MIDM K 3.0 Pro против Gemini 4 Argon: в десять раз дороже, на пятьдесят пунктов выше по индексу

Самый дешёвый способ сравнить Mi:dm K 3.0 Pro и Gemini 4 Argon — это не таблица характеристик, а деление. Gemini 4 Argon стоит $2,00 за миллион входных токенов и $10,00 за миллион выходных токенов, а Artificial Analysis оценивает его в $1,99 за выполнение одной задачи Intelligence Index. Mi:dm K 3.0 Pro стоит $0,20 и $0,80 и не имеет стоимости задачи по индексу, поскольку у него нет балла по индексу. Поэтому честная формулировка — не «дешёвая модель против дорогой модели», а измеренная модель с известной стоимостью на единицу возможностей против неизмеренной с известной стоимостью за токен, и эти два факта нельзя вычесть один из другого. Что можно сделать — это оценить риск в денежном выражении: рассчитать, какой балл должна набрать корейская модель, чтобы её ценовое преимущество сохранилось при реальной рабочей нагрузке, а затем решить, правдоподобно ли это число.

Позиция каждой модели по состоянию на 11 ноября 2026 года

• Gemini 4 Argon — анонсирована Google 30 сентября 2026 года и общедоступна в Gemini API с 13 октября 2026 года. Контекст в 1 048 576 токенов, до 943 718 токенов вывода в одном ответе и мультимодальный ввод: текст, изображения, аудио, видео и файлы. Цена — $2.00 за вход и $10.00 за выход за миллион, кэшированный ввод — $0.10.

• Mi:dm K 3.0 Pro — с 29 октября 2026 года доступна на платной основе на платформе Token Factory от KT, а с 5 ноября включена в международный каталог. Контекст — 261,795 токена, вывод — до 235,615 токенов, текст на входе и текст на выходе. $0.20 за вход и $0.80 за выход за миллион токенов, кэшированный ввод — $0.04, при этом на собственной платформе KT сейчас действует 30% промо-скидка.

• Независимая оценка — Gemini 4 Argon набирает 52,6 балла в Индексе интеллекта Artificial Analysis и занимает первое место в Vals Index с 68,90%. Mi:dm K 3.0 Pro не фигурирует ни в одном из них.

• Архитектура — Google не публикует число параметров для Argon. KT публикует его для своей модели: 120B всего, 12B активных, гибридная Mamba/MoE/attention, обслуживается из контрольной точки с экспертами NVFP4.

Арифметика, определяющая, стоит ли тестировать дешёвую модель

Начнём с того, сколько стоит реальный запрос. Документ на 30 000 токенов, сжатый до 1 500 токенов, обходится в $0,06 за входные токены плюс $0,015 за выходные на Gemini 4 Argon — $0,075. Тот же запрос на Mi:dm K 3.0 Pro обходится в $0,006 плюс $0,0012, или $0,0072. Почти ровно в десять раз дешевле.

Теперь часть, которая меняет решение. Предположим, модель Gemini правильно обрабатывает 92% этих сводок с первого прохода, а корейская модель, не измеренная, — 84%. При десятикратной цене дешёвая модель всё ещё выигрывает по чистой стоимости токенов — $0,0072 против $0,075. Но если 8% отказов требуют второго прохода с более сильной моделью и если этот второй проход стоит дороже первого, потому что включает проверку, эффективная стоимость одной принятой сводки быстро сходится. В этом весь аргумент, и поэтому «отсутствие бенчмарка» — это факт ценообразования, а не редакционная претензия.

Вместо этого назовите число для точки безубыточности. Чтобы корейская модель была более выгодной покупкой при в десять раз меньшей цене на проверяемой задаче, её полезная отдача на доллар должна отставать от Argon примерно не более чем в десять раз. Если индекс Argon 52,6 соответствует доле успешных задач, которую вы уже знаете по своим собственным оценкам, то вопрос в том, попадает ли 120B-гибрид по цене в одну пятую от флагманской цены DeepSeek хотя бы в пределы десяти пунктов точности от фронтирной модели Google. Возможно. Никто этого не показал, и бремя доказательства лежит на том, кто мигрирует, а не на том, кто остаётся.

Стоимость за задачу — это показатель, который Artificial Analysis фактически публикует.

