MIDM K 3.0 Pro: KT:s 120B Hybrid landar med ett pris och inga benchmarks

Mi:dm K 3.0 Pro — stavas MIDM K 3.0 Pro i de flesta modellkataloger och listas internationellt som KT: Mi:dm K 3.0 Pro — är den första koreanska telekommodellen som finns på en internationell prislista med ett specifikationsblad av frontlinjeklass och utan någon offentlig utvärdering bakom sig. KT tillhandahåller den via sin egen Token Factory-plattform med releasedatum 29 oktober 2026, och den internationella listningen är daterad 5 november 2026. Det är en mixture of experts med 120 miljarder parametrar som aktiverar 12 miljarder av dessa parametrar per token, den tar emot 261 795 tokens kontext och kostar 0,20 USD per miljon indatatokens och 0,80 USD per miljon utdatatokens. Vad den inte har, per den 11 november 2026, är en enda publicerad benchmarkpoäng från någon — inte från KT, inte från en oberoende utvärderare, inte från ett konkurrerande labs jämförelsetabell. Det gapet är inte en fotnot på den här sidan. Det är det viktigaste en köpare behöver ta med i beräkningen.

Tre datum, och vilket av dem som är releasedatum

KT:s egna material anger tre olika datum för samma modell, och de är alla korrekta i sitt eget sammanhang, vilket förklarar varför frågan ”när kom den ut” har varit så svår att besvara.

• 15 oktober 2026 — Mi:dm K 3.0 visas offentligt för första gången på KT:s AID-X Day i Seoul, tillsammans med en röstagent av nästa generation, en intern agentplattform som kallas KT-Claw och företagets arbete med promptkomprimering och modellrouting. Koreansk fackpress som bevakar evenemanget beskriver det som gruppens "nästa generations modell", demonstrerad snarare än såld. Inget pris har satts, och ingen modellidentifierare finns ännu.

• 29 oktober 2026 — det datum som KT:s egen modellsida för Token Factory anger som 출시일, lanseringsdatum. Det är då modellen blev något som en kund kunde skicka en förfrågan till och bli fakturerad för, på KT:s egen plattform.

• 5 november 2026 – datumet i den internationella kataloglistningen, den tidpunkt då utvecklare utanför KT:s egen faktureringsrelation kunde nå den. Var och en av dessa katalogposter återger samma beskrivning i en mening – mixture of experts, 120B totalt, 12B aktiva, hybrid Mamba/MoE/attention – som kommer från KT och inte har verifierats oberoende.

Att skillnaden är värd tre punkter i stället för en mening beror på att "släpptes 29 oktober" och "finns internationellt 5 november" betyder olika saker för ett inköpsteam. Den första är en leverantörsrelation. Den andra är en post du kan utvärdera den här veckan. Båda är tillräckligt nya för att modellen inte ska ha samlat på sig några publicerade tredjepartstester, så en läsare som kommer i november 2026 är tidig, inte sen.

Vad arkitekturen faktiskt är

Den hybrida designen är den intressanta delen, och den del som de flesta katalogtexter pressar ihop till en enda sats. KT:s beskrivning är att Mi:dm K 3.0 Pro blandar Mamba-lager, mixture-of-experts-lager och vanliga attention-lager i en och samma stack. Var och en av dem gör ett annat jobb. Attention ger modellen exakt återkallning av godtyckliga tidigare positioner, vilket är det som uppgifter med långa dokument och exakt instruktionsföljning är beroende av. Mamba ger den en linjär tidsväg genom långa sekvenser, vilket är det som hindrar en prompt på 262K tokens från att bli kvadratisk i kostnad och latens. Mixture-of-experts-lagret är det som över huvud taget gör en 120B-modell överkomlig att serva: endast 12B parametrar — en tiondel av nätverket — körs för varje given token, så beräkningskostnaden följer det aktiva antalet snarare än totalen.

Att sätta alla tre i en och samma stack är en verklig ingenjörsmässig ståndpunkt, inte marknadsföring. Det är samma instinkt bakom flera lanseringar 2026 som har försökt undvika kostnaden för ren attention vid lång kontext, och det är svårare att träna än att välja en. Huruvida KT genomförde det väl är precis den fråga som ingen har besvarat offentligt.

KT avslöjar också serveringsformatet, vilket är mer än de flesta labb publicerar: på sin Token Factory-sida beskrivs modellen som serverad från en checkpoint vars MoE-experter är kvantiserade till NVFP4, medan Mamba-projektionerna och den delade experten hålls i FP8. Det är ett beslut om servering, inte om träning, och det har en praktisk konsekvens – de vikter en kund anropar är inte de vikter som KT tränade, och varje benchmark som körs mot denna endpoint mäter den kvantiserade artefakten. För en 120B-modell till $0.20 per miljon indatatokens är aggressiv kvantisering hur priset uppnås. Det sätter också en förväntan: en 4-bitars expertväg är inte där man letar efter exakt reproduktion av en fullprecisionsreferens.

Ramen, i siffrorna som KT publicerar

• Parametrar — 120B totalt, 12B aktiva per token, enligt KT:s egen formulering i modellkortet.

