Qwen 3.8 Max против Kimi K3: какая модель готова к реальной работе с кодом?

Qwen 3.8 Max против Kimi K3: краткое сравнение

В собственной документации Token Plan Alibaba сообщает, что Qwen Preview может постоянно обновляться, а позднее быть удалена или заменена. В анонсе Kimi K3 Moonshot и руководстве по API раскрыто значительно больше информации о модели и её текущем интерфейсе.

Почему это пока неравное сравнение

Qwen 3.8 Max всё ещё является изменяющейся Preview-версией

Alibaba описывает Qwen 3.8 Max как модель на 2,4 трлн параметров, однако размещённая модель, доступная сегодня, называется именно qwen3.8-max-preview. Этот суффикс важен. Alibaba заявляет, что возможности модели могут обновляться на протяжении Preview, а конечная точка позднее может быть удалена или заменена продакшен-версией.

Из-за этого каждый текущий бенчмарк представляет собой снимок, привязанный к определённой дате. Полезный результат для Qwen должен содержать дату тестирования, конечную точку, уровень рассуждения, оболочку агента, разрешения инструментов и необработанный вывод. Без этих деталей два человека могут считать, что тестировали одну и ту же модель, хотя на самом деле получили разное поведение Preview.

Условия доступа также ограничивают выводы разработчиков о низкой стартовой цене. Персональный Token Plan Alibaba сейчас предоставляет доступ к Qwen 3.8 Max через подписку на основе кредитов, однако его официальные условия ограничивают ключ поддерживаемыми интерактивными инструментами разработки и агентов. Скрипты автоматизации, серверные части пользовательских приложений и неинтерактивные пакетные вызовы в рамках этого плана запрещены.

Итак, вызвать Qwen можно. Но это пока не обычный backend с оплатой по мере использования для клиентского приложения.

Kimi K3 завершила выпуск открытых весов

Kimi K3 теперь доступна в двух формах: как обычный размещённый API и как загружаемый чекпойнт. Moonshot AI опубликовала полные веса в официальном репозитории `moonshotai/Kimi-K3`, а также карточку модели, рекомендации по развёртыванию, специальную лицензию и технический отчёт K3.

Релиз добавляет детали, недоступные на момент первой публикации этого сравнения. K3 имеет 104B активированных параметров на токен, использует веса MXFP4 с активациями MXFP8 и официально поддерживается в vLLM, SGLang и TokenSpeed. Репозиторий занимает около 1,56 ТБ и состоит из 96 шардов safetensors.
Это настоящий релиз модели с открытыми весами. Но это не то же самое, что неограниченный релиз по лицензии MIT или простая локальная установка. Лицензия Kimi K3 содержит условия для крупных компаний Model-as-a-Service и очень больших коммерческих продуктов, а Moonshot рекомендует конфигурации supernode с 64 и более ускорителями для развёртывания.
Проще говоря: Kimi устранила неопределённость с владением моделью. Но стоимость инфраструктуры никуда не исчезла.

Сравнение программирования: что на самом деле показывает тест 269 файлов

Лучшее доступное сопоставимое свидетельство — это сопоставимый архитектурный тест StackPerf. Обе модели получили одинаковый снимок двух незнакомых программных проектов, содержащих 269 файлов. Они использовали OpenCode 1.17.13, одинаковые инструкции, одинаковые разрешения, ограничение в 60 минут и потолок в 65 536 токенов завершения. Редактирование, веб-доступ, плагины и субагенты были отключены.

Перед оцениванием итоговые отчёты были анонимизированы, а затем отдельно проверены на неподтверждённые утверждения.

В чём Kimi K3 показала лучший результат

Отчёт Kimi полнее смоделировал жизненный цикл редактирования. В нём отслеживались версии, устаревшие варианты, попытки повторного запуска, история резервных вариантов, хеши артефактов, инвалидация, редакторский выбор и обрезка. Благодаря этому предложенный контракт лучше подходил для системы, где одна сцена может быть сгенерирована, отклонена, изменена и сгенерирована снова без потери истории.

Kimi также завершила работу быстрее и использовала меньше токенов в протестированном сценарии. Это обнадёживает для длительных задач программирования, однако результат включает обслуживающую систему вокруг модели. Kimi работала через подписной endpoint Kimi, а Qwen — через международный endpoint Token Plan Alibaba. Ёмкость провайдера, кэширование и нагрузка в период запуска повлияли на наблюдаемый результат.

По моему мнению, Kimi выиграла этот тест потому, что полнее поняла изменяющееся состояние, а не потому, что писала более красивый код или доказала превосходство во всех задачах разработки.

В чём Qwen 3.8 Max показала лучший результат

Qwen провела более чёткую границу между двумя системами и создала более сильную запись для воспроизведения. В её предложенные метаданные вошли модель, seed, промпт, ссылки, идентификатор запроса провайдера, расположение медиафайла, длительность и стоимость. Эти поля важны, когда команде нужно воспроизвести результат или выяснить, почему один и тот же рабочий процесс изменился после обновления провайдера.

