Muse Wonder vs Kimi K3: Den nedladdningsbara modellen som fortfarande inte får säljas vidare

Kimi K3 är svaret med öppna vikter på allt som Muse Wonder representerar, och det intressanta är att dess licens inte riktigt låter dig göra vad "öppen vikt" vanligtvis innebär. Moonshot AI släppte Kimi K3 den 16 juli 2026: 2,8 biljoner parametrar med 104 miljarder aktiva, FP8-vikter utan grind på Hugging Face, en kontext på 1 048 576 token och en prislista på 3,00 USD per miljon indata-token och 15,00 USD per miljon utdata. Muse Wonder anlände den 12 oktober 2026 från Meta Superintelligence Labs till 4,00 och 20,00 USD för samma fönsterstorlek, utan några vikter alls. På det oberoende indexet är gapet åtta punkter — 52 för Muse Wonder (max) mot 44 för Kimi K3 (max) — och cirka 4,52 USD per indexuppgift mot 2,00 USD. Men klausulen som avgör vilken av dem ditt företag faktiskt kan bygga på ligger begravd i Moonshots licens, inte i någon av poängen.

Vad licensen ger, och inte ger

Kimi K3 släpps under Kimi K3-licensen, som Moonshot beskriver som härledd från MIT. Den har öppna vikter, en term som Moonshot använder medvetet och inte uppgraderar till öppen källkod, och distinktionen är bärande eftersom tre villkor följer med nedladdningen.

• Kopior måste innehålla meddelandet och följa lagen.

• En operatör av modell-som-tjänst som tjänar mer än 20 miljoner dollar under valfri period av tolv sammanhängande månader behöver ett separat kommersiellt avtal med Moonshot.

• En produkt med fler än 100 miljoner månatliga aktiva användare, eller mer än 20 miljoner USD i månatliga intäkter, måste visa "Kimi K3" på ett framträdande sätt.

• Intern användning, Moonshots egna produkter och certifierade inferenspartner är undantagna från det andra och det tredje villkoret.

Villkor två är anledningen till att Kimi K3:s ankomst till Amazon Bedrock i september måste förhandlas fram i stället för att bara laddas upp, och det är klausulen som har betydelse för alla som planerar att paketera modellen i en produkt. Att ladda ner checkpointen, finjustera den, köra den inom sitt eget företag – allt är tillåtet. Att bygga upp en inferensverksamhet på den ovanför intäktslinjen – inte tillåtet utan ett avtal. Muse Wonders proprietära vikter har ingen licens att läsa eftersom det inte finns några vikter; avvägningen man gör där är annorlunda, inte sämre.

Det praktiska fotavtrycket är också värt att säga rakt ut, eftersom ”öppna vikter” inbjuder till en bild av en arbetsstation. 2,8 biljoner parametrar i FP8 är en driftsättning över flera noder – minst åtta acceleratorer av H100- eller H200-klass, och i praktiken fler – vilket sätter egen hosting utom räckhåll för alla som inte har ett kluster. Nedladdningen finns. Möjligheten att använda den billigt följer inte automatiskt.

Kostnad per uppgift, där de två separerar

Båda modellerna är billiga per token och ingen av dem är billig per slutfört jobb, och ordningen är densamma i båda vyerna för en gångs skull:

• Listpris — Kimi K3 $3.00 in / $15.00 ut / $0.30 cachat per miljon; Muse Wonder $4.00 in / $20.00 ut / $0.20 cachat

• Kostnad per intelligensindexuppgift — Kimi K3 cirka 2,00 $; Muse Wonder cirka 4,52 $

• Output-tokenkörning — Kimi K3 cirka 160; Muse Wonder cirka

• Intelligensindex — Muse Wonder (max) 52, på nionde plats av 219; Kimi K3 (max) 44

• Kontextfönster — båda 1 048 576 tokens

Kimi K3 vinner kostnadsargumentet med 2,3×, och det gör den trots att den är den mer ordrika av de två, eftersom dess outputpris är $15 mot Metas $20. Indexgapet på åtta punkter är priset för den besparingen. Båda siffrorna kommer från Artificial Analysis och samma revision av dess index, så de två siffrorna per uppgift är direkt jämförbara på ett sätt som två leverantörers resultattavlor aldrig är.

Muse Wonders enda otvetydiga prisfördel är cacheläsningen: 0,20 USD per miljon mot Kimi K3:s 0,30 USD, vid ett kontextfönster av identisk storlek. För en agentloop som skickar om ett stort fast prefix vid varje steg ackumuleras den skillnaden i den största tokenkategorin i begäran och kompenseras inte av något på utdatasidan.

Där Kimi K3:s sammanvägda poäng slutar förutsäga

Ett gap på åtta punkter i indexet är inte jämnt fördelat, och på delpoängen slutar de två modellerna att se ut som grannar.

