Kimi K3 ОЧЕНЬ СИЛЬНЫЙ! (Реальные тесты и обзор)

Kimi K3 появился и сразу вытеснил GLM 5.2 как основной китайский открытый модель для vibe-кодинга. С общим количеством параметров 2,8 триллиона, это самая большая доступная открытая модель, и в практическом тестировании она превзошла GPT 5.6 Soul по всем девяти игровым и симуляционным бенчмаркам, при этом сопоставив или превзойдя визуальное качество Fable 5. Но есть загвоздка: Moonshot AI еще не раскрыла активное количество параметров на токен, и модель необычно чувствительна к тому, как сохраняется история размышлений между ходами.

Архитектура и пропавшее число

Kimi K3 направляет каждый токен через 16 активных экспертов, выбранных из пула из 896, используя конструкцию mixture-of-experts с KDA и остатками внимания. Такое узкое маршрутизирование позволяет практически использовать контекстное окно в 1 миллион токенов, избегая ухудшения качества, которое наблюдается у других моделей с длинным контекстом, когда они пытаются учитывать весь контекст. Что остается неизвестным, так это количество активных параметров на токен, которое, как сообщает Moonshot, будет опубликовано 27 июля. Без этой цифры истинная вычислительная стоимость и эффективный интеллект на токен остаются приблизительными оценками.

Результаты визуального бенчмарка

Модель прошла все основные тесты с первой или второй попытки. Хельмова Падь отображалась с динамическим освещением, видимыми ориентирами и лазаемой геометрией — сборка с первой попытки без ручных исправлений. Симулятор полёта на метле из Хогвартса обеспечивал плавный автопилот с логикой навигации через кольца, хотя сам замок был уменьшен. Джаббервок, преобразование поэмы в игру, которое обычно ставит в тупик большинство передовых моделей, завершило полный игровой цикл после одного прохода отладки для инвертированного бокового движения A/D. Клон Minecraft с низким количеством полигонов сопоставил GPT 5.6 Soul по движению и завершил весь мир, хотя созданные предметы по-прежнему появляются у ног игрока. Office Life справилась с поиском пути лучше, чем в предыдущих тестах: агенты корректно направлялись к кухням и рабочим зонам, несмотря на то, что иногда проскакивали сквозь столы. Симуляция Petri Dish показала появление поведенческих моделей хищника — ожидание подхода добычи перед атакой — и демонстрировала более чистый визуальный дизайн по сравнению с GPT 5.6 Soul. Тест 3D китайской архитектуры, давний эталон для проверки логики и визуального дизайна, достиг 98% выполнения с полной двускатной крышей и лишь незначительным выступом балок, а также старением древесины с изменением текстуры, выходящим за рамки простых цветовых сдвигов.

Веб-разработка и качество кода

Kimi K3 теперь занимает первое место в веб-разработке, опередив Fable 5. Сырой пересозданный GitKraken — без плагинов, без инструментов MCP — точно воспроизвел раскладку и ощущения UX, хотя шрифты и цветовые решения все еще явно выглядят как сгенерированные ИИ. GLM 5.2 остается конкурентоспособным для чистого веб-дизайна, но K3 опережает его по общей способности к кодированию. Когда Fable 5 оценивал качество и точность кода обеих моделей по девяти тестам, Kimi K3 набрал 8,6 против 7,3 у GPT 5.6 Soul, выиграв в каждой категории. Ближайшие результаты были у Petri Dish, Helms Deep и Universe Simulator; в остальных случаях K3 лидировал как минимум на два пункта. Решающим фактором стало соблюдение творческого задания — каждое абсурдное слово из Jabberwock превратилось в настоящий механизм, для Hogwarts был создан контроль столкновений с 5 000 образцов, а китайская крыша была структурно завершена.

Преимущество роя агентов

Преимущество Kimi K3, по-видимому, заключается в том, как он организует под-агентов. Функция роя агентов координирует параллельные рабочие потоки более эффективно, чем подход расширения GPT 5.6 Soul, но только когда главный агент явно получает указание проверять качество кода в цикле. Без этой инструкции рой может застрять — во время отладки Jabberwock он крутился 30 минут на исправлении одного движения, не пиша код, и восстановился только после прерывания и указания взять управление напрямую.

Ограничения и практическая настройка

Moonshot необычно откровенен насчет слабых мест K3. Модель была обучена с сохранением истории размышлений, поэтому если оболочка агента не передает весь исторический контент размышлений, или если сессию переключить на другую модель в середине работы, качество генерации становится крайне нестабильным. Рекомендуется использовать проверенную оболочку, такую как Kimi Code, и избегать смены модели посреди сессии. K3 также проявляет чрезмерную инициативу: при неоднозначных задачах она может принимать неожиданные решения, включая создание роя агентов для тривиальных исправлений. Использование /go вместо /goal ограничивает это, но также может застопорить модель в состоянии зависания, из которого она не может выбраться без вмешательства пользователя. Наконец, несмотря на победы в бенчмарках, Moonshot признает заметный разрыв в пользовательском опыте по сравнению с Fable 5 и GPT 5.6 Soul — результаты проще, меньше проверены и менее откровенны относительно собственных упрощений.

Рекомендация

Для разработчиков, которые уже используют Fable 5 для режима планирования и GPT 5.6 Soul для исполнения, Kimi K3 теперь является более мощным исполнителем. Он не заменяет планирование Fable 5, которое по-прежнему является лучшим в своем классе, но берет на себя роль кодирования, которую ранее выполнял GLM 5.2. Запускайте его в Kimi Code, держите инструкции подробными и используйте агентский рой сознательно, а не позволяйте ему запускаться автоматически.