Какая нейросеть лучше: GLM-5.2 или Kimi-K3. Справедливое сравнение

Несмотря на то, что модели, которые мы будем сравнивать, относятся к разным поколениям: обе претендуют на звание сильнейшей open-weight системы своего времени. Между релизами разрыв в 33 дня — GLM-5.2 вышел 13 июня 2026 года, Kimi K3 — 16 июля. Kimi K3 создавался с учетом того, что уже умеет GLM-5.2, которая сама уже частично устарела. 14 августа 2026 года вышла GLM-5.3 на той же 744-миллиардной базе, с тем же ценником, и по независимому индексу интеллекта она сравнялась с Kimi K3 — обе модели набирают 60 баллов.

При этом сравнение GLM-5.2 и Kimi K3 остается показательным — обе модели с открытыми весами, и какая нейросеть лучше — вопрос, который стоит перед любым, кто выбирает открытую модель для самостоятельного хостинга или коммерческого продукта.

GLM-5.2: обзор функционала

GLM-5.2 — флагман китайской компании Zhipu AI, вышедший 13 июня 2026 года. Это MoE-модель — архитектура смеси экспертов — с примерно 744–753 миллиардами общих параметров, из которых на каждый токен активируется около 40 миллиардов. Контекстное окно — 1 миллион токенов, максимальный вывод — 128 тысяч токенов.

Лицензия — MIT, полностью открытая, без региональных ограничений: скачать, дообучить на собственных мощностях, использовать коммерчески — все разрешено без дополнительных соглашений. Веса опубликованы на HuggingFace.

У модели два режима рассуждений: High для быстрых повседневных задач и Max для сложных многошаговых сценариев. С первого дня поддерживаются восемь агентных сред разработки. Главный позиционирующий тезис Z.ai — GLM-5.2 была сильнейшей открытой моделью на стандартных coding-бенчмарках на момент своего выхода.

Kimi K3: что нужно знать

Kimi K3 — флагман Moonshot AI, пекинской компании, за которой стоят Alibaba и Tencent, выпущенный 16 июля 2026 года. На момент выхода это крупнейшая по числу параметров открытая модель в мире: 2.8 триллиона общих параметров, 104 миллиарда активных на токен — задействуются 16 из 896 экспертов. Контекстное окно — 1 миллион токенов, и максимальный вывод тоже 1 миллион токенов — редкий случай, когда лимит на выход равен лимиту на вход.

Архитектурное новшество модели — Kimi Delta Attention, гибридное линейное внимание: 69 слоев KDA против 24 слоев Gated MLA. Это снижает объем KV-кэша до 75%, что делает практичным реальный деплой на длинных контекстах, а не только теоретическую поддержку большого окна.

Режимы рассуждений — low, high, max, и они всегда включены, а не опциональны, как у некоторых конкурентов. Модель нативно мультимодальна: понимает изображения и умеет рассуждать в 3D. Открытые веса опубликованы 27 июля 2026 года в формате MXFP4-native, объемом около 1.5 терабайта — для продакшена Moonshot рекомендует минимум 64 GPU, то есть уровень серьезного дата-центра, а не одного сервера. Лицензия Kimi K3 License бесплатна для компаний с доходом до 20 миллионов долларов в год, выше — требуется отдельное соглашение с Moonshot. Запуск был намеренно приурочен к Всемирной конференции по ИИ в Шанхае в 2026 году.

Бенчмарки и числа

По независимому Artificial Analysis Intelligence Index на 20 августа 2026 года Kimi K3 набирает 60 баллов, GLM-5.2 — 51. Разрыв в 9 баллов в пользу Kimi K3. Но обновленная GLM-5.3 набирает те же 60 баллов, что и Kimi K3.

На Terminal-Bench 2.1, тесте на агентные терминальные задачи, Kimi K3 показывает 88.3% против 81.0% у GLM-5.2 — разрыв 7.3 процентных пункта. Для референса: Claude Opus 4.8 на этом же тесте набирает 85.0%, то есть Kimi K3 обгоняет и его на 3.3 пункта.

На GDPval-AA v2, тесте на бизнес-задачи и профессиональные сценарии, результаты по шкале Elo такие: Claude Fable 5 — 1747, Kimi K3 — 1686, Claude Opus 4.8 — 1593. Kimi K3 обгоняет Opus 4.8, но уступает Fable 5.

На BenchLM по состоянию на 1 сентября 2026 года Kimi K3 набирает 74.87 балла из 100, занимая 7 место из 232 моделей в общем рейтинге и 8 место из 181 модели по разделу знаний и понимания.

