Kimi K3 może być najmocniejszym open modelem i nadal przegrywać w praktyce

Zvi Mowshowitz czyta Kimi K3 na chłodno: 2.8 biliona parametrów, świetne benchmarki i potencjalnie najmocniejszy model open, jeśli wagi zostaną wydane. Jednocześnie ostrzega przed ograniczonym dostępem, głodem tokenów i praktyczną jakością słabszą niż wykresy.

Kimi K3 wygląda jak największy otwarty model tego momentu

Główna teza Zvi ma dwie części. Kimi K3 jest według niego bardzo dobrym modelem ze świetnymi benchmarkami i, jeśli wagi zostaną wydane zgodnie z planem, może być najmocniejszym modelem open pod względem surowej zdolności.

Liczby są duże. Kimi K3 ma według cytowanego ogłoszenia 2.8 biliona parametrów, native vision capabilities i context window o wielkości 1 miliona tokenów. Zdaniem Zvi sama skala wyjaśnia część tego, dlaczego model wygląda tak mocno.

Jednocześnie odrzuca prostą opowieść, że Chiny dogoniły zamknięty frontier. Jego szacunek mówi o kilku miesiącach dystansu do najlepszych modeli zamkniętych, z mniejszą luką w post-trainingu i większą w pre-trainingu.

Dla developerów ważniejsze jest workflow niż miejsce w rankingu

Kimi K3 może być praktycznie użyteczny tam, gdzie pasuje jego profil: agentic coding, długie zadania i część pracy wiedzy. To dokładnie obszary, w których open weights mogą mieć wartość nawet bez pokonania najlepszego modelu zamkniętego.

Dla zespołów liczy się jednak to, czy model pasuje do konkretnego workflow. Jeśli jest wolny, głodny tokenów albo drogi w realnym użyciu, część blasku z benchmarków znika. Wynik za milion tokenów to nie to samo co wynik za dzień pracy developera.

Benchmarki na maximum effort mogą sprzedawać inny model niż produkcja

Zvi zwraca uwagę, że benchmarki Kimi K3 często są liczone przy maximum effort i z większą liczbą tokenów niż porównywalne testy konkurencji. To nie znaczy, że są fałszywe. Znaczy, że porównanie może mieszać jakość modelu, czas namysłu i gotowość do płacenia za inference.

Dodaje też ostrzeżenie przed nierówną jakością. Model może być świetny w części zadań i słabszy gdzie indziej. Dla kupujących to ważniejsze niż jedna duża tabela, bo produkcja karze nierówność mocniej niż Twitter.

Pierwsze tygodnie pokażą cenę, latencję i ślepe punkty

Pierwszą rundę rozstrzygną niezależne evals i relacje użytkowników spoza demo. Warto patrzeć na latency, koszt ukończonego zadania, jakość w agentic coding i zachowanie w mniej popularnych domenach.

Drugi sygnał to bezpieczeństwo. Zvi wprost wskazuje potrzebę bio i cyber testów otwartych modeli. Jeśli open-weight frontier idzie w górę, nie wystarczy wiedzieć, że model umie pisać kod. Trzeba wiedzieć, komu i jakie drzwi otwiera.

Werdykt Lilith

Kimi K3 to duże zwierzę w klatce z otwartymi drzwiami. Zanim zaczną się brawa, ktoś musi sprawdzić, czy biegnie maraton, czy tylko dobrze wygląda w świetle reflektorów.