• Terminal-Bench 4.0 — Kimi K3 0,126; Muse Wonder inte publicerad i det oberoende testramverket, men Metas egen oreproducerade tabell uppger 85,6 mot 81,4 för GPT-6 Astra

• AA-Omniscience — Kimi K3 19,7; GPT-6.1 Sol 41,5, för jämförelse på samma index

• Återvinning i lång kontext — Kimi K3 ungefär 0,887 på AA-LCR v1.1, en av de starkaste siffrorna på resultattavlan

• Utdatashastighet — Kimi K3 cirka 44 tokens per sekund med en median-tid till första token på nära 8,0 sekunder; Muse Wonder ännu inte publicerad

Läser man dem tillsammans framträder ett mönster. Kimi K3 är utmärkt på att noggrant läsa en enorm indata och svara om den, och svag på att genomföra en plan över många små steg med kontroller emellan. Dess resultat för långkontextsåtervinning är bättre än de flesta frontiermodellers, medan dess resultat för terminalexekvering ligger nära botten. Det stämmer med gemenskapens tolkning av modellen – stark när en uppgift kan besvaras i en enda lång resonemangsakt, skör när den måste utföras stegvis – och med den arkitektoniska förklaringen, eftersom Kimi Delta Attention är en hybrid linjär uppmärksamhetsdesign som offrar viss långkontexttrohet och viss interaktiv latens för effektivitet i stor skala.

Muse Wonders påståenden pekar i motsatt riktning. Metas lanseringstabell koncentrerar sina vinster till Terminal-Bench, SWE-Marathon och sviter för datoranvändning, och dess egen AutomationBench-rad är den svagaste i förhållande till kolumnerna för Claude och GPT-6.1 Sol i samma tabell. Om den formen är verklig är de två modellerna komplement: K3 för läsning, Muse Wonder för utförande. Förbehållet är oundvikligt – Metas Terminal-Bench-siffra är leverantörsrapporterad och inte reproducerad, och ingen testram har ännu kört båda modellerna genom samma agentsvit.

Kostnaden för att lämna

Det starkaste argumentet för Kimi K3 var aldrig priset. Det är att checkpointen fortsätter fungera om Moonshot ändrar sina villkor, och att ett team med hårdvaran kan låsa en version och sluta bry sig om vad som händer med leverantörens prislista, kapacitet eller färdplan.

Två förbehåll ligger under det argumentet, och båda är dokumenterade snarare än spekulativa. Moonshot har haft kapacitetsproblem: förstaparts-API:et har beskrivits lida av ständiga kapacitetsproblem, och företaget pausade nya konsumentabonnemang strax efter lanseringen. För det andra innebär licensens villkor om kommersiellt avtal att kryphålet bara är ett riktigt kryphål för internt bruk – i samma stund som modellen blir en del av en tjänst som du säljer i stor skala förhandlar du ändå med Moonshot. Muse Wonder har inga sådana bekymmer och inget sådant alternativ: Metas prislista är prislistan, och den enda säkringen är att ha en andra modell redo.

Vilka av dem kan du ringa idag?

Kimi K3 finns i OrcaRouter-katalogen som kimi/kimi-k3, daterad 2026-07-15, till Moonshots egna $3.00 för indata, $0.30 för cacheläsning och $15.00 för utdata per miljon tokens över hela fönstret på 1 048 576 tokens, bakom samma OpenAI-kompatibla endpoint som allt annat. Leverantörernas listpriser förs vidare oförändrade, så en prisändring från Moonshot slår igenom här samma dag, och en regel för automatisk failover innebär att en kapacitetsbrist hos en uppströmsleverantör flyttar begäran i stället för att tappa den – vilket är värt något särskilt med den här modellen, med tanke på att kapaciteten är den dokumenterade svaga punkten.

Muse Wonder finns inte i vår katalog, och sidan säger det snarare än att antyda något annat: Meta's Model API och Muse Code är där den körs. Vad vi däremot har från samma labb är meta/muse-spark-1.2, den större Meta-checkpointen, till $1.25 för indata och $4.25 för utdata per miljon över ett fönster på 1 048 576 tokens med cacheläsningar för $0.15.

Anledningen till att det arrangemanget är användbart för just det här beslutet är att de två halvorna av den här jämförelsen avgörs av olika saker – K3 av huruvida din arbetsbelastning exekverar eller bara läser, Muse Wonder av huruvida du behöver tal och video som förstklassiga indata och ett tak på 943 718 tokens för utdata. Det är testbara frågor, och en av dem är bara ett modellnamnsbyte från att testas.

Att välja

• Kimi K3 när jobbet är förståelse: långa dokument, stora kodbaser, hämtning över en miljon tokens, och allt där en enda lång resonemangsakt producerar svaret. Det är billigare per uppgift med mer än en faktor två, dess långkontextsökning är bland de bäst uppmätta, och vikterna ger dig en utväg som Muse Wonder inte kan erbjuda oavsett pris.

• Kimi K3 när latensen inte spelar någon roll. Fyrtiofyra tokens per sekund och en mediantid till första token på åtta sekunder passar dåligt för ett interaktivt gränssnitt och bra för en batchkörning över natten.

• Muse Wonder när uppgiften måste utföras snarare än besvaras — terminalarbete, datoranvändning, agenter med lång tidshorisont och verktygsanrop — förutsatt att du behandlar Metas benchmarktabell som ett påstående snarare än en mätning.

• Muse Wonder när indata är tal eller video, eller när utdata måste överstiga 450 000 token i ett svar. Inget av detta finns tillgängligt på den andra sidan.

• Muse Wonder när du redan har bestämt att de åtta indexpunkterna är värda 2,3× körfrekvensen. Det är ett legitimt beslut för en arbetsbelastning med frontier-paritet och ett dåligt sådant för storskalig textbearbetning.

Licensklausulen är den del som de flesta jämförelser missar, och det är den del som kommer att spela roll om arton månader. Kimi K3 ger dig en kopia av modellen och ett avtalsvillkor; Muse Wonder ger dig ingendera, och tar mer betalt per uppgift för privilegiet. Om det är en dålig affär beror helt och hållet på om du någonsin hade tänkt köra den själv.