Kimi K4: что на самом деле утверждает утечка и почему «меньше активных параметров» — вот что было бы главной новостью

Один пост разом ввёл в оборот четыре названия неанонсированных моделей. Список начинается с K​imi K4, предположительно следующего поколения от Moonshot AI, которое стоит рядом с GLM-5.5 Flash и GLM-5.4 от Z.ai и D​eepSeek V4.1P — и сам автор делает акцент не на каком-либо из флагманских названий, а на подозрении относительно арифметики, лежащей в основе K4: что та может активировать меньше параметров, чем модель, которую она заменяет. Это утверждение не подтверждено. Не существует ни карточки модели K​imi K4, ни весов, ни идентификатора API, ни цены, ни маршрута — и то же самое верно для каждого названия от Z.ai в этом списке. Что стоит сделать сейчас — так это разобраться, какие из этих утверждений можно было бы проверить, как выглядит выпущенная базовая версия и что на самом деле означал бы более разреженный K4.

Сигнал и его уровень

Это ранний сигнал, и читать его следует именно так. Пост, в котором он приводится, — это скорее прочтение соглашений об именовании моделей, а не отчёт о наблюдении: в нём «GLM-5.5 Flash, GLM-5.4» отмечены как интересная номенклатура, а K​imi K4 назван «очень странным»; затем предлагается спекулятивный механизм — меньше активированных экспертов — без утверждения, что были замечены конфиг, список чекпоинтов или staging-эндпоинт.

Ничто в открытых источниках не противоречит этим названиям, но и не подтверждает их. Такая асимметрия нормальна для этой стадии цикла выпуска, и именно поэтому полезный шаг — зафиксировать базовый уровень и тесты, а не строить дальнейшие предположения. Название в посте — это гипотеза о продукте, а не доказательство его существования.

Базовый уровень, с которым сравнивали бы Kimi K4

Kimi K3 существует, выпущен и на удивление хорошо задокументирован, что делает его надёжной точкой отсчёта. В собственной карточке модели Moonshot описывается модель Mixture-of-Experts с 2,8 трлн параметров, которая активирует 104 млрд параметров на токен, распределённых по 93 слоям — одному плотному и 92 разреженным. Разреженность агрессивна и указана прямо: на каждый токен срабатывают 16 из 896 экспертов вдобавок к 2 общим экспертам, что, по заявлению Moonshot, даёт примерно 2,5-кратное улучшение эффективности масштабирования по сравнению с Kimi K2.

Стек внимания — вот где K3 отходит от предыдущего поколения. Из его 92 разреженных слоёв 69 используют Kimi Delta Attention — гибридный механизм линейного внимания, — а 24 используют гейтированное MLA; соотношение 3:1, при котором меньшинство слоёв с полным вниманием сохраняется, а остальные переходят на более дешёвый линейный путь. Слои содержат остаточную связь внимания каждые 12 блоков, функция активации — SiTU-GLU, а вся модель обучается с весами MXFP4 и активациями MXFP8 в рамках обучения с учётом квантования. Длина контекста — 1 048 576 токенов, размер словаря — 163 840, а зрение проходит через энкодер MoonViT-V2 с 401 млн параметров, что делает K3 изначально способным работать с изображениями, а не мультимодальным за счёт внешней надстройки.

Вот те показатели, которые преемнику предстоит сдвинуть. Обратите внимание, что они подразумевают в отношении идеи «меньше активных параметров»: K3 — уже чрезвычайно разреженная модель. На каждый токен она активирует около 3,7% от общего числа своих параметров. K4, которая активировала бы менее 104B, не урезала бы лишнее в дизайне с избыточным запасом — она откатывала бы назад коэффициент разреженности, который Moonshot публично преподнесла как победу, и сделала бы это в том поколении, где все остальные идут в противоположном направлении.

Что означало бы «меньше активных параметров», если это правда

Возможны две трактовки, и они указывают в противоположные стороны. Благожелательная трактовка — архитектурная: Moonshot могла бы развивать гибрид KDA дальше, заменяя ещё больше слоёв полного внимания линейными и перебалансируя бюджет экспертов так, чтобы меньшее число активаций давало более длинный контекст, более дешёвое обслуживание или лучшее соотношение качества на флоп. Согласно этой трактовке, меньшее число активных параметров — это уточнение того же тезиса, который уже утверждает K3: разреженность — это стратегия масштабирования, а не компромисс.

Другое прочтение состоит в том, что K4 вовсе не является единым преемником. Линейка Kimi уже один раз разветвилась в этом году, а в сообщениях по-разному намекали на K3.1, K3.2 и K4 как на три разных продукта. K4, который активирует меньше, чем K3, в семействе, где выпускается отдельный вариант для кодинга, по крайней мере в равной степени согласуется с репозиционированием, как и с прямым апгрейдом. Оба прочтения — спекуляция. Ни одно из них не определяется постом.

Есть также аспект лицензии, который никто не затронул. Веса K3 выпущены под лицензией Kimi K3 License — нестандартной лицензией категории «другая», а не стандартной открытой лицензией, и это первая открытая модель класса 3T. Унаследует ли более разреженная K4 эту лицензию или сузит её, для тех, кто строит на этих весах, значит больше, чем несколько пунктов рейтинга в индексе.

