M токенов — самая дорогая модель Moonshot на сегодняшний день, но все еще примерно треть от $10 / $50 у Fable 5.

•  Тестировщики неоднократно называют это "Fable level"; скептики говорят, что сравнения лицом к лицу являются выборочными, и оно все еще отстает в многошаговых агентных задачах.

• Учитывайте предостережения: подробный вывод (~2x peer-median tokens), ~34s задержка первого токена, и она все еще отстает от Fable на FrontierSWE и DeepSWE.

Спецификации и бенчмарки

Вот жесткие данные, каждая цифра приписана своему источнику.

•  Архитектура — Kimi K3: 2.8T MoE (896 экспертов, 16 активных), Kimi Delta Attention, 1M контекст, встроенное зрение; Точка сравнения: Крупнейшая на сегодняшний день модель с открытым весом (Moonshot, по данным поставщика)

•  Варианты — Kimi K3: K3 Max (чат/агент), K3 Swarm Max (параллельный); Точка сравнения: —

•  Цены (ввод/вывод) — Kimi K3: $3 / $15 за 1M; кэш-хит ~$0.30; Точка сравнения: Fable 5 по $10 / $50 (~в 3.3 раза больше)

• Индекс интеллекта AA — Kimi K3: 57 — #4 из 189; Точка сравнения: позади двух конфигураций Fable 5 + GPT-5.6 Sol; выше Opus 4.8, Sonnet 5, GLM-5.2 (Artificial Analysis)

• Arena frontend-code — Kimi K3: #1 на 1679, выиграл 6 из 7 категорий; точка сравнения: выше Fable 5's 1631; поднялся с #18 у K2.6 (Arena / LMArena)

•  GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); Точка сравнения: Artificial Analysis

•  GPQA Diamond — Kimi K3: 93.5% (сильнейшая открытая модель); Точка сравнения: сообщено вендором

• BrowseComp / HLE w/ tools — Kimi K3: 91.2% / 56.0%; Точка сравнения: Сообщено вендором

•  Agentic SWE— Kimi K3: FrontierSWE 81.2, DeepSWE 67.5; Точка сравнения: отстает от показателей Fable 5: 86.6 / 70.0

•  Terminal-Bench 2.1 — Kimi K3: 88.3; Точка сравнения: выше 84.6 у Fable 5 (оговорка о смешивании привязок ниже)

Два фактора смягчают победы. Во-первых, ценовое преимущество частично съедается многословность — K3 генерирует примерно в два раза больше токенов вывода, чем медиана аналогов, в сопоставимых задачах — плюс ~34-секундная задержка первого токена. Во-вторых, преимущество в Terminal-Bench сопровождается предупреждением от @ChrissGPT: бенчмарки Moonshot "часто используют Terminal 2 вместо 2.1," поэтому относитесь к межплатформенным сравнениям с осторожностью. Независимо, до публикации официального индекса, @teortaxesTex оценил "~55ish AA… около Opus 4.8 или GPT 5.5."

Обзор тестов сообщества

Доказательством того, что Kimi K3 стал историей, является поток Arena one-shots. Вот репрезентативный срез — тестер, задача и вердикт, каждый со ссылкой на оригинальный пост.

•  @synthwavedd — Задача: Общее стресс-тестирование; Вердикт: "Еще один момент DeepSeek R1… часто на уровне Fable, может быть, немного хуже, но стабильно лучше, чем 5.6. Зверь."

•  @chetaslua — Задача: Кодинг, сравнение один на один с Fable; Вердикт: "Превосходит все модели с открытым исходным кодом… на уровне с Fable, иногда лучшее качество"

•  @Gc_qube — Задача: 3D / игры против Fable 5; Вердикт: «Kimi K3 одержал победу… первая модель, которая догнала Fable»

• @abhinavflac — Задача: рендер сакуры бонсай; Вердикт: "Превзошёл Claude Fable — отлично передал изогнутый ствол и многослойную крону"

•  @testingcatalog — Задача: Universe-sim против Fable 5; Вердикт: "Fable завершилась быстрее с более надежным UX; K3 гораздо сложнее и визуально привлекательнее… очень близко"

• @israfill — Задача: Тот же промпт симуляции вселенной; Вердикт: "K3 побеждает благодаря плотному творческому выводу и моментам «как он это построил»… удивлён, насколько это близко"

• @mirochill — Задача: Frontend one-shot (французский); Вердикт: «Equals 5.6 Pro, лучше, чем Fable 5, за одну попытку» (отмечены проблемы с освещением)

•  @jun_song — Задача: Flappy Bird против Opus 4.8; Вердикт: "Значительно лучше, чем Opus… уровень Opus-5"

• @JustinGorya — Задача: HTML Minecraft в одном файле; Вердикт: «Новая веха… невероятно для 3D и фронтенда» (ответ: «Это одним махом. Безумноооо»)

