Kimi K3 против GPT-5.5 и Opus 4.8 (2026): равный по силе, но дешевле

Коротко. Artificial Analysis ставит общий интеллект Kimi K3 на один уровень с GPT-5.5 и Claude Opus 4.8, а в своём агентном тесте GDPval v2 K3 (1668 Elo) фактически набирает больше, чем Opus 4.8 (1600) и GPT-5.5 (1494). Только Claude Fable 5 и GPT-5.6 Sol стоят заметно выше. И всё это K3 делает по более низкой цене: moonshotai/kimi-k3 стоит $3/$15 за миллион на ofox против $5/$30 у GPT-5.5 и $5/$25 у Opus 4.8, а по метрике стоимости на задачу от AA K3 обходится примерно в $0.94, что почти вдвое меньше $1.80 у Opus 4.8. Так что если вы платили фронтирные цены за работу уровня GPT-5.5 или Opus, K3 это равный по силе вариант, который стоит меньше за токен и примерно вдвое дешевле Opus за готовую задачу. Берите GPT-5.6 Sol или Fable 5 только тогда, когда нужна вершина списка. Всё остальное ниже это характеристики, бенчмарки по источникам и код для A/B-сравнения всех трёх на одном эндпоинте.

Коротко: что выбрать?

Вердикт в одну строку: K3 это выбор по соотношению цена/качество против GPT-5.5 и Opus 4.8, он не уступает им по интеллекту и обходит их на агентных задачах за меньшие деньги. Доплачивайте только за самую вершину (GPT-5.6 Sol, Fable 5) или за конкретную экосистему.

Переформулировка, которую стоит усвоить: K3 не гонится за моделью номер один. Он выходит на уровень фронтира прошлого цикла (GPT-5.5) и текущего флагмана Claude (Opus 4.8), беря при этом меньше, чем любая из них.

Возьмите первые две строки вместе. Для агентной и кодовой работы на уровне, где играют GPT-5.5 и Opus 4.8, K3 одновременно и сильнейший на релевантном бенчмарке, и самый дешёвый. Это вся статья в двух строках.

flowchart TD
    A[Task needs frontier-ish quality] --> B{Need the absolute top of the board?}
    B -->|Yes| C[GPT-5.6 Sol or Claude Fable 5]
    B -->|No| D{Locked into the Anthropic ecosystem?}
    D -->|Yes| E[Claude Opus 4.8<br/>anthropic/claude-opus-4.8]
    D -->|No| F{Budget-first, text-only coding?}
    F -->|Yes| G[Kimi K2.7 Code<br/>moonshotai/kimi-k2.7-code]
    F -->|No| H[Kimi K3<br/>moonshotai/kimi-k3<br/>peer intelligence, lower cost]

Быстрое сравнение характеристик

Цены проверены по каталогу ofox 17 июля 2026, за миллион токенов. Все три флагмана принимают ввод изображений; контекстное окно K3 (1M) это его главная отличительная черта.

Читайте строки с ценами сверху вниз. K3 самый дешёвый из трёх фронтирных моделей в каждой строке (вход, выход и кэш), при этом Artificial Analysis оценивает его интеллект на одном уровне с двумя другими. K2.7 Code стоит в таблице как бюджетный ориентир: намного дешевле, но только текст и модель меньше, так что это решение другого уровня (его отдельный раздел ниже).

Что на самом деле представляет собой Kimi K3

Moonshot описывает K3 как первую открытую модель класса 3T. Архитектура это Mixture-of-Experts на 2.8 триллиона параметров, которую они называют Stable LatentMoE, активирующая 16 экспертов из 896 на токен, со стеком внимания, объединяющим Kimi Delta Attention (KDA) с остаточной схемой AttnRes. Это делает её заметно крупнее моделей, с которыми она конкурирует по открытым весам (GLM-5.2 это 753B, DeepSeek V4 Pro 1.6T). Практический же заголовок проще: контекст 1M токенов, нативный ввод изображений и встроенное мышление.

