Chiński model Kimi K3 wyprzedza Claude i GPT-5.6 w testach kodowania

Deweloperzy testujący modele językowe w ślepych porównaniach wybrali chiński Kimi K3 częściej niż jakikolwiek amerykański model do zadań programistycznych front-endowych, w tym częściej niż Claude Fable 5 od Anthropic i GPT-5.6 Sol od OpenAI. Wynik ogłoszony przez platformę ewaluacyjną Arena wywołał poruszenie wśród amerykańskich laboratoriów AI i przypomniał, że przewaga USA w budowie najsilniejszych modeli nie jest już oczywista.

Wyniki, które zaskoczyły branżę

Moonshot AI, chińska firma stojąca za rodziną modeli Kimi, opublikowała K3 jako model open-weight, czyli z publicznie dostępnymi wagami sieci neuronowej. Sama spółka w komunikacie przyznała, że model wciąż ustępuje Claude Fable 5 i GPT-5.6 Sol w ogólnej ocenie, ale przewyższa Claude Opus 4.8 oraz GPT-5.5 w większości zadań. Niezależne testy poszły dalej: w rankingu Frontend Code Arena K3 wskoczył na pierwsze miejsce, zostawiając w tyle najdroższy model Anthropic.

Artificial Analysis, niezależna firma benchmarkingowa śledzona przez większość laboratoriów AI, przyznała K3 57 punktów w swoim Intelligence Index. To wynik porównywalny z Claude Opus 4.8 i wyższy niż GPT-5.6 Terra, choć wciąż niższy od czołówki w postaci Claude Fable 5 i GPT-5.6 Sol. Kluczowe jest tempo poprawy: model osiągnął wzrost Elo o 732 punkty w testach long-horizon względem poprzedniej generacji K2.6, zużywając przy tym o 21 procent mniej tokenów wyjściowych na te same zadania.

Rachunek, który boli amerykańskie laboratoria

Obok wyników liczy się cena. Moonshot wycenił dostęp do API na 15 dolarów za milion tokenów wyjściowych i 3 dolary za milion tokenów wejściowych przy nowym zapytaniu, a nawet 0,30 dolara przy trafieniach w pamięć podręczną. Dla porównania, Claude Fable 5 kosztuje 50 dolarów za milion tokenów wyjściowych, czyli ponad trzy razy więcej. Taki rozstrzał cenowy przy zbliżonej jakości wyników podważa założenie, że najdroższe modele automatycznie uzasadniają swoją cenę.

Wiedzieliśmy, że nie stać nas na zwykłe skalowanie mocy obliczeniowej. To zmusiło nas do skupienia się na badaniach podstawowych i efektywności - Yutong Zhang, prezes Moonshot AI

Zhang mówił o tym na tegorocznym Światowym Forum Ekonomicznym, tłumacząc, dlaczego Moonshot inwestuje w architekturę modelu zamiast w samą liczbę procesorów. Ograniczony dostęp chińskich firm do najnowszych układów Nvidii, wynikający z amerykańskich sankcji eksportowych, od dawna zmuszał zespoły takie jak Moonshot czy DeepSeek do szukania oszczędności w projektowaniu sieci neuronowej, a nie w samej sile obliczeniowej.

Dolina Krzemowa już z tego korzysta

Paradoksalnie amerykańskie firmy technologiczne od miesięcy korzystają z wcześniejszych wersji Kimi, mimo rosnącej retoryki o zagrożeniu ze strony chińskiej AI. Startup Cursor wykorzystał model Kimi do zasilenia swojego narzędzia Composer 2, DoorDash deleguje część zadań programistycznych do Kimi K2.6, a laboratorium Thinking Machines trenowało swój model Inkling z użyciem wcześniejszej wersji K2.5. Taka adopcja pokazuje, że dla wielu zespołów inżynierskich liczy się przede wszystkim stosunek jakości do ceny, niezależnie od kraju pochodzenia modelu.

K3 stands as Moonshot AI's most powerful open-source coding model to date - komunikat prasowy Moonshot AI

Moonshot planuje udostępnić pełne wagi modelu 27 lipca 2026, czyli tuż przed rozpoczęciem World Artificial Intelligence Conference w Szanghaju, gdzie chińskie firmy technologiczne co roku prezentują swoje najnowsze osiągnięcia. Termin nie jest przypadkowy: to dogodny moment na pokazanie, że chińska branża AI potrafi konkurować z amerykańskimi gigantami nie tylko liczbą parametrów, ale i realną wydajnością w testach niezależnych.

Co to oznacza dla polskich firm

Dla polskich zespołów programistycznych i firm korzystających z asystentów kodujących opartych na AI presja cenowa ze strony chińskich modeli otwartoźródłowych może w praktyce oznaczać tańsze abonamenty i alternatywy dla drogich modeli amerykańskich. Polskie firmy, które już dziś masowo sięgają po automatyzację i AI w codziennej pracy, zyskują kolejną opcję do rozważenia przy wyborze dostawcy modelu do integracji z własnymi narzędziami, choć pytania o bezpieczeństwo danych i zależność od chińskiej infrastruktury pozostają otwarte, zwłaszcza w kontekście wcześniejszych ostrzeżeń dotyczących narzędzi programistycznych z Chin.

Rosnąca konkurencyjność chińskich modeli otwartych wpisuje się też w szerszy spór o to, jak długo amerykańskie laboratoria będą mogły utrzymywać wysokie ceny za dostęp do swoich najlepszych modeli. Jeśli różnica jakościowa między drogimi modelami zamkniętymi a tańszymi modelami otwartymi będzie się dalej zmniejszać, firmy takie jak OpenAI i Anthropic mogą stanąć pod presją obniżek cen znacznie szybciej, niż zakładały to dotychczasowe plany biznesowe.

Z drugiej strony sama Moonshot nie ukrywa, że K3 wciąż przegrywa z czołowymi modelami zamkniętymi w najbardziej wymagających zadaniach ogólnych. Oznacza to, że na razie nie ma mowy o całkowitym wyprzedzeniu amerykańskich liderów, a raczej o systematycznym domykaniu luki technologicznej, którą jeszcze rok temu wielu analityków szacowało na 8 do 12 miesięcy opóźnienia po stronie chińskiej.

Kolejnym testem dla K3 będzie reakcja rynku po pełnym udostępnieniu wag pod koniec lipca, kiedy niezależni badacze i firmy na całym świecie będą mogli uruchomić model we własnej infrastrukturze bez pośrednictwa API Moonshota. To właśnie wtedy okaże się, czy wyniki benchmarków przełożą się na realne wdrożenia poza Chinami, w tym w Europie i Polsce.