Китайская Kimi убила Claude?
Пока мы тут спорим, чье кунг-фу сильнее: GPT или Claude, китайская Kimi уже выкладывает триллион (и это не метафора) параметров в открытый доступ. То есть это как самая навороченная версия Claude, которую все хотят, только за 0 рублей. Или нет?
На ключевом бенчмарке MCPMark Verified открытая Kimi K2.7 набирает 81,1% против 76,4% у Claude Opus 4.8, причём доступ к Opus — это всегда история про подписки и платный API, а K2.7 можно просто скачать и развернуть у себя. Это не очередной маркетинговый слоган: на Humanity’s Last Exam и SWE‑Bench Pro Kimi K2.6 вплотную подбирается к закрытым моделям GPT‑5.x и Claude, а иногда обгоняет их, оставаясь при этом open‑weights‑решением под модифицированной MIT‑лицензией.
Moonshot AI - китайская команда, которая за несколько лет прошла путь от "ещё одной модели с китайского рынка" до игрока, задающего тон в агентных системах. Их экосистема Kimi — это не один чат, а целая линейка моделей: от базовых режимов в приложении до специализированных вариантов K2.5, K2.6 и K2.7 Code, ориентированных на код, сложные рабочие процессы и сотрудничество людей с роем ИИ‑агентов. Архитектура Mixture‑of‑Experts с суммарно одним триллионом параметров и примерно 32 млрд активных на шаг генерации, плюс контекстное окно 256k токенов, которое позволяет модели "держать в голове" целый репозиторий, многомесячную переписку или большой набор документов. Важный момент: лицензия: Kimi K2.x выпускаются под Modified MIT, это значит, что веса открыты, их можно использовать, модифицировать и коммерчески внедрять, соблюдая требования по атрибуции для крупномасштабных сервисов.
Другой слой этой истории: Deep Research, первый агентный продукт Kimi на базе модели Kimi‑Researcher. В отличие от классического чата, который просто отвечает на вопросы, Deep Research ведёт себя как реальный исследователь: он сам уточняет задачу, планирует шаги, ищет источники, вызывает инструменты и собирает результат в отчёт. Для одного исследовательского вопроса Kimi‑Researcher проходит в среднем 23 шага рассуждения, планирует около 74 ключевых слов для поиска, обходит примерно 206 URL и оставляет в финальной работе лишь 3,2% самых качественных материалов. Всё это происходит асинхронно: в течение 10–25 минут агент думает, ищет и пишет, а на выходе выдаёт два артефакта — текстовый отчёт на 10 000+ слов с подробной структурой и цитатами и визуальный интерактивный HTML‑документ с картой исследования, готовый к публичной ссылке и презентации.
Всё вместе это выглядит как смена парадигмы: Kimi — не "очередной ChatGPT‑клон", а инфраструктура для агентного ИИ.
K2.6 позиционируется как открытый весовой агентный модельный стек для длинных рабочих процессов: в испытаниях он поддерживает до 300 под‑агентов, координирующих до 4000 шагов в рамках одной задачи, и показывает сильные результаты на SWE‑Bench Pro, LiveCodeBench и Humanity’s Last Exam. K2.7 Code добавляет к этому фокус на разработку: официальные бенчмарки говорят о росте эффективности по коду на +21,8% и снижении использования "thinking‑tokens" примерно на 30% по сравнению с K2.6, то есть модель меньше переусложняет задачи и быстрее приходит к работающему решению. На MCPMark Verified — тесте аккуратного вызова инструментов по протоколу MCP открытая K2.7 обходит Claude Opus, показывая, что работа с инструментами и кодом больше не является привилегией только закрытых моделей.
Для создателя ИИ‑продуктов это означает сдвиг роли. Если раньше ключевая ценность была в том, чтобы "знать промты" и уметь руками выжимать из нейронок нужный текст, то в агентной парадигме ценится другое: умение спроектировать цепочку задач, подобрать инструменты, настроить и подключить open‑weights‑модель, а затем упаковать всё это в продукт, который сам делает работу.
Вместо курса по нейросетям возникает формат агентной студии: вы не учите людей "общаться с GPT", вы собираете системы на базе Kimi‑подобных моделей, которые сами делают глубокий ресёрч, поднимают аналитику ниши, помогают принимать решения и автоматически генерируют код и интерфейсы.
На рынке, где пока доминирует логика "научиться использовать чужой чат‑бот", это выглядит как вызов. Можно продолжать делать продукты вокруг закрытых моделей и продавать навыки работы с ними. А можно воспринимать такие решения, как Kimi, как шанс перейти на другой уровень: от продаж промтов к построению агентных ИИ‑систем, от зависимости от подписок к владению собственной инфраструктурой.
И когда через пару лет вопрос "кто лучше: GPT или Claude?" окончательно сменится вопросом "кто построил свои ИИ‑фабрики на базе открытых агентных моделей?", будет важно оказаться в числе тех, кто вовремя увидел эту возможность и успел её использовать.
А вы уже тестировали? Как чего?)
PS В #kimiai