Мышление ведёт себя как в остальной текущей линейке Kimi, с рассуждениями, вынесенными в поле reasoning_content. На старте K3 по умолчанию работает на максимальном уровне мышления, и Moonshot говорит, что режимы низкого и высокого усилия придут в следующих обновлениях, так что пока уровень усилия это не тот регулятор, который можно убавить. Токены рассуждений тарифицируются как выход по $15/M, поэтому многословный прогон с максимальным мышлением стоит дороже, и сегодня вы управляете этим через промпт и объём вывода, а не через переключатель усилия. Один приятный побочный эффект, который измерил Artificial Analysis: K3 использовал примерно на 21% меньше выходных токенов, чем K2.6, чтобы пройти их индекс, так что он эффективнее по токенам, чем предыдущее поколение, даже набирая при этом больше баллов.

На ofox K3 это moonshotai/kimi-k3 на OpenAI-совместимом эндпоинте, и путь по протоколу OpenAI работает напрямую. Если вызывать его через Anthropic-совместимый путь, параметр мышления не форсируется, что является изменением поведения по сравнению с K2.7. Открытые веса ещё не выпущены; Moonshot обязуется выпустить их к 27 июля 2026, а лицензия в анонсе запуска не была указана. Пока что K3 это API-модель.

Как K3 соотносится с GPT-5.5 и Opus 4.8: три среза

Кросс-модельное сравнение это как раз то, где большинство статей жульничает, выстраивая в ряд цифры из разных лабораторий, полученные на разных стендах. Этот раздел держит каждый срез в рамках одного источника, чтобы сравнение было честным.

Срез 1: общий интеллект (Artificial Analysis Index)

Artificial Analysis Intelligence Index сворачивает множество бенчмарков в одно число, чтобы модели разных вендоров оказались на одной шкале. K3 набирает 57. Artificial Analysis называет этот интеллект сопоставимым с Claude Opus 4.8 и GPT-5.5, и стоящим позади Claude Fable 5 и GPT-5.6 Sol, которые лидируют в списке около 60 и 59. Это скользящий снимок, сделанный примерно во время запуска K3 в июле 2026, так что читайте его как упорядочивание с датой, а не как фиксированный балл. Короткая версия: K3 догнал GPT-5.5 и Opus 4.8 по общему интеллекту и не догнал самую вершину.

Срез 2: агентные задачи (AA GDPval v2)

Общий интеллект недооценивает K3 на той работе, которую люди действительно автоматизируют. В агентном тесте GDPval v2 от Artificial Analysis, полностью проведённом на одном стенде, K3 стоит выше и Opus 4.8, и GPT-5.5, и только Claude Fable 5 и GPT-5.6 Sol находятся выше.

Это реальный результат, а не пиар: на агентном использовании инструментов и многошаговой работе K3 обходит по бенчмаркам обе модели, с которыми его сравнивает эта статья. GDPval v2 оценивает модели на реалистичных, экономически ценных задачах, а не на викторинах, так что лидерство здесь отображается на ту работу, которую действительно делает кодовый или операционный агент. K3 также занимает первое место в AutomationBench от AA (их сборка агентного теста SaaS-воркфлоу от Zapier) и достигает 1547 в AA-Briefcase, приватном тесте на длинную дистанцию для интеллектуальной работы, уступая только Fable 5 и прибавив 732 балла к Kimi K2.6. Три разных агентных теста, одна картина: K3 на вершине каждого или около неё, и он несравнимо самый дешёвый из моделей, набирающих там же вместе с ним.

Почему условно-открытый Kimi обходит две закрытые фронтирные модели на агентной работе, находясь при этом на одном уровне с ними в общем индексе? Потому что агентные тесты вознаграждают планирование, использование инструментов и удержание задачи на протяжении многих шагов, а бюджет максимального мышления K3 по умолчанию плюс его эффективность по токенам настроены именно под это. GPT-5.5 и Opus 4.8 сильные универсалы, но ни одна из них не строилась под то, чтобы возглавить таблицу автономных агентов так, как это делало данное поколение Kimi. Если ваш сценарий это одноразовый промпт, доверять стоит общему индексу (где все три сопоставимы). Если это агент, который работает много ходов, доверять стоит GDPval, и его выигрывает K3.

