Recenzja Kimi K3: Otwarty model 2,8T od Moonshot kontra Fable 5 i GPT-5.6 Sol

Recenzja Kimi K3: Otwarty model 2,8T od Moonshot kontra Fable 5 i GPT-5.6 Sol

Ostatnia weryfikacja: 17 lipca 2026 r. Każda specyfikacja, cena i wynik benchmarku poniżej zostały ponownie sprawdzone względem dokumentacji platformy Moonshot, Artificial Analysis oraz niezależnych doniesień w dniu publikacji tego artykułu. Kimi K3 został uruchomiony 16 lipca 2026 r.

W tej recenzji Kimi K3 jedna liczba mówi sama za siebie: nowy model Moonshot zadebiutował na pierwszym miejscu w rankingu Frontend Code na Arena, awansując o 17 pozycji w stosunku do Kimi K2.6 i plasując się wyżej niż Claude Fable 5. To chiński model z otwartymi wagami wygrywa konkurs kodowania frontendu, oceniany przez prawdziwych programistów w ślepych testach. Pod maską kryje się architektura Mixture-of-Experts (MoE) o 2,8 biliona parametrów, która aktywuje tylko 16 z 896 ekspertów dla każdego tokena, przetwarza milion tokenów kontekstu i wycenia dane wejściowe na poziomie od 0,30 do 3,00 USD za milion tokenów. Jest jednak haczyk, o którym musisz wiedzieć, zanim zaczniesz się ekscytować: nie możesz jeszcze pobrać wag, a Moonshot informuje, że zmieni się to 27 lipca.

Szybki werdykt:

• Czym jest: Flagowy model Moonshot AI, model MoE o 2,8 biliona parametrów z kontekstem 1M, natywnym obsługiwaniem obrazów i wideo oraz zawsze włączonym rozumowaniem. Identyfikator API: kimi-k3.
• Gdzie wygrywa: Przeglądanie agentowe (BrowseComp 91,2) i długoterminowe kodowanie (SWE Marathon 42,0, powyżej zarówno Fable 5, jak i GPT-5.6 Sol). Nr 1 w rankingu Frontend Code Arena.
• Gdzie przegrywa: FrontierSWE i HLE-Full (liderem jest Fable 5), DeepSWE (liderem jest GPT-5.6 Sol). Niezależna organizacja Artificial Analysis sklasyfikowała go na 4. miejscu spośród 189 modeli.
• Ile kosztuje: 0,30 USD za trafienie w cache / 3,00 USD za świeże dane wejściowe, 15,00 USD za dane wyjściowe na milion tokenów. Najdroższy model, jaki dotychczas wypuściło chińskie laboratorium.
• Haczyk: Otwarte wagi tylko z nazwy – checkpoint nie zostanie upubliczniony do 27 lipca 2026 r. Do tego czasu brak możliwości self-hostingu i niezależnych ocen stron trzecich.

Jeśli szukasz odpowiedzi w jednym zdaniu: Kimi K3 to pierwszy model z otwartymi wagami, który realnie rywalizuje z zamkniętą czołówką, ale to oprogramowanie z dnia premiery z oczekiwanym wydaniem wag i ceną premium. Czytaj dalej, aby poznać specyfikację, rzeczywistość benchmarków (w tym zastrzeżenie zmieniające sposób interpretacji każdej liczby), matematykę cenową oraz informacje o tym, kto tak naprawdę powinien go używać.

Czym jest Kimi K3?

Kimi K3 to najnowszy duży model językowy od Moonshot AI, wydany 16 lipca 2026 r. Jest to model typu Mixture-of-Experts z łączną liczbą 2,8 biliona parametrów, który aktywuje jedynie 16 ze swoich 896 ekspertów dla każdego tokena, dzięki czemu koszt obliczeniowy na token pozostaje znacznie poniżej tego, czego wymagałby gęsty model o pojemności 2,8T. Przyjmuje tekst, obrazy i wideo, obsługuje okno kontekstowe o wielkości miliona tokenów i domyślnie ma włączone mechanizmy rozumowania.

Oto skrótowa specyfikacja techniczna.

