Dots vs Kimi K3: Den ena läser hela biblioteket, den andra går och hittar det.

Det finns en specifik sorts jobb som bara en av dessa två kan göra, och det är värt att namnge det före allt annat. Kimi K3, publicerad av Moonshot AI den 15 juli 2026, är en mixture-of-experts-modell med 2,8 biljoner parametrar och ett kontextfönster på 1 048 576 token som tar emot text och bilder och returnerar text, med ett pris på 3,00 USD per miljon indatatoken och 15,00 USD per miljon utdatatoken, med cachade läsningar för 0,30 USD. Dots är företagets ständigt aktiva agent, som tillkännagavs på DevDay den 29 september 2026, med en egen molndator och webbläsare, kopplingar till fler än 4 000 appar och en plats inuti ChatGPT, Slack och Teams, som körs på GPT-6 Astra och ingår i Pro och Business Premium. K3 kan hålla ett helt arkiv i en enda förfrågan och svara på frågor om det. En dot kan gå och hämta nästa dokument som du ännu inte har tänkt på. Läsning och hämtning är olika uppgifter, och att välja fel är det dyra misstaget.

Numret som Kimi K3 äger

Återkallning över lång kontext är det mått som skiljer marknadsföring från förmåga, eftersom ett stort kontextfönster är enkelt att påstå och svårt att använda. K3 får 88,7 på den – den högsta siffran bland alla modeller vi listar, över GPT-5.6 Sol med 84, MiniMax M3 med 83 och Gemini 3.1 Pro med 82. Den får också 93,5 på GPQA Diamond och 59,5 på SciCode, och har ett Artificial Analysis Coding Index på 76,2 som placerar den nia av 138 uppmätta modeller och ett Intelligence Index på 43,6 på nittonde plats av 145. Alla dessa är tredjepartssiffror, som återges i vår katalog med sina källor angivna i stället för att upprepas från ett lanseringsinlägg.

Vad det ger dig är en klass av uppgifter som helt enkelt inte går att dela upp: att läsa en hel kodbas innan man besvarar en fråga om den, att diffa ett års kontrakt mot en ny mall, eller att hålla en lång agentisk session utan att mitten av den faller ur minnet. K3 är byggt för exakt detta — Moonshot positionerar det för programmeringsagenter och kunskapsarbete över lång horisont — och det är ovanligt genom att helt avstå från samplingsparametrar. Det finns ingen temperature, ingen top_p, ingen seed; resonemangsdjupet är en enda ratt som kallas reasoning_effort. Det är en medveten avvägning: färre rattar, mer konsekvens under en lång session.

Vad en punkt är till för, sagt utan marknadsföring

En dot är en arbetare med en kalender. Dess indata är vardagliga – dina meddelanden, din appdata, en uppgift du beskrev i en mening – och dess utdata är en förändring någon annanstans: en fil flyttad, ett ärende uppdaterat, ett meddelande formulerat och skickat efter ditt godkännande, en sida öppnad i dess egen webbläsare. OpenAI:s lanseringsmaterial beskriver en sådan som driver flera projekt framåt samtidigt och lär sig av återkoppling, och den ärliga tolkningen är att du köper bindväven, inte intelligensen.

Bindväven är den dyra delen att bygga. En webbläsare som beter sig som en människas, kopplingar som underhålls av appleverantörerna, en aktivitetsvy, godkännandegrindar, isolering från din egen maskin – inget av det är svårt i princip, och allt är mödosamt i praktiken. Det är vad prenumerationen betalar för. Det den inte betalar för är mätbarhet.

• Kostnad — ingår i Pro eller Business Premium, tilldelning ej publicerad (Dots) mot $3.00 per miljon indata och $15.00 per miljon utdata, cachade läsningar $0.30 (Kimi K3)

Tak per begäran — odokumenterat för en punkt, vid 1 048 576 tokens kontext och ett mobilvänligt 88,7 på långkontextsåterkallelse (Kimi K3)

• Indata och utdata – meddelanden och data från anslutna appar in, ändringar i annan programvara ut (Dots) mot text och bild in, text ut (Kimi K3)

• Samplingskontroll — ingen publicerad (Dots) mot ingen temperatur, ingen top_p och ingen seed, med resonemangsdjup satt av reasoning_effort enbart (Kimi K3)

• Hastigheten du bör förvänta dig – odokumenterad för en punkt, mot en median på 8,82 sekunder till första token och omkring 39 utdatatokens per sekund i vår egen sjudagarsmätning (Kimi K3)

• Oberoende bevis – leverantörsdemos och kapacitetsbeskrivningar, ingen benchmark (Dots) mot AA Coding Index 76,2 på nionde plats av 138, GPQA Diamond 93,5, återkallning över lång kontext 88,7 (Kimi K3)

Det ingen nämner om att köpa en agent

En prenumeration med en opublicerad kvot har en egenskap som en prislista inte har: man kan inte skilja på en uppgift som var billig och en uppgift som var dyr. Varje jobb kostar lika mycket – inget marginellt – ända fram till det ögonblick då det inte längre gör det, och då kommer svaret som en gräns i stället för en räkning. För ett team vars arbete är utforskande är det en fördel. För ett team som måste hänföra kostnader till ett projekt är det ett hål i redovisningen.

Det finns också en andra ordningens effekt. När marginalkostnaden för ett anrop är osynlig, slutar du fråga om anropet var nödvändigt, och den billigaste optimeringen i vilken pipeline som helst – att inte göra begäran – blir otillgänglig för dig. En mätbaserad modell tvingar fram den frågan varje gång någon läser prislistan.

Att komponera dem utan att låtsas att de är alternativ

Den form som fungerar är en punkt som märker och en långkontextmodell som läser. Arbete anländer – ett dokument i en delad enhet, ett meddelande i en tråd – och punkten avgör om det spelar någon roll. Om det gör det går dokumentet till Kimi K3 med allt annat det kan behöva bifogat, i en enda begäran, och svaret kommer tillbaka helt förankrat i källan snarare än i en sammanfattning av källan. Punkten hanterar jagandet och den tråkiga logistiken; modellen hanterar läsningen, i en volym som ingen loop av små anrop skulle ha satt ihop korrekt.

Kimi K3 routas på OrcaRouter som kimi/kimi-k3 till Moonshots listpris utan påslag, i samma katalog som 200+ andra modeller bakom en enda nyckel, med automatisk failover mellan uppströmsleverantörer när en försämras och ett routing-DSL för att komponera flera modeller till ett enda anrop. Det är den mätarstyrda halvan av pipelinen och inget mer: dots finns inte i katalogen, det finns ingen endpoint för en sådan, och det finns ingen identifierare att peka en begäran mot. Om läsningslagret är den del du behöver kontrollera – och för allt du tänker köra i ett år är det vanligtvis så – är det lagret du bör äga.

Vilket köp slösar pengar

Att köpa en dot för att läsa en stor korpus är slöseri, eftersom doten hämtar och sammanfattar i stället för att hålla hela materialet, och sammanfattning är där detaljen du behövde dör. Att köpa Kimi K3 för att jaga ett projekt genom fem applikationer är slöseri av den spegelvända anledningen: en modell som svarar när man kallar på den kallar inte på dig.

Om jobbet är hämtning och logistik, hyr arbetaren. Om jobbet är förståelse i stor skala, köp mätaren och ge den allt på en gång. De två överlappar mycket mindre än ordet "agentic" antyder, och överlappningen är inte där endera är bra.