Срез 3: стоимость на задачу (Artificial Analysis)

Цены за токен немного льстят K3, потому что модель, которая рассуждает больше, может сжигать больше токенов на задачу. Так что более честный денежный срез это стоимость на задачу, которую Artificial Analysis измеряет по всему своему индексу. Здесь K3 остаётся дешёвым даже после учёта расхода токенов.

K3 обходится примерно в $0.94 за задачу, почти вровень с $0.99 у GPT-5.5 (из снимка AA версии June v4.1) и $1.04 у GPT-5.6 Sol, и примерно вдвое меньше $1.80 у Opus 4.8. Обратите внимание, что два денежных среза расходятся для линейки GPT-5.x: за токен K3 явно дешевле ($3/$15 против $5/$30), но на задачу он выходит примерно вровень с GPT-5.5, потому что GPT-5.5 прогоняет меньше токенов через каждую задачу. Против Opus 4.8 K3 дешевле по обоим срезам. Чистый вывод: K3 существенно дешевле Opus 4.8 при сопоставимом интеллекте, дешевле за токен, чем флагманы GPT-5.x, и примерно наравне с GPT-5.5 после учёта расхода токенов.

Одно дисциплинарное замечание перед решением. Три таблицы выше каждая берётся из одного источника, а бенчмарки от Moonshot дальше в этой статье это отдельная система. Не выстраивайте GPQA-балл K3 от Moonshot против цифры GPT-5.5 или Opus с другого стенда и не называйте это очной ставкой. Срезы AA это те, где эти модели стоят на сопоставимой шкале.

Когда выбирать каждую

Против GPT-5.5 и Opus 4.8 решение это возможности на доллар плюс экосистема:

• Выбирайте Kimi K3 для агентной и кодовой работы при качестве, близком к фронтиру. Он не уступает GPT-5.5 и Opus 4.8 по общему интеллекту, обходит их в агентном тесте AA и стоит меньше обеих, с контекстом 1M, зрением и открытыми весами на подходе. Это выбор по умолчанию по соотношению цена/качество из трёх.
• Выбирайте Claude Opus 4.8, когда вы уже в экосистеме Anthropic или хотите её специфического поведения и инструментария. Artificial Analysis оценивает его интеллект на уровне K3, а стоимость на задачу выходит примерно вдвое выше, так что вы платите за экосистему, а не за разрыв в возможностях.
• Выбирайте GPT-5.5, когда вам нужен широкий, хорошо изученный универсал от OpenAI и окружающий его инструментарий. Это крепкий на все руки, но K3 не уступает ему по интеллекту, обходит его агентное Elo и стоит дешевле, так что причина выбрать его это привычность и стек, а не сырая выгода.
• Поднимайтесь до GPT-5.6 Sol или Fable 5, когда задача действительно требует вершины списка. Это модели, которым K3 всё ещё уступает в индексе интеллекта. Тяжёлые рассуждения, где последняя пара баллов меняет исход, это тот случай, что оправдывает дополнительную стоимость. Сторонние обзоры описывают K3 так же: The Decoder читает его как приближающегося к закрытым лидерам, а не обходящего их.

Если K3 не рассматривается по политике или предпочтению и выбор стоит просто между GPT-5.5 и Opus 4.8, эти двое близки в общем индексе, но различаются характером. В агентном тесте GDPval v2 от AA Opus 4.8 (1600) стоит заметно выше GPT-5.5 (1494), так что для использования инструментов и многошаговой работы Opus сильнее из пары. По цене они совпадают на входе (по $5/M у каждого), а Opus чуть дешевле на выходе ($25 против $30/M). Преимущество GPT-5.5 это широта и зрелость инструментария OpenAI и привычность его поведения в существующих стеках. Так что между этими двумя: Opus 4.8 для агентной и насыщенной рассуждениями работы, GPT-5.5 для широкого, хорошо поддерживаемого универсала. Причина, по которой K3 лидирует в этом сравнении, в том, что он не уступает обеим по интеллекту и обходит обе в агентном тесте, стоя при этом меньше любой.

Месячный счёт: один разработчик, агентное программирование

Чтобы сделать разрыв в цене наглядным, вот месячный счёт за токены для одного разработчика, гоняющего насыщенного рассуждениями агента при 20M входных и 5M выходных токенов в месяц.