Interesującą historią inżynieryjną jest projekt mechanizmu uwagi. Moonshot nazywa go Kimi Delta Attention (KDA) – hybrydowym liniowym mechanizmem uwagi, który według firmy zapewnia do 6,3-krotnie szybsze dekodowanie w kontekstach liczących milion tokenów. K3 łączy go ze stosem nowszych trików, które laboratorium określa mianem Attention Residuals, Gated MLA i Stable LatentMoE. Nie musisz memorować tych akronimów. Ich suma daje model, który potrafi pozostać szybki, przenosząc ogromny kontekst, co jest dokładnie tym rodzajem obciążenia, które łamie starsze architektury.

Postawienie K3 obok modelu, który zastępuje, pokazuje dużą różnicę. Prawie potraja liczbę parametrów Kimi K2 (2,8T w porównaniu do około 1T), czterokrotnie zwiększa okno kontekstowe linii K2.6 i K2.7 (1M wobec 256K) i dodaje wejście obrazu oraz wideo do rodziny, która wcześniej była nastawiona na tekst. Jeśli wypróbowałeś wcześniejszego Kimi i wzruszyłeś ramionami, tutaj masz do czynienia z zupełnie innym zwierzęciem.

Benchmarki Kimi K3: Gdzie wygrywa, a gdzie nie

Benchmarki startowe Kimi K3 są naprawdę mocne, ale też mieszane. Model prowadzi w niektórych zadaniach kodowania i agentowych, ale wyraźnie ustępuje zamkniętej czołówce w innych. Przed tabelą jedno zastrzeżenie, które znaczy więcej niż jakikolwiek pojedynczy wynik: Moonshot uruchamiał każdy model w swoim własnym środowisku kodowania. K3 był oceniany w KimiCode, Fable 5 w Claude Code, a GPT-5.6 Sol w Codex. Oprogramowanie otaczające model wpływa na jego wyniki, więc traktuj je jako wskazówkę kierunkową, a nie jako ustalony ranking.

Oto kluczowe liczby dotyczące kodowania i agentów z tabeli startowej Moonshot.

Przeczytanie wierszy ujawnia pewien wzorzec. K3 wygrywa w długiej, żmudnej pracy. W teście SWE Marathon, który mierzy wielogodzinne sesje inżynieryjne, wynik 42,0 K3 wyraźnie pokonuje zarówno GPT-5.6 Sol, jak i Fable 5. Model nieco wyprzedza konkurencję w Program Bench, a także prowadzi po stronie agentów, uzyskując 91,2 w BrowseComp i 91,1 w OmniDocBench, gdzie Moonshot raportuje również pierwsze miejsce w Automation Bench.

Gdzie przegrywa? W DeepSWE GPT-5.6 Sol wychodzi na prowadzenie z wynikiem 73,0. W FrontierSWE Fable 5 jest wyraźnie przed nim z wynikiem 86,6, choć warto zaznaczyć, że wynik K3 wynoszący 81,2 nadal bije tam Sol'a z wynikiem 71,3. Własna tabela Moonshot przyznaje, że K3 ustępuje Fable 5 w FrontierSWE i HLE-Full oraz GPT-5.6 Sol w DeepSWE. To nie jest model, który bije czołówkę wszędzie. To model, który bije ją w niektórych miejscach, czego żadne wcześniejsze wydanie z otwartymi wagami tak naprawdę nie osiągnęło.

Niezależna analiza to potwierdza. Artificial Analysis ocenia K3 na 57 punktów w swoim Intelligence Index i klasyfikuje go na 4. miejscu spośród 189 modeli, za Claude Fable 5 i dwoma ustawieniami rozumowania GPT-5.6 Sol, ale przed Claude Opus 4.8. Zmierzona prędkość generowania danych wyjściowych jest dość umiarkowana i wynosi 62 tokeny na sekundę. Po stronie preferencji ludzkich wyróżnia się pierwsze miejsce K3 w rankingu Frontend Code Arena, ponieważ ranking ten pochodzi od programistów głosujących na rzeczywiste wyniki frontendu, a nie z samoocenianego wyniku.

Niezależny deweloper Simon Willison przetestował K3 za pomocą swojego testu SVG „pelikan na rowerze” w dniu premiery. Model wygenerował solidny rezultat i napisał dokładny tekst alternatywny (alt text) dla własnego obrazu, co dobrze świadczy o jego zdolnościach wizyjnych. Zwrócił również uwagę na niespodziankę kosztową, do której wrócimy w sekcji dotyczącej cen, i przypomniał czytelnikom, że szybki test SVG nic nie mówi o wywoływaniu narzędzi agentowych, co jest miejscem, gdzie taki model zarabia na swoje utrzymanie. Słuszna ostrożność.