• Kontext — 261 795 tokens. Det är 256K i runda tal, och ungefär en fjärdedel av vad frontier-modellerna i närheten av den här prisklassen erbjuder.

• Maximal utdata – 235 615 token i ett enda svar. Detta är ovanligt generöst i förhållande till kontextfönstret: modellen kan skriva nästan lika mycket som den kan läsa.

• Modalitet – text in, text ut. Ingen bild-, ljud- eller filinmatning och ingen multimodell utmatning. Katalogposter bekräftar att det endast är text på båda sidor av begäran.

• Resonemang – modellen exponerar en resonemangskontroll och returnerar resonemangsinnehåll separat från svaret, så en anropare kan dölja eller visa tankespåret.

• Strukturerad utdata — JSON och schemabegränsad utdata stöds, vilket är den förmåga som betyder mest för alla som kopplar in modellen i en pipeline.

• Verktygsanrop – listas inte bland modellens stödda förfrågningsparametrar i dess katalogpost, till skillnad från de flesta frontier-modeller 2026, som uttryckligen exponerar tools och tool_choice. Om en agentloop behöver funktionsanrop är detta det första man bör testa i stället för att anta.

• Prissättning — $0.20 per miljon indatatokens, $0.80 per miljon utdatatokens och $0.04 per miljon cachade indatatokens.

• Uppmätt serveringsbeteende – ungefär 196 utdatatokens per sekund och 0,62 sekunder till första token vid medianen, med tillgänglighet rapporterad som i praktiken 100 % under det senaste dygnet hos den enda leverantören som tillhandahåller tjänsten.

Priset, och rabatten som inte finns med i den internationella listningen

KT:s egen plattform säljer för närvarande modellen under dess listpris. Token Factory-sidan visar indata till ₩190 per miljon tokens mot ett överstruket ₩271, och utdata till ₩759 mot ₩1 085, vilket är en kampanjrabatt på 30 % som tillämpas på samma priser på $0,20 och $0,80 som den internationella listningen anger. Cachad indata följer samma mönster: $0,03 till kampanjpriset, $0,04 till listpriset.

Två saker följer. För det första är det effektiva priset i dag $0.14 för indata och $0.56 för utdata om du köper direkt från KT, och $0.20 / $0.80 om du når modellen via en tredjepartskatalog som för vidare listpriset. För det andra är kampanjprissättning på en så här ny modell ett lanseringsinstrument, inte en prislista, och den kommer att upphöra utan särskilt mycket förvarning. En kostnadsmodell byggd på $0.14 bör köras om på $0.20 innan den används för att motivera något.

Även till listpris är positionen slående. Tjugo cent per miljon indatatokens är ungefär en tvåhundradel av vad frontier tar — Claude Opus 5.5 kostar $4 och $20, Gemini 4 Argon kostar $2 och $10 — och det är billigare än D​eepSeeks egen flaggskeppsnivå på $0,66 och $1,98 utanför högtrafik. Om det är ett fynd eller en varning beror helt och hållet på förmågan, och förmågan är den enda siffran som ingen har.

Mätgapet, precist formulerat

Tre saker förväxlas ofta med benchmarkar, och ingen av dem är en sådan.

Det första är KTs eget tillkännagivande. AID-X Day-materialet och modellkortet beskriver arkitektur, kvantisering och kontext och publicerar ingen tabell med poäng mot namngivna utvärderingar. Det finns inget leverantörsrapporterat Terminal-Bench-nummer, ingen SWE-bench-siffra, inget koreanskspråkigt benchmarkresultat att bråka om. Det är ovanligt för en lansering 2026 – de flesta labb levererar en tabell även när tabellen är självförhärligande – och det innebär att det inte finns något att bortse från.

Den andra är Artificial Analysis, den oberoende utvärderare som de flesta av den här bloggens jämförelser bygger på. Per den 11 november 2026 har den ingen sida för modellen: modellsökvägen returnerar 404 och modellen finns inte med i dess index. Det är den tydligaste signalen som finns om att modellen inte har körts oberoende genom en standardiserad testsvit.

Det tredje är aggregatorns sammansatta poäng. Åtminstone en webbplats för modelljämförelser publicerar en "övergripande" poäng på 40 av 100 och en kodningsplacering på #185 av 445 för Mi:dm K 3.0 Pro. De siffrorna är inte benchmarkresultat. De är en viktad blandning av pris, aktualitet, kontextlängd, utmatningskapacitet och en kapacitetssignal, och på den webbplatsen står priset ensamt för 25 % av vikten och kontexten för 15 %. En modell som är så här billig och så här ny får per konstruktion bra poäng på två av de fem indata. Läst som en sammanfattning av ett specifikationsblad är det okej; läst som en mätning av kapacitet är det cirkulärt.

Så det ärliga läget är: en arkitekturbeskrivning från leverantören, ett pris, ett kontextfönster och ingenting som säger om modellen är bra. Den som i veckan publicerar en jämförelsetabell med Mi:dm K 3.0 Pro:s benchmarkresultat i har antingen hittat på dem eller kopierat någon som har gjort det.