Цена Argon в $1.99 за задачу индексирования заслуживает понимания, потому что это не то же самое, что цена за токен, и именно эта цифра делает сравнение между моделями честным.

Индекс нормирует оценку на расход токенов, необходимый для её получения, поэтому модель, которая многословна и дорога в расчёте на задачу, выглядит хуже, чем предполагает её тарифная карта. За $1.99 Argon покупает один прогон по набору из девяти оценок, составляющих Intelligence Index v5.0.1 — AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt v2 и Terminal-Bench-Science. Один полный прогон набора на Argon стоит $2,407. На GLM-5.3, более дешёвой модели в том же сегменте, это стоит $2,503 — больше, несмотря на более низкий заявленный тариф, потому что модели требуется больше токенов, чтобы выполнить те же задачи.

Эта инверсия — причина не доверять чистому сравнению тарифных ставок. Модель за $2 и $10 может обходиться дешевле в эксплуатации, чем модель за $1,40 и $4,40, если она меньше думает и отвечает короче. Щедрый потолок вывода в 235 615 токенов и открытая трассировка рассуждений у Mi:dm K 3.0 Pro, наоборот, дают обратный эффект: модель, которая может выдавать рассуждения и длинные ответы, будет это делать, и счёт следует за выходными токенами, а не за входной ценой, которая выглядит столь привлекательной.

Мультимодальный ввод — это не пробел в функциональности, а пробел в конвейере.

Argon принимает на вход текст, изображения, аудио, видео и файлы. Mi:dm K 3.0 Pro принимает на вход текст. Эта фраза звучит как галочка в чек-листе, а на самом деле представляет собой архитектурное различие в том, что команде нужно построить.

Рабочий процесс обработки документов на Argon отправляет PDF. Рабочий процесс обработки документов на Mi:dm K 3.0 Pro отправляет извлечённый текст, а это означает наличие этапа OCR или синтаксического анализа перед моделью, то есть второго поставщика, второго режима отказа и второй статьи расходов, которой нет в тарифе $0.20. Для корпуса чистых цифровых PDF этап извлечения дешёв и надёжен. Для сканированных форм, скриншотов дашбордов, презентаций и записанных звонков именно на этапе извлечения и возникают ошибки, и никакая цена модели не компенсирует парсер, который искажает таблицу.

Аудио и видео полностью решают вопрос для рабочих нагрузок, которые их используют. Модель, которая не может прослушать запись звонка, — не более дешёвый вариант для анализа транскрипции; она находится за пределами этой категории.

Контекст: 1M против 262K, и для чего на самом деле нужно каждое число

Окно Argon в миллион токенов сочетается с потолком вывода в 943 718 токенов — необычное сочетание: большинство моделей предлагают длинный ввод и гораздо более короткий вывод. В описании Google это называется поддержкой длинного декодирования: один ответ может вмещать примерно миллион токенов. Это возможность генерации документов, а не только их чтения.

У Mi:dm K 3.0 Pro 261 795 входных пар соотносятся с 235 615 выходными, что пропорционально сопоставимо — модель может написать почти столько же, сколько способна прочитать. Разница — в абсолютном потолке. Четверть миллиона токенов — это примерно 190 000 слов, то есть большая книга. Миллион — это четыре книги.

Оба потолка достаточно щедры, что большинство рабочих нагрузок вообще не приближается ни к одному из них. А вот где разрыв действительно ощущается — это случай, ставший обычным в 2026 году: агент, который держит целый репозиторий, или исследовательская задача, накапливающая длинную цепочку результатов инструментов. Они превышают 262K и не перестают расти, а обходной путь — компакция, суммаризация, извлечение — это ровно та часть агентной обвязки, которая теряет информацию. Окно Argon устраняет этот режим отказа ещё на 738 000 токенов.

Корейский, и падеж, который на самом деле есть у корейской модели

Google не обучает модель специально для корейского: она обучается для всего, и корейский — одна из частей этого «всего». KT создала четыре поколения моделей, ориентированных на корейский текст, — от ориентированных на Корею версий Mi:dm 2.0 с 12B и 2B вплоть до этой, — а корпоративные материалы описывают линейку как настроенную под корейское общество, культуру и отраслевые знания.