Остальные три имени в том же посте

GLM-5.5 Flash и GLM-5.4 — более удивительная пара, и не из-за цифр. Опубликованный потолок Z.ai — GLM-5.3, выпущенный 14 августа 2026 года с 743 млрд параметров, а GLM-5.3-Flash последовал 26 августа, при этом релизы весов BF16 и Flash-BF16 вышли 25 августа. В собственной документации Z.ai перечислены ровно три текущих идентификатора моделей: glm-5.3, glm-5.3-flash и glm-5.2. Не существует ни GLM-5.4, ни GLM-5.5, ни GLM-5.5 Flash — и странной частью является направление именования, поскольку поколение 5.5, предшествующее 5.4, — это не то, как Z.ai когда-либо нумеровала семейство. Номера версий, появляющиеся не по порядку в утечке, — знакомый режим сбоя: обычно это соседние продукты, внутренние кодовые названия или метка уровня обслуживания, а не новая базовая модель.

D​eepSeek V4.1P — имя, которое, по словам автора сигнала, интересует его больше всего, и именно его из этих четырёх проще всего проверить. В документации API D​eepSeek указаны ровно две актуальные строки моделей: deepseek-flash и deepseek-v4-pro. У суффикса «P» нет соответствия ни в одном идентификаторе D​eepSeek, а самый свежий выпуск весов в собственной организации D​eepSeek — DeepSeek-V4.1-Flash, опубликованный 10 сентября 2026 года. V4.1P, скорее всего, была бы моделью-собратом уровня Pro для той модели — но «скорее всего» — это догадка о строке, а не о продукте.

Откуда тебе знать, что хоть что-то из этого реально?

Четыре названия проваливают один и тот же тест одинаковым образом, что делает ожидание простым, а не мучительным. Настоящий релиз оставляет артефакты, и каждый из них легко проверить:

• Карточка модели в собственной организации вендора на Hugging Face. Новейшая модель Moonshot — Kimi-K3, созданная 13 июня 2026 года; у Z.ai новейшие — семейство GLM-5.3 от 25 августа; у DeepSeek новейшая — DeepSeek-V4.1-Flash от 10 сентября. Ничего более нового нет ни у одного из этих трёх.

• Конфиг, который решает спор. Конкретно для K4 поля, на которые стоит смотреть, — это num_experts и num_experts_per_token — у K3 там 896 и 16. Конфиг K4 с меньшим значением на токен — это и есть утверждение из этой утечки, подтверждаемое или опровергаемое в одном файле.

• Маршрутизируемая модель. Название, фигурирующее в каталоге, — это название, за которым стоят цена, контекстное окно и провайдер; у названия, которое есть только в посте, ничего этого нет.

Что можно маршрутизировать сегодня

Практическая сторона этой утечки в том, что поколение, которое она описывает, — не то, на чём можно строить. Работает предыдущее, и задача роутера — сделать разрыв между поколениями решением о маршрутизации, а не проектом миграции. Kimi K3 уже доступна с полным контекстом в 1M токенов и нативным зрением, по цене $3.00 за миллион входных токенов и $15.00 за миллион выходных, а чтение из кэша — $0.30: тарификация идёт по цене провайдера без наценки, поэтому изменение цены поставщика на K3 отражается в вашем счёте в тот же день, а не в следующем цикле пересмотра цен. Kimi K3 в OrcaRouter содержит полную спецификацию и актуальный тариф.

То же самое относится и к остальной части линейки. GLM-5.3, GLM-5.3-Flash и DeepSeek V4.1 Flash — все они маршрутизируются наравне с Kimi K3 через одну совместимую с OpenAI конечную точку, охватывающую более 200 моделей, с автоматическим переключением при деградации провайдера и DSL маршрутизации для выражения предпочтений — потолков стоимости, минимального уровня качества, бюджетов задержки — в виде политики, а не логики отдельного вызова. Когда появится K​imi K4, GLM-5.5 Flash или D​eepSeek V4.1P, миграция сведётся к изменению одной строки в политике маршрутизации и ни к чему больше. Объединение моделей позволяет комбинировать выводы нескольких моделей на одной конечной точке, когда задаче это идёт на пользу.

Чтобы прямо сказать, чем это не является: ни одно из четырёх утёкших названий сегодня не является маршрутом на OrcaRouter. Мы их не хостим и не можем обслуживать.

Итог

Интересное утверждение здесь — не номера версий. А механизм: флагман нового поколения, который активирует меньше параметров, чем его предшественник, стал бы заявлением о том, что Moonshot считает разреженность, а не сырое число активируемых параметров, той осью, по которой стоит двигаться, и разбиение экспертов 16 из 896 в K3 — уже аргумент в этом направлении. Каждая часть этого утверждения не подтверждена: у K​imi K4, GLM-5.5 Flash, GLM-5.4 и D​eepSeek V4.1P нет ни карточек модели, ни весов, ни идентификаторов API, ни цен, а собственные каталоги вендоров в каждом случае останавливаются на одно поколение раньше. Воспринимайте эти названия как анонс вопроса, а не ответа — и если вам прямо сейчас нужны открытые веса уровня фронтира при контексте 1M, K​imi K3 — это модель, которая уже существует.

Когда K​imi K4 действительно появится, автоматическое переключение при сбое — вот что не даёт миграции превратиться в инцидент