Var det faktiskt passar in på marknaden

Det närmaste man kommer ett positioneringsuttalande kommer från KTs egen historia snarare än från det här modellkortet. KT har drivit Mi:dm-linjen som en Koreacentrerad familj: Mi:dm 2.0 levererades som en 12B base-instruct-modell och en 2B mini, båda släppta som öppna vikter på Hugging Face i juli 2025, och företagsmaterialet beskriver familjen som finjusterad för koreanskt samhälle, kultur och domänkunskap snarare än för engelskspråkiga kodningsbenchmarks. En 120B hybrid till detta pris är det programmet uppskalat, inte en pivot mot den globala frontlinjen.

Det sättet att rama in det berättar för en köpare vad som ska testas först. Om arbetsbelastningen är kundtjänst på koreanska, inhemsk regulatorisk text eller ett domänkorpus där ordförrådet är koreanska, är en modell tränad för det en annan sak än en frontiermodell med påklistrad koreansk kompetens. Om arbetsbelastningen är agentisk kodning på engelska mot ett stort kodförråd, är detta en billig modell utan evidens bakom sig och med ett kontextfönster som är en fjärdedel av de ledande modellernas.

Det är också värt att vara tydlig med vad som inte är öppet. Vikterna för Mi:dm 2.0 är offentliga; detsamma gäller inte för Mi:dm K 3.0 Pro. Det finns inget repository i KTs Hugging Face-organisation som bär 3.0-namnet, och modellen tillhandahålls endast via KTs plattform. Det stänger ute självhosting, finjustering på din egen hårdvara och hela kategorin utvärdering som kräver nedladdning av checkpointen.

Hur det anropas, och vad den enda leverantören innebär

Mi:dm K 3.0 Pro tillhandahålls av exakt en leverantör – KT – och OrcaRouter dirigerar för närvarande inte den. Det spelar roll av ett specifikt skäl, inte som en friskrivning. En modell med en enda leverantör kan inte redundansväxla. Om KTs slutpunkt försämras finns det ingen andra värd att dirigera runt, och den tillgänglighetssiffra som anges för modellen är ett mått på ett företags infrastruktur snarare än på en marknad. Team som behöver en hård tillgänglighetsgaranti vill vanligtvis ha antingen en andra leverantör eller en reservlösning på applikationsnivå, och för den här modellen finns bara det andra alternativet.

Jämförelseurvalet är en annan historia. OrcaRouter har fler än 200 modeller bakom en enda nyckel till leverantörens listpris med 0 % påslag ovanpå, så de billiga modellerna som den här faktiskt konkurrerar med — D​eepSeeks nivåer, G​LM-serien, Q​wen — och frontier-modellerna som den mäts mot finns på samma slutpunkt och samma faktura. Det gör ett direkt jämförelsetest till en routingändring i stället för ett upphandlingsprojekt, vilket är det förnuftiga sättet att besvara frågan som den här sidan inte kan: skicka samma 50 prompter till Mi:dm K 3.0 Pro och till två modeller som du redan litar på, och poängsätt resultaten själv. Med $0.20 in och $0.80 ut kostar experimentet bara några cent.

Vad skulle ändra den här sidan

Fyra utvecklingar skulle flytta Mi:dm K 3.0 Pro från "intressant pris, okänd modell" till något som ett team kan planera utifrån, och var och en är verifierbar.

En oberoende utvärdering. En enda post i Artificial Analysis med en poäng på Intelligence Index och en kostnad per uppgift skulle göra mer för den här modellens ställning än något pressmeddelande, eftersom det skulle sätta siffran bredvid de modeller den prissätts mot – samma index placerar Claude Opus 5.5 på 58 och DeepSeek V4 Pro på 36, och en siffra i det intervallet skulle avgöra diskussionen om huruvida rabatten är kompensation eller arbitrage.

Ett publicerat benchmarkblad från leverantören. Frånvaron är tillräckligt iögonfallande för att dess uppdykande i sig skulle vara en nyhet, och skulle åtminstone ge modellens egna konstruktörers påståenden något att kontrolleras mot.

En andra leverantör av annonsservering. Två oberoende värdar skulle göra redundans möjlig och låta en köpare betrakta priset som ett marknadspris snarare än ett kampanjpris.

Vikter. KT har släppt Mi:dm 2.0 som öppen källkod men inte detta. Om det ändras blir modellen möjlig att utvärdera för alla med en GPU, och mätgapet sluts utan att vänta på en utvärderare.

Till dess att åtminstone en av dessa saker inträffar är det försvarbara påståendet om Mi:dm K 3.0 Pro snävt och specifikt: en 120B hybridmodell av mixture-of-experts-typ, 12B aktiva, 262K kontext, endast text, serverad från en kvantiserad checkpoint av en enda leverantör, till ett pris som underbjuder varje frontier-modell med en storleksordning — och inga publicerade bevis på hur väl den fungerar. Det räcker för att motivera ett billigt test. Det räcker inte för att motivera en migrering.