Kimi K3, DeepSeek V4 Pro и GLM-5.2: битва MoE-моделей

Новые лидеры открытого рейтинга

Китайские Moonshot AI, DeepSeek и Zhipu AI представили модели класса «триллион параметров» на архитектуре Sparse Mixture-of-Experts (MoE). Все три поддерживают контекстное окно в 1 миллион токенов, что критично для задач агентов и длинного кода. Однако их позиционирование радикально различается: от абсолютного лидера по качеству (Kimi K3) до самого дешевого решения (DeepSeek V4 Pro).

Технические характеристики и архитектура

Несмотря на общий класс «триллионников», реальные объемы параметров и активные части сети сильно отличаются. Kimi K3 использует 896 экспертов, активируя лишь 16 на токен. DeepSeek V4 Pro имеет 384 маршрутизируемых эксперта, а GLM-5.2 — наименьшая модель в сравнении, но с высокой эффективностью.

Бенчмарки: где кто лидирует

По индексу искусственного интеллекта Artificial Analysis Kimi K3 набирает ~57 баллов, занимая 3-е место в общем зачете (после Claude Fable 5 и GPT-5.6 Sol). DeepSeek V4 Pro (Max) получает 44 балла, а GLM-5.2 — 51. В специализированных задачах программирования K3 демонстрирует разрыв над GLM-5.2: например, 67.5 против 46.2 на DeepSWE и 88.3 против 82.7 на Terminal Bench 2.1.

Лицензии и доступность весов

DeepSeek V4 Pro и GLM-5.2 уже доступны с открытыми весами под лицензией MIT, что позволяет свободное коммерческое использование и самохостинг. Kimi K3 пока доступен только через API. Moonshot AI обязалась опубликовать веса до 27 июля 2026 года под модифицированной лицензией MIT, которая требует атрибуции только при аудитории свыше 100 млн активных пользователей в месяц.

Стоимость обслуживания (API)

DeepSeek V4 Pro является безусловным лидером по цене. На один доллар можно получить ~1.15 млн выходных токенов, тогда как за те же деньги Kimi K3 даст лишь ~67 тыс. токенов. По метрике «цена за задачу» (Artificial Analysis) DeepSeek обходится в $0.04, GLM-5.2 — $0.32, а Kimi K3 — $0.94.

Локальный деплой и железо

Запуск моделей на собственных серверах накладывает жесткие ограничения. GLM-5.2 требует около 8 GPU H200 (в FP8) для работы, что делает её наиболее реалистичным кандидатом для самохостинга среди «триллионников». DeepSeek V4 Pro потребует еще больше ресурсов, а Kimi K3, по рекомендациям Moonshot, нуждается в 64+ ускорителях, что делает локальный запуск недоступным для большинства команд.

Бенчмарки

Жирным — лучший результат в строке. Источник цифр — официальная публикация.

Источник: MarkTechPost ↗