Model / Badania
Chiński model wygrał ranking kodowania. Co pokazały pierwsze niezależne testy?
Kimi K3, chiński model z otwartymi wagami, wygrał frontendowy ranking Areny o 48 punktów przed Claude Fable 5, ale pierwsze niezależne testy prostują ten obraz. Jessica Wachtel z The New Stack dała obu to samo zadanie na narzędziu fd: diffy wyszły co do bajta identyczne, tylko K3 kosztował jedną trzecią ceny i był kilka razy wolniejszy, całość zajęła mu 28 minut zamiast siedmiu. Jego wskaźnik halucynacji skoczył za to do 51 procent, a uruchomienie go u siebie wymaga 64 kart graficznych, więc realną alternatywą na dziś zostają GLM 5.2 i DeepSeek V4 Pro.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Model / Badania · 5 min ·
Tydzień temu pisałem tu, że Kimi K3 wskoczył na pierwsze miejsce frontendowego rankingu Areny, 48 punktów przed Claude Fable 5 od Anthropica. To nadal się zgadza. Tyle że przez ten tydzień pojawiły się pierwsze niezależne pomiary, a te pokazują coś, czego jedna liczba na liście nie odda: na tym samym zadaniu oba modele oddają poprawkę co do bajta identyczną, tylko że jeden robi to za ułamek ceny i kilka razy wolniej. Ranking Areny mówi tylko tyle: który model deweloperzy wolą do klepania interfejsów, bo głosują w ciemno na lepszy kod. Nie mówi, co się stanie, kiedy dasz modelowi prawdziwą robotę w prawdziwym repozytorium.
Przypomnę, o czym mowa: K3 to model z otwartymi wagami, czyli taki, którego każdy z odpowiednim sprzętem może pobrać i uruchomić u siebie, zamiast płacić za dostęp przez API. I nie jest sam. Za nim stoi cała fala chińskich premier, które w tym samym cyklu dobiły do amerykańskiej czołówki na testach kodowania.
Ta sama poprawka, jedna trzecia ceny, cztery razy wolniej
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
