Kimi K3, DeepSeek V4 Pro и GLM-5.2: Сравнение открытых MoE-моделей с триллионами параметров

Три китайские лаборатории выпустили открытые разреженные модели смеси экспертов (MoE) с окном контекста в миллион токенов: Kimi K3 (2,8 трлн параметров) от Moonshot AI, DeepSeek V4 Pro (1,6 трлн) и GLM-5.2 (744 млрд) от Zhipu AI. По данным индекса Artificial Analysis Intelligence, Kimi K3 набирает около 57 баллов, занимая третье место в мире, за ним следуют GLM-5.2 с 51 баллом и DeepSeek V4 Pro с 44 баллами. Однако DeepSeek V4 Pro является лидером по стоимости: один доллар позволяет получить примерно 1,15 млн выходных токенов, что значительно дешевле конкурентов. GLM-5.2, несмотря на меньший размер, демонстрирует самую высокую скорость — около 168 токенов в секунду — и доступен для самостоятельного развёртывания под лицензией MIT, как и DeepSeek. Kimi K3 пока доступен только через API до 27 июля 2026 года, когда ожидается публикация весов, и его стоимость значительно выше: $15 за миллион выходных токенов. В задачах кодирования Kimi K3 опережает GLM-5.2 по всем бенчмаркам, а DeepSeek V4 Pro показал 80,6% на SWE-bench Verified. Выбор модели зависит от приоритетов: DeepSeek подходит для экономии, Kimi K3 — для максимального качества, а GLM-5.2 — для баланса цены, скорости и открытости.