Qwen 3.8 Max против Kimi K3: что готово для реальной работы с кодом?

Qwen 3.8 Max против Kimi K3: краткий обзор

Теперь сравнение более равное — но развертывание все еще отличается

Qwen3.8-Max и Kimi K3 теперь обе являются жизнеспособными продакшен-моделями API. Главное различие больше не в том, что «превью против продакшена». Теперь это ценность размещенного API против немедленного владения открытыми весами.

Qwen 3.8 Max теперь — стабильный продакшен API

Alibaba выпустила стабильную модель qwen3.8-max 3 августа 2026 года, заменив прежнее позиционирование эпохи Preview обычным доступом к API с оплатой по мере использования.

В релизе продакшена описана разреженная архитектура Mixture-of-Experts на 2,4 триллиона параметров с примерно 95 миллиардами активных параметров на запрос. Она поддерживает окно контекста до 1 миллиона токенов, до 128K выходных токенов, а также ввод текста, изображений и видео.

Это меняет практическое сравнение. Qwen3.8-Max теперь можно оценивать для клиентских приложений, агентов кодинга, мультимодального анализа и других продакшен-нагрузок, не полагаясь на прежний Personal Token Plan на основе кредитов.

Его официальная цена также ниже, чем у Kimi K3:

Для команд, использующих размещенный API, Qwen3.8-Max на GPT Proto теперь является серьезным продакшен-вариантом, а не экспериментальным endpoint.

Однако анонсированный чекпоинт Alibaba с открытыми весами пока не выпущен. Разработчикам не следует предполагать, что финальные веса, лицензия или условия самостоятельного размещения доступны, пока они не опубликованы официально.

Kimi K3 выпустил загружаемые веса

Kimi K3 доступен как через размещенный API, так и в виде загружаемого чекпоинта. Moonshot AI опубликовал веса модели, карточку модели, технический отчет, руководство по развертыванию и собственную лицензию.

Kimi K3 имеет 2,8 триллиона параметров и активирует примерно 104 миллиарда параметров на токен. В документации по развертыванию описаны такие фреймворки, как vLLM, SGLang и TokenSpeed, что дает командам более понятный путь к контролируемой или частной инфраструктуре.

Это делает Kimi K3 более практичным выбором, когда загружаемые веса, владение развертыванием или немедленное самостоятельное размещение являются жестким требованием.

Открытые веса не делают Kimi K3 простым или недорогим в локальном запуске. Это по-прежнему модель с многотриллионными параметрами, требующая хранилищ, памяти, сетей и ускорителей масштаба дата-центра. Его собственная лицензия также может накладывать условия на очень крупные коммерческие продукты или развертывания Model-as-a-Service.

Что означает разница в развертывании

Таким образом, сравнение больше не является неравным из-за того, что Qwen «всего лишь превью». Обе модели могут работать с продакшен-нагрузками API. Оставшееся различие проще: Qwen3.8-Max в настоящее время предлагает более сильное сочетание стоимости и возможностей в размещенном API, а Kimi K3 дает немедленный доступ к выпущенным весам и больший контроль над развертыванием.

Как разработчикам тестировать Qwen 3.8 Max и Kimi K3

Сохраняйте оболочку агента и права доступа одинаковыми. Установите фиксированное ограничение времени. Запишите полный ID модели и дату, особенно для изменяющегося превью Qwen. Затем фиксируйте выполнение задачи, реальное время, входные и выходные токены, попадания в кэш, неудачные вызовы инструментов, повторы, вмешательства человека и пройденные итоговые тесты.

Не оценивайте ответ только потому, что он «выглядит основательным». Проверяйте, работает ли патч и выдерживают ли утверждения модели проверку.

Для важных архитектурных решений есть еще один полезный подход: запустите обе модели независимо, скройте их личности при ревью и сравните их разногласия. Тест на 269 файлах дал наиболее сильный дизайн только после объединения системных границ Qwen и жизненного цикла Kimi. Иногда правильный ответ на вопрос «Qwen против Kimi» — использовать обе, а затем проверить.

Qwen 3.8 Max против Kimi K3: цены

По официальной цене выходные токены Qwen стоят на 60% дешевле, чем у Kimi K3. Эта разница важна для агентов кодинга с интенсивными рассуждениями, которые создают длинные планы, трассировки инструментов, объяснения и патчи.