Поведение инструментов также было дисциплинированным: 44 вызова инструментов, все успешные. Qwen создала более длинный отчёт с меньшим числом запросов и получила более высокую оценку использования инструментов в слепом рассмотрении.

Ценой более чистой архитектуры стало более слабое моделирование жизненного цикла. Её контракт не полностью охватывал порядок сцен, изменения, замещение, историю повторных попыток или инвалидацию вариантов. Чёткие границы ценны. Но их недостаточно, когда состояние продукта постоянно меняется.

Чего этот тест доказать не может

Один запуск анализа архитектуры не может показать, какая модель создаёт лучший frontend-код, исправляет больше реальных ошибок, проходит больше тестов или требует меньше исправлений со стороны человека за месяц разработки. Он также не позволяет отделить интеллект модели от производительности endpoint.

Самое важное предупреждение скрыто в проверке фактов: обе модели ссылались на реальные места в репозитории, однако обе создали по семь групп утверждений, выходивших за пределы того, что подтверждал код. Отчёт может содержать сотни корректных ссылок и всё равно прийти к небезопасному выводу.

Вот настоящий вывод. Используйте любую из моделей как инженерного помощника. Не воспринимайте ни одну из них как собственного рецензента.

Как разработчикам тестировать Qwen 3.8 Max против Kimi K3

Оставляйте оболочку агента и разрешения одинаковыми. Установите фиксированное ограничение времени. Записывайте полный идентификатор модели и дату, особенно для изменяющейся Preview-версии Qwen. Затем фиксируйте завершение задачи, реальное время, входные и выходные токены, попадания в кэш, неудачные вызовы инструментов, повторные попытки, вмешательства человека и итоговые пройденные тесты.

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

Для важных архитектурных решений полезен ещё один подход: запустить обе модели независимо, скрыть их идентичность при проверке и сравнить разногласия. В тесте 269 файлов наиболее сильная архитектура появилась только после объединения системных границ Qwen с моделью жизненного цикла Kimi. Иногда правильный ответ на вопрос «Qwen или Kimi» — обе модели, а затем проверка.

Цены и стоимость Qwen 3.8 Max против Kimi K3

У Kimi K3 предсказуемая стоимость токенов

У Kimi K3 есть обычная поминутная? цена на основе токенов. На текущей странице API Kimi K3 на GPT Proto указано $2.70 за 1 млн входных токенов и $13.50 за 1 млн выходных токенов — на 10% ниже текущего тарифа Moonshot $3/$15.

Это позволяет оценить базовую стоимость до начала теста:

расчётная стоимость = (входные токены ÷ 1 000 000 × $2.70) + (выходные токены ÷ 1 000 000 × $13.50)

Запуск со 200 000 входных и 20 000 выходных токенов будет стоить около $0.81 по текущему тарифу GPT Proto: $0.54 за вход и $0.27 за выход. Повторные попытки, дополнительные ходы, результаты инструментов и сохранённая история рассуждений увеличат итоговую сумму.

Предсказуемая стоимость не означает автоматически низкую цену. Kimi всегда рассуждает, и содержимое рассуждений учитывается в использовании токенов. Поэтому длинные истории агента могут стать дорогими, даже если видимый финальный ответ короток.

С Qwen 3.8 Max дешевле экспериментировать, но сложнее планировать бюджет

Qwen 3.8 Max Preview сейчас использует подписки и кредиты, а не раскрытую цену за миллион токенов. Персональный Token Plan Alibaba указывает промо-цены за месяц для трёх уровней: 39, 139 и 499 юаней. В период Preview вызовы Qwen могут расходовать всего 10% стандартной ставки кредитов; дополнительно действует ограниченная по времени ночная скидка для вызовов с 22:00 до 08:00 UTC+8.

Для интерактивного тестирования это привлекательно. Но это не чистое сравнение стоимости.

Расход кредитов может зависеть от использования токенов, кэширования, рассуждений и инструментов, поэтому подписку в юанях нельзя честно преобразовать в стабильное значение $X за 1 млн токенов на основании опубликованной сейчас информации. Ограничения Personal Plan также означают, что его промоэкономика не отражает стоимость работы Qwen за собственным приложением.

Qwen выигрывает по низкой стоимости доступа к Preview. Kimi выигрывает по прозрачности продакшен-расходов.