Kimi K3 vs Fable 5, GPT-5.6 Sol, DeepSeek i Qwen

Gdzie więc plasuje się K3 na szerszym rynku? Istotne są dwa porównania: z zamkniętą czołówką oraz z innymi chińskimi modelami z otwartymi wagami.

W konfrontacji z czołówką uczciwe sformułowanie brzmi: „blisko czołówki, ale nie na jej szczycie”. Claude Fable 5 i GPT-5.6 Sol nadal prowadzą w zagregowanych rankingach inteligencji, a Fable 5 zachowuje realną przewagę w najtrudniejszych testach rozumowania i kodowania na granicy możliwości. To, co zmieniło się wraz z K3, to fakt, że luka zawęziła się do pojedynczych zwycięstw w benchmarkach, a nie przepaści kategorialnej. Dla modelu do pobrania prowadzenie w SWE Marathon i wygrana w ślepym głosowaniu na kodowanie frontendu to nowe terytorium.

Wobec swoich rówieśników z otwartymi wagami, K3 wyznacza nowy najwyższy poziom surowych możliwości, ale nie jest oczywistym wyborem do każdego zadania. Jeśli ważysz chińskie opcje z otwartymi wagami jako grupę, nasze porównanie Qwen vs DeepSeek vs GLM pokazuje, jak te trzy rodziny dzielą rynek: Qwen dla najlżejszego footprintu self-hostingowego i najbardziej permisatywnej licencji, DeepSeek dla najtańszych tokenów, GLM dla praktycznego kodowania. K3 znajduje się teraz powyżej wszystkich nich pod względem szczytowych benchmarków, a także pod względem ceny. To opcja premium w kategorii, która zbudowała swoją reputację na byciu tanią.

Dla szerszego pola, obejmującego modele, które faktycznie biją jakość klasy GPT-4, nasz przegląd najlepszych open-source'owych LLM na rok 2026 osadza roszczenia K3 w odpowiednim kontekście. Krótka wersja: K3 podnosi poprzeczkę dla otwartych wag, ale „otwarte wagi” i „tanio” oficjalnie przestały oznaczać to samo.

Cennik Kimi K3 i matematyka trafień w cache

Tutaj K3 budzi kontrowersje. Moonshot wycenia go na 0,30 USD za milion tokenów wejściowych z trafieniem w cache, 3,00 USD za milion świeżych tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych, płasko dla całego kontekstu miliona tokenów.

Zestawienie z modelem, który zastępuje, pokazuje drastyczną zmianę.

To mniej więcej 3-krotny skok ceny danych wejściowych i prawie 4-krotny danych wyjściowych w porównaniu do K2.6. Willison zauważył, że stawka 3/15 USD ląduje w tej samej lidze co Claude Sonnet. The Decoder nazwał K3 sygnałem, że era super-taniego chińskiego AI dobiega końca. Jeśli jedynym powodem używania chińskiego modelu była cena, K3 zmusi Cię do dwukrotnego zastanowienia.

Ale wskaźnik trafień w cache to liczba, która decyduje o Twoim rzeczywistym rachunku, więc policzmy to dla realistycznej pętli agentowej, używając opublikowanych stawek Moonshot. Załóżmy, że Twój agent kodujący czyta kontekst bazy kodu liczący 200 000 tokenów i generuje 8000 tokenów wyjściowych, robiąc to 20 razy dziennie:

• Brak trafienia w cache (pierwsze zimne odczytanie): 200 000 tokenów wejściowych po 3,00 USD/M to 0,60 USD, plus 8000 tokenów wyjściowych po 15,00 USD/M to 0,12 USD. To około 0,72 USD za wywołanie, czyli 14,40 USD dziennie.
• Trafienie w cache (powtarzający się kontekst, częsty przypadek w sesji kodowania): 200 000 tokenów wejściowych po 0,30 USD/M to 0,06 USD, plus te same 0,12 USD za dane wyjściowe. To około 0,18 USD za wywołanie, czyli 3,60 USD dziennie.

Ekonomia cache'u obcina rachunek za dane wejściowe około dziesięciokrotnie, z 0,60 USD do 0,06 USD za wywołanie. Moonshot raportuje ponad 90% trafień w cache w obciążeniach związanych z kodowaniem, co jest scenariuszem sprawiającym, że K3 staje się przystępny cenowo, a nie przyprawiający o zawrót głowy. Lekcja dla Twojego budżetu: K3 jest drogi przy zimnych, jednorazowych wywołaniach, ale rozsądny w ciepłej, kontekstowej pętli.