K3 выходит примерно в 54% от счёта GPT-5.5 и 60% от Opus 4.8 на том же трафике. Масштабируйте это на команду из пяти разработчиков, и K3 экономит примерно $575 в месяц против GPT-5.5 и $450 против Opus 4.8, за работу, которую Artificial Analysis оценивает как сопоставимую по интеллекту и более сильную на агентных задачах.

Более дешёвый Kimi: K2.7 Code

Если ваша работа это программирование на чистом тексте и фронтир это перебор, релевантное сравнение это не GPT-5.5 или Opus 4.8, а меньший Kimi. Kimi K2.7 Code (moonshotai/kimi-k2.7-code) это MoE с 1T всего, 32B активных, только текст, настроенный под код, за $0.95/$4 за миллион с контекстом 256K и открытой лицензией на веса Modified MIT. Это примерно треть цены K3.

Правило простое. Если задача это программирование только на тексте с ограниченным бюджетом, K2.7 Code делает её за долю цены, а фронтирный запас простаивает. Если задаче нужны зрение, контекст 1M или агентная сила из бенчмарков выше, K2.7 Code до неё не дотягивается, и вы возвращаетесь к K3. Полный подсчёт по токенам для K2.7 Code, включая то, где на счёте реально проявляется его 30-процентное сокращение токенов мышления, смотрите в разборе стоимости K2.7 Code и сравнении стоимости прогона K2.7 Code против GLM-5.2.

Где K3 оказывается на собственных бенчмарках Moonshot

Для полноты картины вот цифры вендора. Каждая цифра сообщена Moonshot, получена при максимальном мышлении, из официального анонса запуска K3. Относитесь к ним как к направлению, а не как к независимо воспроизведённым результатам, и не сравнивайте их клетка за клеткой со срезами AA выше, которые используют другие стенды.

Они согласуются со сторонней картиной: сильно на научных рассуждениях (GPQA-Diamond) и агентах веб-исследований (BrowseComp), что согласуется с агентной силой, которую измерил AA. Собственный анонс Moonshot честно признаёт, что K3 всё ещё уступает Claude Fable 5 и GPT-5.6 Sol в целом, поэтому эта статья позиционирует его как более дешёвый равный по силе GPT-5.5 и Opus 4.8, а не как нового номера один.

Запустите все три на ofox: A/B в несколько строк

K3, GPT-5.5 и Opus 4.8 живут на одном OpenAI-совместимом эндпоинте, так что проверить их на вашей собственной задаче это замена одной строки. Направьте SDK на https://api.ofox.ai/v1, пройдите циклом по трём ID моделей и читайте usage, чтобы сравнить реальную стоимость по токенам. Возьмите ключ на странице модели ofox для Kimi K3.

Python: A/B всех трёх в одном цикле

from openai import OpenAI

client = OpenAI(base_url="https://api.ofox.ai/v1", api_key="YOUR_OFOX_KEY")

task = "Refactor this function to be async and add error handling:\n\n"
task += open("handler.py").read()

for model in ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": task}],
    )
    print(f"\n=== {model} ===")
    print(r.usage)   # compare tokens, then multiply by the specs-table prices
    print(r.choices[0].message.content)

Node: та же форма

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.ofox.ai/v1",
  apiKey: process.env.OFOX_API_KEY,
});

const task = "Refactor this function to be async and add error handling:\n" + code;

for (const model of ["moonshotai/kimi-k3", "openai/gpt-5.5", "anthropic/claude-opus-4.8"]) {
  const r = await client.chat.completions.create({
    model,
    messages: [{ role: "user", content: task }],
  });
  console.log(`\n=== ${model} ===`);
  console.log(r.usage);
  console.log(r.choices[0].message.content);
}

Прикрепите скриншот (все три принимают изображения)

Все три флагмана принимают ввод изображений, так что визуальная задача запускается на любом из них заменой строки с моделью. Отправьте изображение как блок image_url. Единственная модель, на которой это не сработает, это moonshotai/kimi-k2.7-code, которая только текстовая.