Открытые веса и самостоятельный хостинг

Теперь у Kimi K3 есть конкретное преимущество перед Qwen 3.8 Max: её точный публичный чекпойнт можно скачать уже сегодня. Moonshot AI выпустила полные веса модели с 2,8 трлн параметров, карточку модели, лицензию и технический отчёт. Alibaba объявила об открытых весах Qwen 3.8 Max, но точный чекпойнт размещённой Max, дата выпуска, лицензия и требования к развёртыванию пока не подтверждены.
Слово «открытые» по-прежнему требует уточнения. Kimi K3 распространяется с открытыми весами по специальной лицензии Kimi K3, а не MIT. Лицензия в широких пределах разрешает использование, изменение, развёртывание, дообучение и распространение, но вводит требование отдельного соглашения для компаний Model-as-a-Service выше установленного порога дохода и требование атрибуции для очень крупных коммерческих продуктов.
Аппаратное обеспечение — ещё одна граница. Официальный репозиторий K3 занимает около 1,56 ТБ, а Moonshot рекомендует развёртывание supernode как минимум с 64 ускорителями. Поэтому самостоятельный хостинг реалистичен для хорошо финансируемых инфраструктурных команд, но не является заменой API-ключу на рабочей станции разработчика.
Выбирайте размещённый API Kimi K3, если вам нужны предсказуемая тарификация токенов и отсутствие операций с кластером. Выбирайте веса, если контроль над данными, собственный инференс, дообучение или владение развёртыванием оправдывают эксплуатацию оборудования и проверку лицензии. Для Qwen 3.8 Max дождитесь публикации фактического чекпойнта Alibaba, прежде чем проводить такой же расчёт.

Мультимодальные входные данные, рассуждения и поведение агентов

Документированная поддержка зрения Qwen делает её актуальной для отладки по скриншотам. Kimi идёт дальше, принимая видео, что полезно, если входные данные — это запись экрана, эталон анимации или демонстрация продукта, которую сложно описать покадрово.

Более богатый документированный интерфейс Kimi также добавляет интеграционную работу. Поведение Preserved Thinking означает, что многоходовое приложение должно возвращать полное сообщение ассистента, включая содержимое рассуждений и вызовы инструментов, а не сохранять только видимый ответ. Эта история занимает контекст и тарифицируется. Окно на 1 млн токенов велико, но это не бесплатное хранилище.

Обе модели по умолчанию используют максимальный уровень рассуждения. При оценке сохраняйте эти настройки одинаковыми. В продакшене тестируйте более низкие уровни для простых задач. Модель, решающая 99% запросов на пониженном уровне, может оказаться дешевле и быстрее той, что оставлена на максимальном рассуждении для каждого автодополнения, классификации или короткого преобразования.

Какую модель выбрать?

Для приложения, которое запускается на этой неделе, я бы выбрал Kimi K3. Опубликованной информации достаточно, чтобы оценить стоимость, определить поведение интеграции и повторить тест против стабильного имени модели.

Для внутреннего эксперимента с кодом я бы не игнорировал Qwen. В сопоставимом тесте она проанализировала длинный репозиторий без единого неудачного вызова инструмента и показала более качественные архитектурные границы, чем Kimi. Это серьёзный сигнал о возможностях. Но пока это не продакшен-контракт.

Как попробовать Kimi K3 через GPT Proto

Qwen 3.8 Max пока недоступна в GPT Proto, поэтому текущий пример интеграции использует только Kimi K3. Вызвать её можно через совместимую с OpenAI конечную точку Chat Completions GPT Proto, указав строку 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 endpoint и авторизации соответствует краткому руководству по API GPT Proto. В многоходовых сценариях с Kimi сохраняйте полное сообщение ассистента, возвращённое API, включая поля рассуждений и вызовов инструментов, а не только финальный видимый текст.

Вы можете попробовать API Kimi K3, просмотреть более 200 ИИ-моделей или использовать унифицированный ИИ-API GPT Proto, чтобы сравнить Kimi с другими текстовыми, графическими, видео- и аудиомоделями. Когда Qwen 3.8 Max будет добавлена, полезным станет тест одной и той же задачи с одинаковыми промптом, разрешениями инструментов и методом оценки на обоих endpoints моделей.

Итоговый вердикт

Qwen 3.8 Max и Kimi K3, по-видимому, настолько близки по возможностям программирования, что один небольшой бенчмарк не должен определять архитектуру на следующий год. Более чистые системные границы Qwen и безошибочное выполнение инструментов заслуживают внимания. Более сильное рассуждение Kimi о жизненном цикле и преимущество в три балла также заслуживают внимания.

Решение по продукту теперь яснее. Kimi K3 сочетает стандартный API, публичные цены за токены, документированное контекстное окно на 1 млн токенов, мультимодальный ввод и выпущенный чекпойнт с открытыми весами. Qwen 3.8 Max остаётся изменяющейся Preview-версией с доступом на основе кредитов, без обычной продакшен-цены и без публичных весов.
Kimi K3 — лучшая модель для развёртывания сегодня, независимо от того, начнёте ли вы с её размещённого API или располагаете инфраструктурой для самостоятельного управления чекпойнтом. Qwen 3.8 Max всё ещё может стать более сильной моделью, но разработчикам следует дождаться её продакшен-endpoint, обычных цен, карточки модели, лицензии и фактического выпуска весов, прежде чем делать такую ставку.