Jeszcze jedna pułapka kosztowa, na którą zwrócił uwagę Willison. K3 udostępnia obecnie tylko jeden poziom rozumowania „max”, a tokeny rozumowania są rozliczane według stawki za dane wyjściowe. Jego prosty test SVG spalił 13 241 tokenów rozumowania dodatkowo do 3417 tokenów wyjściowych, więc trywialny prompt kosztował około 25 centów. Nie ma jeszcze taniego trybu „niskiego rozumowania”, co oznacza, że K3 przepłaca za łatwe pytania. Jeśli kontrola kosztów jest Twoim priorytetem, nasze przewodniki dotyczące cenników API LLM oraz jak obniżyć koszty API LLM mają tu bezpośrednie zastosowanie: agresywnie korzystaj z cache'u, kieruj trywialne wywołania do tańszego modelu, a K3 zostaw do trudnej, długokontekstowej pracy, gdzie zasługuje na cenę premium.

Otwarte wagi: Co „otwarte” naprawdę tutaj oznacza

To jest część, którą nagłówki prasowe przemilczały. Kimi K3 jest ogłaszany jako model z otwartymi wagami, a Moonshot ma realne doświadczenie w wydawaniu checkpointów do pobrania. Jednak na dzień 17 lipca 2026 r. wagi K3 nie są publiczne. Organizacja Moonshot na Hugging Face nadal wymienia tylko checkpointy serii K2. Firma mówi, że pełne wagi pojawią się 27 lipca 2026 r.

Dlaczego ta luka ma znaczenie? Trzy praktyczne powody:

• Brak self-hostingu na razie. Nie możesz uruchomić K3 na swoim własnym sprzęcie lub prywatnym klastrze, dopóki wagi nie zostaną udostępnione. Dla zespołów z wymaganiami dotyczącymi rezydencji danych lub izolacji sieciowej (air-gap), K3 jest obecnie dostępny tylko przez API, co niweczy dużą część powodów, dla których wybrałbyś model otwarty. Gdy wagi już się pojawią, nasze przewodniki na temat najlepszych narzędzi do uruchamiania LLM lokalnie i uruchamiania LLM lokalnie pomogą Ci zacząć, chociaż model o 2,8 biliona parametrów to liga klastrowa, a nie laptopowa.
• Brak niezależnych ocen na razie. Każdy benchmark K3, który widziałeś, jest przeprowadzany przez dostawcę, w środowisku Moonshot. Poważne liczby od stron trzecich dotyczące rzeczy takich jak HLE czy zadania specyficzne dla agentów nie mogą istnieć, dopóki zewnętrzne laboratoria nie będą miały wag do testowania. Traktuj tabelę startową jako silne twierdzenie, a nie zweryfikowany wynik.
• Warunki licencyjne wciąż się kształtują. Poprzednie wydania Kimi korzystały z permisatywnych licencji, ale potwierdź dokładną licencję K3 względem oficjalnej karty modelu, gdy checkpoint zostanie opublikowany, szczególnie jeśli planujesz wdrożenie komercyjne.

Żadne z tego nie czyni K3 mniej imponującym. Oznacza to jednak, że jeśli Twój plan zależy od pobrania i dostrajania modelu, Twoja rzeczywista ewaluacja zaczyna się 27 lipca, a nie 16 lipca.

Jak oceniamy Kimi K3 do pracy dla klientów

Krótka uwaga na temat źródła tej recenzji i jej granic. W Techsy integrujemy zewnętrzne LLM-y z produkcyjnymi pipeline'ami dla klientów B2B, zwykle poprzez endpointy kompatybilne z OpenAI SDK, abyśmy mogli wymieniać modele bez przebudowywania infrastruktury. K3 pasuje do tej ścieżki czysto: udostępnia API kompatybilne z OpenAI z identyfikatorem modelu kimi-k3, więc wdrożenie go do istniejącej integracji w celu przetestowania to zmiana konfiguracji, a nie przepisywanie kodu.

