Развитие кодирования и возможностей агентов за последний год существенно изменило рейтинги моделей. Поскольку агенты берут на себя более длинные цепочки задач, все более универсальные модели начинают соответствовать возможностям нативной мультимодальности.
Согласно отчету 36Kr, наблюдается расхождение: Moonshot AI Kimi K3, Alibaba Qwen3.8-Max и ByteDance Doubao-Seed-2.1 приняли решение о нативном мультимодальном обучении. В противоположность этому, DeepSeek, Zhipu и Tencent Hunyuan сохраняют текстовый формат в своих последних универсальных базах.
Лиан Вэньфэн отметил, что для качественного обучения ИИ не обязательно наличие мировой модели или мультимодальности, однако признал, что мультимодальность в конечном итоге необходима. Компании согласны с долгосрочной ценностью этого подхода, но расходятся во мнениях относительно сроков и затрат. В фазе быстрого совершенствования кодирования, выбор между синхронным обучением зрения и определением объема инвестиций в модель, данные и вычислительные мощности формирует технологический путь ведущих китайских моделей.
Причина, по которой важна нативная мультимодальность, кроется в том, как долго могут рассуждать агенты. При выполнении задач с длинной последовательностью, если обратная связь поступает только на уровне кода, ошибки могут накапливаться, что приводит к очень плохим конечным результатам. Зрение предоставляет гораздо более точный сигнал обратной связи.
Когда агенты генерируют веб-страницы, управляют программным обеспечением и проверяют результаты выполнения, зрение трансформируется из простого входного параметра, предоставляемого пользователем, в механизм обратной связи, который модель использует для самопроверки и корректировки действий. После выпуска Kimi K3 заняла первое место в рейтинге Arena Frontend Code с показателем 1679 баллов. Этот рейтинг оценивает не только работоспособность кода, но и корректность отображения страницы.
На платформе браузера Puter были внесены пять визуальных отклонений в тестовые страницы; Kimi K3 сравнила целевую страницу с скриншотом работающей страницы и обнаружила все пять без ложных срабатываний. Moonshot AI называет этот метод «зрение в цикле»: модель пишет код, просматривает страницу, а затем продолжает корректировку на основе визуальных данных.
Сторонники внешних визуальных инструментов утверждают, что системы могут вызывать OCR или независимую VLM через агентский фреймворк или MCP, преобразуя изображения в текст или координаты перед передачей текстовой модели. Однако этот модульный подход имеет ограничения. Если вызывается инструмент, остаются две модели: одна LLM, которая не видит, и вспомогательная модель, способная видеть.
Внутренние нативные мультимодальные модели обладают более широким каналом связи между визуальным вводом и языковым ядром, вместо того чтобы сначала сжимать изображение в текст, а затем передавать его другой модели. Это различие проявляется и после обучения. Если модель способна сделать это самостоятельно, результат будет лучше. В задачах с длинной цепочкой, требующих многократного просмотра экрана, это различие становится более очевидным. Без нативной мультимодальности у модели нет глаз, и обратная связь ограничивается текстом. Многие пользовательские результаты являются визуальными: веб-страницы, изображения, видео. Модель должна понимать эти результаты и давать себе обратную связь.
Модель Kimi K3 от Moonshot AI продемонстрировала значительный технический прогресс, заняв третье место в мировом рейтинге искусственного анализа, однако ее путь к моменту прорыва, подобному тому, что был у DeepSeek, осложняется вопросами ценообразования, ограничений вычислительной мощности и зрелости экосистемы.
Kimi K3 возглавила мировые бенчмарки по кодированию и занимает третье место в общем зачете, уступая лишь Fable 5 и GPT-5.6. Модель достигла уровня, которого ранее не достигали китайские большие модели, заняв третье место в рейтинге искусственного анализа, опередив даже Fable 5 в бенчмарке по фронтенд-кодированию Arena 2026. Илон Маск назвал этот результат впечатляющим, а мировые СМИ окрестили это «Вторым шоком DeepSeek».
На платформе Artificial Analysis модель K3 занимает третью мировую позицию. Она построена на основе архитектуры Mixture-of-Experts с 896 экспертами, имеет 2,8 триллиона параметров, поддерживает нативную контекстную длину в 1 миллион токенов и использует механизм внимания KDA. Модель показывает высокую эффективность в задачах, связанных с кодированием, работой агентов и рассуждениями с длинным контекстом, что имеет прямое коммерческое применение. Тем не менее, по сравнению с ведущими моделями закрытого исходного кода, K3 все еще демонстрирует измеримые пробелы в сложных рассуждениях и мультимодальных задачах.
Существенным препятствием является ценообразование: K3 стоит в 3–15 раз дороже DeepSeek за миллион токенов. Хотя это подтверждает способность китайского ИИ устанавливать премиальные цены, это ограничивает вирусный рост экосистемы, который DeepSeek обеспечил благодаря ультранизкой стоимости доступа и массовому внедрению.
Наиболее критичным узким местом являются вычислительные ограничения. Несмотря на то, что K3 была обучена с удивительно эффективным использованием ресурсов, вскоре после выпуска Kimi была вынуждена приостановить новые потребительские подписки из-за огромного спроса на инференс. Один запрос K3 требует приблизительно 1,4 ТБ памяти даже после квантизации с низкой точностью. Moonshot AI активно работает над наращиванием вычислительных мощностей, но разрыв между потребностью и доступной инфраструктурой остается главным фактором, отделяющим K3 от устойчивого влияния на рынке. Эти ограничения также мешают коммерческому развертыванию, поскольку корпоративные клиенты требуют гарантированной пропускной способности инференса, которую Moonshot AI пока не может обеспечить в масштабе.
Ключевое отличие момента прорыва DeepSeek заключалось не только в качестве самой модели, но и в создании самоподдерживающегося цикла: массовое принятие пользователями стимулировало рост экосистемы разработчиков, что, в свою очередь, улучшало возможности модели и вело к дальнейшему росту принятия. Kimi K3 достигла технического предпосылки, но еще не запустила этот «маховик экосистемы». Ближайшие недели определят, сможет ли Moonshot AI преодолеть вычислительный барьер, превратить техническое восхищение в стабильные коммерческие отношения и создать экосистему разработчиков, которая преобразует отличную модель в полноценную платформу. Инженерные возможности доказаны, однако бизнес-модель и стратегия инфраструктуры все еще находятся в стадии разработки.