Ценообразование и скрытая ловушка

На базовых тарифах разница ощутима: у GLM-5.2 входные токены стоят $1.40 за миллион, у Kimi K3 — $3.00. Выходные токены — $4.40 против $15.00. На смешанной нагрузке в миллион входа и миллион выхода GLM-5.2 обходится в $5.80, Kimi K3 — в $18.00. GLM-5.2 дешевле в 2.1 раза на входе и в 3.4 раза на выходе.

Но здесь есть один факт, который большинство упускают. GLM-5.2 генерирует около 43 тысяч выходных токенов на одну задачу, из которых 37 тысяч — это чистые reasoning-токены, служебные размышления модели, а не финальный ответ. Для сравнения, GPT-5.5 справляется с той же задачей примерно за 16 тысяч токенов. Из-за этой многословности реальная стоимость задачи для GLM-5.2 составляет около $0.46 — это уже сопоставимо с фронтирными, куда более дорогими на бумаге моделями. Дешевый тариф за токен не означает дешевое выполнение реальной задачи. По данным Kimi K3 сравнимой статистики многословности меньше, но нативная всегда включенная архитектура рассуждений тоже генерирует служебные токены по умолчанию, просто не задокументированные так подробно.

Доступ к моделям тоже отличается. Kimi K3 доступен бесплатно напрямую через kimi.com, через OpenRouter — от $2.60. GLM-5.2 доступна через GLM Coding Plan примерно от $10 в месяц.

Технические различия, которые влияют на выбор

Максимальный вывод — принципиальная разница между моделями. У GLM-5.2 это 128 тысяч токенов, у Kimi K3 — миллион, то есть в 7.8 раза длиннее за один запрос. Для задач вроде написания полной документации или генерации большой кодовой базы за один проход у Kimi K3 абсолютное преимущество.

По мультимодальности GLM-5.2 на момент выхода работает только с текстом и кодом, без нативной поддержки изображений. Kimi K3 нативно мультимодальна — принимает изображения и умеет рассуждать в трех измерениях.

По архитектуре и параметрам GLM-5.2 — 744 миллиарда общих параметров и 40 миллиардов активных, Kimi K3 — 2.8 триллиона общих и 104 миллиарда активных, то есть в 2.6 раза больше активных параметров на токен.

По лицензии GLM-5.2 на MIT дает абсолютную свободу без ограничений по доходу компании. Kimi K3 бесплатна для компаний с доходом до 20 миллионов долларов в год, выше нужно отдельное соглашение с Moonshot. Для независимых разработчиков и небольших компаний разница несущественна, для крупных корпораций MIT-лицензия GLM-5.2 юридически чище и проще.

По требованиям к самохостингу на собственных мощностях GLM-5.2 доступна на HuggingFace и реалистична для команд среднего размера при наличии подходящего оборудования. Kimi K3 весит около 1.5 терабайта в формате MXFP4, а для продакшен-деплоя нужно от 64 GPU — это уровень крупного дата-центра.

Контекст выхода

GLM-5.2 вышла через 48 часов после того, как США ввели новые ограничения на экспорт чипов в Китай. Одновременный релиз MIT-модели рынок воспринял как осознанный ответ на эти ограничения — демонстрацию открытой альтернативы закрытым американским системам именно в момент технологического давления.

Kimi K3 вышла прямо перед Всемирной конференцией по ИИ в Шанхае в 2026 году. Для Moonshot это был момент возвращения на первые роли: компания заметно потеряла позиции после выхода DeepSeek, и K3 позиционировался как реабилитационный продукт для всей линейки.

По независимому Intelligence Index Kimi K3 набирает 60 баллов — это в пределах 3 баллов от Claude Opus 5. Для любого, кто строит продукт на открытых моделях, K3 стал первым китайским релизом, который конкурирует с топовыми американскими системами именно по способностям, а не только по низкой цене, как было принято считать про открытые модели раньше.

Что говорит сообщество

По независимой оценке, GLM-5.2 была сильнейшей открытой моделью на стандартных coding-бенчмарках на момент выхода: 62.1% на SWE-bench Pro, что обгоняет GPT-5.5, и 81.0% на Terminal-Bench 2.1. Другой обзор подчеркивает обратную сторону низкой цены: реальная стоимость задачи у GLM-5.2 из-за многословности модели ближе к фронтирной, чем к бюджетной, несмотря на дешевый тариф за токен.

