# Китайская Kimi K3 обошла Claude Opus 4.8 и догнала Fable 5 — при этом она открытая
Каноническая страница: https://plainews.ru/posts/kimi-k3-oboshla-fable-5-kak-poprobovat
Опубликовано: 2026-07-29T07:00:56.256Z

Китайская Moonshot выпустила открытую модель Kimi K3 на 2,8 трлн параметров. Обходит Opus 4.8, догоняет Fable 5 и доступна бесплатно через API.
Китайская компания Moonshot выпустила Kimi K3 — открытую модель на 2,8 триллиона параметров с контекстом в миллион токенов. По собственным замерам компании, модель уступает только Claude Fable 5 и GPT-5.6 Sol, но обходит Opus 4.8. А на задачах оптимизации GPU-ядер K3 сравнялась с Fable 5 и обошла GPT-5.6 Sol. Модель доступна бесплатно через API.

## Что умеет K3 и как она выглядит на фоне конкурентов

Kimi K3 — первая открытая модель класса 3 триллионов параметров. Для сравнения: GPT-4 по неофициальным оценкам содержит около 1,76 трлн параметров, а Claude Opus 4.8 — примерно 2 трлн. K3 обучалась на данных из интернета, научных публикаций и кода, с акцентом на китайский и английский языки.

Модель поддерживает контекстное окно в 1 млн токенов — это примерно 750 тысяч слов или около 1500 страниц текста. Для разработчиков это означает возможность скормить модели целую кодовую базу среднего проекта за один запрос.

По результатам внутренних тестов Moonshot:

- **Общий интеллект**: K3 уступает только Fable 5 и GPT-5.6 Sol, обходит Opus 4.8
- **Фронтенд-разработка**: первое место, обошла даже Fable 5
- **Оптимизация GPU-ядер**: сравнялась с Fable 5, обошла GPT-5.6 Sol и Opus 4.8
- **Автономная работа**: за 48 часов спроектировала чип под собственную нано-версию

## Как подключиться к Kimi K3 через API

Moonshot предоставляет доступ к K3 через официальный API. Регистрация бесплатная, первые запросы идут без оплаты для тестирования.

**Шаг 1: Получение API-ключа**

Зарегистрируйтесь на платформе Moonshot AI (platform.moonshot.cn) и создайте API-ключ в личном кабинете. Ключ выглядит как строка формата sk-....

**Шаг 2: Базовый запрос к модели**

```python import requests

api_key = "ваш-api-ключ" url = "https://api.moonshot.cn/v1/chat/completions"

headers = {     "Authorization": f"Bearer {api_key}",     "Content-Type": "application/json" }

data = {     "model": "kimi-k3",     "messages": [         {"role": "user", "content": "Напиши функцию сортировки массива на Python"}     ],     "temperature": 0.7 }

response = requests.post(url, headers=headers, json=data) print(response.json()["choices"][0]["message"]["content"]) ```

**Шаг 3: Работа с длинным контекстом**

K3 поддерживает до 1 млн токенов, что позволяет передавать целые кодовые базы:

```python

# Чтение всех файлов проекта

project_files = [] for root, dirs, files in os.walk("./src"):     for file in files:         if file.endswith(".py"):             with open(os.path.join(root, file), "r") as f:                 project_files.append(f"{file}:\n{f.read()}")

full_context = "\n\n".join(project_files)

data = {     "model": "kimi-k3",     "messages": [         {"role": "user", "content": f"Вот весь код проекта:\n\n{full_context}\n\nНайди потенциальные баги в обработке ошибок"}     ] } ```

## Фреймворк для AI-агентов на базе K3

Moonshot выпустила вместе с K3 фреймворк для создания агентов — Kimi Agent Framework. Он позволяет строить агентов с доступом к инструментам, памятью и возможностью планирования действий.

```python from kimi_agent import Agent, Tool

# Определяем инструмент для агента

def search_code(query: str) -> str:     # Ваша логика поиска по кодовой базе     return f"Найдено 5 совпадений для '{query}'"

search_tool = Tool(     name="search_code",     description="Ищет совпадения в кодовой базе проекта",     function=search_code )

# Создаём агента

agent = Agent(     model="kimi-k3",     tools=[search_tool],     max_iterations=10 )

# Запускаем задачу

result = agent.run("Найди все места, где используется устаревший метод connect()") print(result) ```

Фреймворк автоматически управляет циклом "думаю → вызываю инструмент → анализирую результат", пока агент не завершит задачу или не достигнет лимита итераций.

## Где K3 проседает и что учитывать при использовании

**Скорость инференса**: на сложных задачах K3 работает медленнее коммерческих аналогов. Если GPT-5.6 Sol выдаёт ответ за 3-5 секунд, K3 может потратить 15-20 секунд на тот же запрос.

**Качество на английском**: модель обучалась с акцентом на китайский язык. На английских промптах качество ответов может быть ниже, чем у GPT или Claude, особенно в задачах, требующих глубокого понимания контекста.

**Доступность API**: сервис размещён в Китае, возможны задержки при запросах из России. Для продакшена стоит учитывать latency в 200-500 мс.

**Документация**: большая часть документации на китайском языке. Английская версия существует, но неполная.

## Что попробовать дальше

Если K3 показалась интересной, есть несколько направлений для экспериментов:

- Сравните K3 с Claude Opus 4.8 или GPT-5.6 на задачах вашего проекта — особенно если работаете с большими кодовыми базами
- Попробуйте Kimi Agent Framework для автоматизации рутинных задач: рефакторинг легаси-кода, поиск багов, генерация тестов
- Используйте длинный контекст для анализа архитектуры: скормите K3 весь проект и попросите найти узкие места или предложить улучшения
- Настройте fine-tuning под специфику вашего стека — Moonshot обещает поддержку кастомных моделей в ближайшие месяцы

Главное преимущество K3 — она открытая. Это значит, что через несколько месяцев появятся адаптации под российские серверы, квантизованные версии для локального запуска и специализированные файн-тюны под конкретные задачи.

## Источники

- Habr AI: Kimi K3 обошла Fable 5, Caveman не работает и релиз OpenIDE Pro