Эта разница реальна в том же смысле, в каком доменная настройка реальна всегда: она измерима на словаре и регистре текстов внутреннего клиентского обслуживания, нормативных документов и госсектора и невидима на английском бенчмарке по программированию. Если ваш корпус — стенограммы корейских колл-центров, модель, обученную на таком регистре, стоит протестировать, прежде чем предполагать, что победит фронтирная модель. Если ваш корпус — английское ПО, эта настройка ничего не стоит, а потолок в 262K стоит меньше, чем миллион Argon.

Этот тест дешёвый, и это единственный способ разрешить вопрос. Возьмите 200 реальных примеров из вашего собственного корейского корпуса, заставьте обе модели выдать структурированный вывод и сверьте результаты с отложенным эталонным ключом ответов. При цене $0.20 и $0.80 половина этого эксперимента, приходящаяся на корейскую модель, стоит существенно меньше доллара; половина Argon — около восьми долларов. Для этого конкретного решения результат ценнее любого опубликованного индекса, потому что индекс строился не на ваших данных.

Разбираем один ключ — и что это меняет

Gemini 4 Argon уже доступен на OrcaRouter как google/gemini-4-argon по прайсовой цене Google, при этом наценка не добавлена — $2.00 за ввод, $10.00 за вывод, $0.10 за чтение кэша — наряду с более чем 200 другими моделями на том же эндпоинте и в том же счёте. Mi:dm K 3.0 Pro предоставляется только KT; мы не маршрутизируем его, и нигде нет второго провайдера для него.

Эта асимметрия здесь важнее, чем в большинстве сравнений, потому что две модели находятся на противоположных концах профиля риска. Argon — это модель с маршрутизацией: если конечная точка Google замедляется или выдаёт ошибку, правило маршрутизации может перевести запрос на другую модель так, что приложение этого не заметит. Mi:dm K 3.0 Pro — это прямой вызов инфраструктуры одной компании, и его показатель доступности 100% за последние сутки — это измерение именно той одной конечной точки; честное, но не гарантия, потому что переключаться не на что.

Рабочая схема — оставлять Argon маршрутизируемым вариантом по умолчанию для всего, что должно сработать, а корейскую модель вызывать напрямую, за собственными тайм-аутом и фолбэком, для массового уровня, где неудавшийся запрос можно просто повторить или отбросить. В OrcaRouter правило фолбэка может указывать более дешёвую модель для повторной попытки — именно так эксперимент, который в десять раз дешевле, остаётся дешёвым, даже когда дешёвый эндпоинт сбоит. Чего мы не можем — переключаться при отказе на сам Mi:dm K 3.0 Pro, потому что один провайдер — это одна дверь.

Для чего нужна каждая модель, сказано прямо.

Gemini 4 Argon предназначен для работы, где входные данные неупорядочены, контекст длинный или важен результат. Он читает изображения, аудио и видео, вмещает миллион токенов, пишет почти миллион, набирает 52,6 балла в независимом индексе и занимает первое место в Vals Index с 68,90% — это бенчмарк по финансам, праву, программированию и налогам, где пятибалльный отрыв от следующей модели является большим разрывом. Он стоит в десять раз дороже корейской модели и примерно пятую часть стоимости Claude Opus 5.5 за задачу индекса, что делает его серединой, а не вершиной фронтирного диапазона.

Mi:dm K 3.0 Pro предназначена для работы, где на входе текст, контекст укладывается в четверть миллиона токенов, результат можно проверить, а объём доминирует. У неё более высокий потолок вывода, чем у большинства моделей в её ценовом диапазоне, по-настоящему интересная гибридная архитектура, один провайдер и никаких опубликованных оценок. Её акционные цены — $0.14 и $0.56 на собственной платформе KT — делают аргумент в пользу массового использования сильнее, пока они действуют.

Разрыв между этими двумя абзацами — не приговор качеству, а его отсутствие. Модель без оценки — не плохая модель; она неизвестна, а неизвестные сначала тестируют в небольшом масштабе, прежде чем переводить на них нагрузку. В этом и состоит вся рекомендация: Argon — там, где ответ должен быть правильным; корейская модель — там, где ответ должен быть дешёвым и кто-то его проверяет; и тест из 200 примеров на собственном корпусе, чтобы выяснить, какая из этих двух описывает вашу следующую рабочую нагрузку.