Za każdym razem, gdy pojawia się nowy model, przepuszczamy go przez ten sam stały zestaw ewaluacyjny na zadaniach reprezentatywnych dla klientów, zanim cokolwiek polecimy. I oto uczciwe ograniczenie tej recenzji: nie publikujemy jeszcze naszego własnego wyniku K3. Wagi nie są dostępne, benchmarki startowe były przeprowadzane przez dostawcę we własnym środowisku Moonshot, a rzetelna liczba wymaga neutralnego setupu na zadaniach wyglądających jak rzeczywista praca kliencka, a nie ranking. Cytowanie benchmarku pierwszej strony od modelu mającego jeden dzień i oczekującego na wagi byłoby dokładnie tym rodzajem liczby, przed którą ostrzegamy naszych klientów.

To, co możemy dzisiaj ocenić z żywego API, to część, która nie potrzebuje rankingu: powierzchnia integracji, model kosztów i tryby awarii. Powyższa matematyka cenowa to nasze własne obliczenia na podstawie opublikowanych stawek Moonshot, a nie benchmark, i już mówi Ci operacyjną prawdę: dyscyplina cache'u jest różnicą między tym, że K3 jest przystępny, a tym, że staje się problemem budżetowym. Jeśli chcesz pomocy w ustaleniu, czy model taki jak K3 pasuje do Twojego stosu technologicznego, to jest rodzaj ewaluacji, którą wykonujemy w praktyce integracji AI w Techsy, a Ty możesz umówić bezpłatną konsultację, aby to omówić.

Kto powinien używać Kimi K3 (a kto nie)

Kimi K3 jest mocnym dopasowaniem do konkretnego zestawu zadań i słabym do innych. Dopasuj go do swojego rzeczywistego obciążenia pracą.

Sięgnij po K3, jeśli:

• Uruchamiasz agentowe przeglądanie internetu lub badania. Jego prowadzenie w BrowseComp i Automation Bench, plus topowa niezależna ocena badań agentowych, czynią go najbardziej capable opcją z otwartymi wagami dla agentów używających narzędzi w tej chwili.
• Robisz długoterminowe kodowanie. SWE Marathon to benchmark odzwierciedlający wielogodzinne sesje inżynieryjne, a K3 w nim prowadzi. Jeśli Twoje agenty pracują na dużych bazach kodu przez długie okresy, to jest ich teren.
• Chcesz modelu z otwartymi wagami blisko czołówki i możesz poczekać na wagi. Jeśli celem jest self-hosting topowego otwartego modelu 27 lipca, K3 jest najbardziej capable dostępnym kandydatem.

Wstrzymaj się, jeśli:

• Potrzebujesz wag dzisiaj. Do 27 lipca K3 jest dostępny tylko przez API. Model, który można już pobrać, obsłuży Cię lepiej w tym tygodniu.
• Obsługujesz ruch o wysokiej wolumenii, wrażliwy na koszty. Z jednym drogim poziomem rozumowania i ceną premium za dane wyjściowe, K3 przepłaca za proste wywołania. Kimi K2.7-Code lub tańszy model otwarty wygrywa przy pracy masowej.
• Wymagasz sprawdzonych, niezależnych ewaluacji przed adopcją. Liczby startowe są przeprowadzane przez dostawcę. Jeśli Twój proces wymaga weryfikacji przez stronę trzecią, daj mu kilka tygodni.

Często zadawane pytania

Czym jest Kimi K3?

Kimi K3 to flagowy duży model językowy Moonshot AI, wydany 16 lipca 2026 r. Jest to model Mixture-of-Experts o 2,8 biliona parametrów, który aktywuje 16 z 896 ekspertów na token, obsługuje okno kontekstowe 1M tokenów i przyjmuje wejście tekstowe, obrazowe oraz wideo z zawsze włączonym rozumowaniem.

Czy Kimi K3 jest open source?

Kimi K3 jest ogłaszany jako model z otwartymi wagami, ale wagi nie są publiczne na dzień 17 lipca 2026 r. Moonshot mówi, że pełny checkpoint zostanie wydany 27 lipca 2026 r. Do tego czasu jest dostępny tylko przez aplikacje Kimi i API, więc nie możesz go jeszcze hostować samodzielnie.

Czym Kimi K3 różni się od Kimi K2?

K3 prawie potraja liczbę parametrów K2 (2,8 biliona wobec około 1 biliona), czterokrotnie zwiększa okno kontekstowe linii K2.6 i K2.7 (1M wobec 256 tys. tokenów) i dodaje natywne wejście obrazu i wideo do rodziny, która wcześniej skupiała się na tekście. Wprowadza również nowy projekt Kimi Delta Attention.

Ile kosztuje Kimi K3?