import base64

with open("layout-bug.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

r = client.chat.completions.create(
    model="moonshotai/kimi-k3",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "This UI screenshot has a layout bug. What is wrong and how do I fix the CSS?"},
            {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{b64}"}},
        ],
    }],
)
print(r.choices[0].message.content)

Запустите первый цикл на репрезентативном срезе ваших реальных задач, просуммируйте usage за день и умножьте на цены из таблицы характеристик. Это даёт вам фактическую разницу K3 против GPT-5.5 против Opus для вашего трафика, что бьёт любую таблицу лидеров для вашей конкретной нагрузки. Более широкую карту кодовых моделей по задачам смотрите в рейтинге кодовых моделей по реальному использованию и сравнении цен на API.

FAQ

Kimi K3 лучше, чем GPT-5.5? По оценке Artificial Analysis общий интеллект K3 (57) сопоставим с GPT-5.5, а в агентном тесте GDPval v2 K3 (1668) набирает больше, чем GPT-5.5 (1494). K3 к тому же дешевле: $3/$15 против $5/$30. GPT-5.5 остаётся сильным универсалом, но по выгоде K3 выигрывает для агентной и кодовой работы.

Kimi K3 лучше, чем Claude Opus 4.8? Artificial Analysis оценивает их общий интеллект как сопоставимый (K3 набирает 57 в скользящем снимке), а K3 (1668) немного опережает Opus 4.8 (1600) в GDPval v2. K3 дешевле, $3/$15 против $5/$25 за токены и примерно вдвое меньше стоит на задачу ($0.94 против $1.80 в прогонах AA). Выбирайте Opus 4.8 ради экосистемы Anthropic, а K3, если нужен сопоставимый интеллект примерно за половину цены.

Сколько стоит Kimi K3 на ofox? $3/M на входе, $15/M на выходе, $0.30/M за чтение из кэша. Это ниже, чем у GPT-5.5 и Opus 4.8, у которых по $5/M на входе у каждого. Цены совпадают с собственным API Moonshot, так что наценки ofox нет.

Что лучше для агентного программирования: K3, GPT-5.5 или Opus 4.8? Среди этих трёх агентный тест GDPval v2 от AA упорядочивает K3 (1668) впереди Opus 4.8 (1600) и GPT-5.5 (1494). Выше в полном списке стоят Claude Fable 5 и GPT-5.6 Sol. K3 также возглавляет AutomationBench от AA. Для агентного программирования среди трёх K3 показывает лучшие бенчмарки и стоит меньше всех.

Поддерживает ли Kimi K3 ввод изображений? Да, нативный визуальный ввод, текстовый вывод. GPT-5.5 и Opus 4.8 тоже принимают изображения. Kimi K2.7 Code только текстовый, так что вызов image_url на нём не срабатывает.

Kimi K3 с открытым исходным кодом? Moonshot объявил об открытых весах «к 27 июля 2026» и называет K3 первой открытой моделью класса 3T. На момент написания веса не выпущены и лицензия не указана, поэтому сегодня вы используете K3 через размещённый API. После выпуска модель возглавила бы список моделей с открытыми весами в индексе AA, опередив GLM-5.2 и DeepSeek V4 Pro.

Насколько велик Kimi K3? 2.8T всего параметров, Mixture-of-Experts, активирующая 16 экспертов из 896 на токен, с контекстом 1M токенов и нативным зрением. Заметно больше, чем GLM-5.2 (753B) или DeepSeek V4 Pro (1.6T).

Какой ID модели Kimi K3 на ofox? moonshotai/kimi-k3 на OpenAI-совместимом эндпоинте по адресу https://api.ofox.ai/v1. GPT-5.5 это openai/gpt-5.5, а Opus 4.8 это anthropic/claude-opus-4.8, так что вы сравните все три A/B, поменяв одну строку.

Источники, проверенные для этого обновления

• Официальный анонс запуска Kimi K3
• Artificial Analysis: Kimi K3
• Страница модели ofox: Kimi K3
• Страница модели ofox: GPT-5.5
• Страница модели ofox: Claude Opus 4.8
• Страница модели ofox: Kimi K2.7 Code
• The Decoder: Kimi K3 приближается к GPT-5.6 Sol и Fable 5
• Цены API Moonshot