Цена токена — это не вся стоимость. Измеряйте повторы, неудачные вызовы инструментов, человеческие правки, задержку и принятое выполнение задач. Kimi все еще может быть дешевле в конкретном процессе, если его более сильная обработка правок и жизненного цикла предотвращает дорогие циклы исправлений.

Проверьте актуальную страницу API Qwen3.8-Max на текущую цену GPT Proto перед расчетом производственного бюджета.

Какую модель выбрать?

Мультимодальные входы, рассуждения и поведение агентов

Документированная поддержка зрения у Qwen делает его актуальным для отладки по скриншотам. Kimi идет дальше, принимая видео, что полезно, когда входные данные — это запись экрана, ссылка на анимацию или демонстрация продукта, которую сложно описать покадрово.

Более богатый документированный интерфейс Kimi также добавляет работы по интеграции. Его поведение Preserved Thinking означает, что многоходовое приложение должно возвращать полное сообщение ассистента, включая содержимое рассуждений и вызовы инструментов, а не только видимый ответ. Эта история занимает контекст и тарифицируется. Окно на 1M токенов большое, но это не бесплатное хранилище.

Обе модели по умолчанию используют максимальный уровень рассуждений. Для оценки сохраняйте эти настройки одинаковыми. Для продакшена тестируйте более низкие усилия на простых задачах. Модель, которая решает 99% запросов с меньшими усилиями, может быть дешевле и быстрее, чем та, что остается на максимальных рассуждениях для каждого автодополнения, классификации или короткого преобразования.

Какую модель выбрать?

Для приложения, которое выходит в продакшен на этой неделе, я бы выбрал Kimi K3. У него достаточно опубликованной информации, чтобы оценить стоимость, определить поведение интеграции и повторить тест со стабильным именем модели.

Для внутреннего эксперимента по кодингу я бы не игнорировал Qwen. Его превью справилось с длительным анализом репозитория без единого неудачного вызова инструментов и показало более четкие границы архитектуры, чем Kimi, в парном тесте. Это серьезный сигнал о возможностях. Но это еще не производственный контракт.

Как попробовать Kimi K3 через GPT Proto

Qwen 3.8 Max пока недоступен на GPT Proto, поэтому текущий пример интеграции использует только Kimi K3. Вы можете вызвать его через совместимую с OpenAI конечную точку Chat Completions GPT Proto с строкой модели kimi-k3:

curl https://gptproto.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: $GPTPROTO_API_KEY" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {
        "role": "user",
        "content": "Review this migration plan. Identify unsupported assumptions, missing rollback steps, and the tests required before production."
      }
    ]
  }'

Структура конечной точки и авторизации следует краткому руководству по GPT Proto API. Для многоходовых рабочих процессов Kimi сохраняйте полное сообщение ассистента, возвращаемое API, включая поля рассуждений и вызовов инструментов, а не только итоговый видимый текст.

Вы можете попробовать API Kimi K3, просмотреть более 200 ИИ-моделей или использовать единый ИИ API GPT Proto, чтобы сравнить Kimi с другими текстовыми, графическими, видео- и аудиомоделями. Когда Qwen 3.8 Max будет добавлен, полезным тестом станет одна и та же задача, промпт, права инструментов и метод оценки на обоих эндпоинтах моделей.

Итоговый вердикт

Kimi K3 больше не выигрывает просто потому, что Qwen — это превью. Qwen3.8-Max теперь имеет стабильный API, обычные тарифы на токены, документированные спецификации и прямую доступность через GPT Proto.

Для большинства команд, выбирающих размещенную модель, Qwen3.8-Max является более сильной отправной точкой, потому что его официальный тариф $2/$6 значительно ниже, чем у Kimi K3 — $3/$15, особенно в задачах агентов с большим объемом выходных данных.

Kimi K3 остается лучшим выбором, когда загружаемые веса и владение развертыванием не подлежат обсуждению. Его более сильная обработка правок и регенерации в доступном парном тесте также делает его заслуживающим оценки для творческих и инженерных процессов с интенсивным состоянием.

Теперь ответ прост: Qwen — для стоимости размещенного API и широких мультимодальных возможностей; Kimi — для выпущенных весов и задач с интенсивным жизненным циклом.