Moonshot wycenia K3 na 0,30 USD za milion tokenów wejściowych z trafieniem w cache, 3,00 USD za milion świeżych tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych. To mniej więcej potrójna cena danych wejściowych K2.6 i prawie poczwórna cena danych wyjściowych, co czyni K3 najdroższym modelem wydanym przez chińskie laboratorium.

Jakie jest okno kontekstowe Kimi K3?

Kimi K3 obsługuje okno kontekstowe jednego miliona tokenów, a cena pozostaje płaska w całym tym oknie. Model wykorzystuje nowy projekt uwagi o nazwie Kimi Delta Attention, który według Moonshot zapewnia do 6,3-krotnie szybsze dekodowanie przy długościach kontekstu rzędu miliona tokenów.

Czy mogę uruchomić Kimi K3 lokalnie?

Jeszcze nie. Wagi nie są publiczne do 27 lipca 2026 r. Po tym terminie self-hosting jest technicznie możliwy, ale model o 2,8 biliona parametrów wymaga sprzętu klasy klastrowej, a nie pojedynczej stacji roboczej, więc większość zespołów będzie nadal uzyskiwać do niego dostęp przez API.

Czy Kimi K3 jest naprawdę lepszy niż Fable 5?

To zależy od zadania. K3 bije Claude Fable 5 w SWE Marathon, Program Bench i w ślepym głosowaniu na kodowanie frontendu na Arena. Fable 5 nadal prowadzi w FrontierSWE, HLE-Full i ogólnych zagregowanych rankingach inteligencji. Każdy benchmark startowy był również uruchamiany we własnym środowisku dostawcy, więc traktuj pojedyncze zwycięstwa w benchmarkach jako wskazówkę kierunkową.

Czy Kimi K3 nadaje się do kodowania?

Tak, zwłaszcza do długich, sustained sesji kodowania i pracy frontendowej, gdzie obecnie prowadzi. Jest również silny w zadaniach agentowych i terminalowych. Główną wadą jest koszt: z jednym drogim poziomem rozumowania przepłaca za trywialne wywołania, więc łącz go z tańszymi modelami do rutynowej pracy o dużej objętości.

Jak uzyskać dostęp do Kimi K3?

Możesz korzystać z Kimi K3 przez aplikację webową Kimi, Kimi Work i Kimi Code lub przez API z identyfikatorem modelu kimi-k3. API jest kompatybilne z OpenAI SDK, więc dodanie go do istniejącej integracji w stylu OpenAI to głównie zmiana konfiguracji.

O autorze

Mert Batur Gurbuz, Współzałożyciel, Techsy.io (University of Birmingham). Połącz się na LinkedIn.

Mert Batur Gurbuz jest współzałożycielem Techsy.io, gdzie zespół dostarcza agenty AI, systemy automatyzacji i pipeline'y voice/SDR dla klientów B2B. Studiuje na University of Birmingham i pisze o stosie narzędziowym LLM, którego zespół Techsy faktycznie używa w produkcji.

Kluczowe wnioski

• Kimi K3 to pierwszy model z otwartymi wagami, który realnie rywalizuje z zamkniętą czołówką, prowadząc w SWE Marathon i zajmując pierwsze miejsce w ślepym głosowaniu na kodowanie frontendu na Arena powyżej Claude Fable 5.
• Jest blisko czołówki, ale nie na jej szczycie. Niezależna organizacja Artificial Analysis klasyfikuje go na 4. miejscu spośród 189, a on ustępuje Fable 5 w najtrudniejszych testach rozumowania i kodowania na granicy możliwości.
• Otwarty z nazwy, oczekujący w praktyce. Wagi nie zostaną opublikowane do 27 lipca 2026 r., więc do tego czasu nie ma self-hostingu ani niezależnej ewaluacji.
• Cena zakończyła erę taniego chińskiego AI. Przy 3/15 USD za milion tokenów, dyscyplina cache'u jest tym, co utrzymuje K3 w przystępnej cenie; budżetuj na ciepłą, kontekstową pętlę, a nie zimne, jednorazowe wywołania.
• Najlepszy do agentowych badań i długoterminowego kodowania. Jeśli potrzebujesz wag dzisiaj lub obsługujesz ruch o dużej wolumenii wrażliwy na koszty, poczekaj lub wybierz tańszy model. Porozmawiaj z nami, jeśli potrzebujesz pomocy w decyzji.