• @redkendl — Задача: игра с бумажным самолетиком в 3D; Вердикт: «Сделано с одного раза… на уровне Fable 5 / GPT-5.6. Китайские лаборатории больше не отстают на 8 месяцев»

• @noctus91 — Задача: интерактивные 3D-опыты; Вердикт: "Уровень детализации, полировки и общего качества, честно говоря, дикий"

•  @Lentils80 — Задача: страница фронтенда; Вердикт: "ОЧЕНЬ медленно — заняло 35 минут — но один из лучших результатов, которые я когда-либо видел от этого промпта"

Сторонники против скептиков

Бычий сценарий прямолинеен: модель с открытым весом, которая на творческой и фронтенд-работе соответствует закрытому флагману, при цене в три раза ниже, это действительно новое. @notjazii назвал ранний вывод «новая SOTA-модель, выходящая сегодня, лунный проект готов», а @chetaslua назвал это «момент Deepseek снова для OSS».

Скептики решительно возражают, и их возражения каждый раз одни и те же три:

•  Отобранные демо. В тесте bonsai @Heeseon ответил: "любой может видеть, что Fable 5 выиграл", а @sebuzdugan отметил: "один образец bonsai показывает контроль стиля, а не надежность на разных сидах".

• Fable просто лучше. В треде Gc_qube @victor_vibing сказал прямо: "Fable намного лучше. Несравненно лучше."

•  Та же эстетика, не настоящий диапазон. @_everythingism утверждал, что результаты "все имеют 'эстетику Claude'… создавая снова и снова определенный вид дизайна", и на тестах Opus @MCharles10581 просто сказал: "кажется, opus лучше."

Самая полезная рамка исходит от @teortaxesTex, который сам даже не тестировал K3. Его мысль касается разрыва между усилиями и вкусом, а не стены возможностей: "даже Fable и Sol создают столько SLOP… Kimi не столько терпит неудачу в чем-то, сколько создает менее интересные и детализированные вещи, не идет лишнюю милю". Для человеко-ориентированного агентного кодирования по объективным задачам он ожидает, что K3 "должен подойти неразумно близко". И стратегический удар: "каждая китайская модель, которая лишь *поддерживает* разрыв… это героический подвиг". Это честная оценка — K3 сокращает расстояние по измеримым задачам и немного проигрывает во вкусе, что и показывают его бенчмарки.

Часто задаваемые вопросы

Kimi K3 такой же хороший, как Fable 5?

На фронтенде и 3D-одноразовых задачах тестировщики говорят «да» — он возглавляет доску лидеров Arena (1679 против 1631), и множество прямых сравнений назвали его победой или ничьей. В агентном кодинге он пока отстаёт (FrontierSWE 81.2 против 86.6), а скептики утверждают, что Fable сохраняет преимущество в полировке и надёжности на разных семенах.

Является ли Kimi K3 открытым исходным кодом?

Это модель с открытыми весами: Moonshot пообещал выпустить веса до 27 июля 2026 года. На момент запуска она была доступна только через API и веб-интерфейс. Как самая крупная на сегодняшний день модель с открытыми весами (2.8T MoE), этот релиз является главным событием.

Сколько стоит Kimi K3?

$3 / $15 за 1M входных/выходных токенов, при попаданиях в кэш около $0.30. Это самая дорогая модель Moonshot на сегодняшний день (K2.6 стоила $0.95/$4), но всё же примерно треть от $10 / $50 у Fable 5 — хотя многословный вывод сокращает разницу в реальных условиях.

Кими K3 лучше, чем GPT-5.6?

Тестировщики склоняются к «да» в отношении творческих и 3D-работ — @synthwavedd назвал это «стабильно лучше, чем 5.6», а @mirochill поставил на один уровень с 5.6 Pro. Но по индексу AA, GPT-5.6 Sol все ещё стоит выше K3, а Fable 5 и 5.6 Sol лидируют на Terminal 2.1.

Когда был выпущен Kimi K3?

Официально объявлено 16 июля 2026 года, после появления на Arena как «Kivine» около 14 июля. Открытые веса были обещаны до 27 июля 2026 года.

Суть

Kimi K3 — это самое сильное первое впечатление, произведённое моделью с открытыми весами со времен оригинального момента DeepSeek: результаты в творческих задачах и фронтенде на уровне Fable-5, вершина доски лидеров Arena по фронтенду, примерно за треть цены Fable. Просто сдерживайте энтузиазм на уровне «directional» — она многословна, медленна, всё ещё отстаёт в агентном кодировании, и каждое «won» выше — это раннее впечатление Arena, а не проверенный бенчмарк. Когда веса появятся до 27 июля, контролируемые тесты покажут, оправдался ли ажиотаж.