Про Kimi K3 отмечают: на Intelligence Index модель набирает 60 баллов, в пределах трех баллов от Claude Opus 5 — для открытых моделей это первый китайский релиз, конкурирующий с топовыми американскими системами по способностям. Официальные веса опубликованы 27 июля 2026 года вместе с готовой к продакшену поддержкой архитектуры Kimi Delta Attention во vLLM. 

По числу параметров Kimi K3 названа крупнейшей открытой моделью в мире на момент релиза. Есть и практическое подтверждение применения семейства моделей: разработчики Cursor использовали более раннюю версию Kimi для создания своего агента кодинга Composer 2 — это не теоретическая, а реальная продакшен-история.

Доступность из России

Обе модели официально открыты для скачивания и самостоятельного хостинга, поэтому формальных региональных ограничений на уровне лицензии нет, в отличие от закрытых американских сервисов. Но для тех, кто не готов разворачивать модель на собственных мощностях, а хочет готовый доступ через API или чат-интерфейс, прямая оплата зарубежных сервисов российской картой обычно не проходит.

Самый безопасный и доступный вариант без VPN — SpeShu.AI: доступ к моделям такого уровня и еще к сотням других нейросетей в одном окне, оплата российскими картами и по СБП, русскоязычный интерфейс, стабильный доступ без VPN.

В агрегаторе также есть AI-Студия SpeShu: там собраны все инструменты для контента, которые обычно ищут по отдельности. Раньше для удаления фона, замены лица, оживления старых фотографий приходилось искать отдельный сайт под каждую функцию, регистрироваться и разбираться в интерфейсе — теперь всё собрано в одном месте.

Итог: что лучше

GLM-5.2 выигрывает по цене за токен — дешевле в 2–3.4 раза. По лицензии — MIT без каких-либо ограничений по доходу компании. По реалистичности самохостинга — требования к устройству заметно ниже. По SWE-bench Pro — 62.1%, лучший результат среди открытых моделей на дату выхода. И по доступности через популярные среды разработки вроде Claude Code и Cline с первого дня.

Kimi K3 выигрывает по независимому Intelligence Index — 60 против 51 у GLM-5.2. По Terminal-Bench 2.1 — 88.3% против 81.0%. По максимальному объему вывода — миллион токенов против 128 тысяч. По нативной мультимодальности с поддержкой изображений. По GDPval-AA v2 — 1686 Elo, выше, чем у Opus 4.8. По месту в общем рейтинге BenchLM — седьмое из 232 моделей. По количеству активных параметров — 104 миллиарда против 40. И по бесплатному прямому доступу через kimi.com.

Для каких задач что выбрать

Не полагайтесь на один сервис под все задачи сразу — выбор между этими моделями сильно зависит от того, что для вас важнее: юридическая простота или чистая мощность.

GLM-5.2 стоит выбрать, если важна минимальная юридическая сложность лицензии — MIT без ограничений по доходу подходит и стартапу, и корпорации. Также если у вас ограниченные вычислительные ресурсы для самостоятельного хостинга, и если задача — классический кодинг, где модель показывает сильный результат на SWE-bench Pro.

Kimi K3 стоит выбрать, если нужен максимальный объем вывода за один запрос — для длинной документации или генерации большой кодовой базы. Также если важна нативная работа с изображениями, если бюджет позволяет более высокую цену за токен ради лучшего результата на независимых бенчмарках, и если у вас есть инфраструктура для серьезного продакшен-деплоя с десятками GPU.

Как это выглядит на практике: три сценария

Цифры бенчмарков задают направление, но выбор часто определяется конкретной задачей. Разберем три частых сценария.

Первый — стартап или небольшая команда хочет развернуть открытую модель на собственных серверах без огромного бюджета на железо. Здесь GLM-5.2 практичнее: модель доступна на HuggingFace, требования к GPU реалистичны для команды среднего размера, а MIT-лицензия снимает вообще все юридические вопросы по мере роста компании и ее доходов.

Второй — продукт, где агенту нужно сгенерировать за один проход что-то действительно объемное: полную техническую документацию, большую кодовую базу, длинный многошаговый отчет. Здесь решает максимальный вывод: 128 тысяч токенов у GLM-5.2 против миллиона у Kimi K3 — разница в 7.8 раза, которая напрямую определяет, придется ли разбивать задачу на части или можно решить ее одним запросом.

Третий — задача с изображениями, где нужна нативная мультимодальность, а не отдельный пайплайн распознавания. GLM-5.2 на момент выхода такой поддержки не имеет вообще, тогда как Kimi K3 изначально спроектирована как мультимодальная модель с поддержкой 3D reasoning — здесь альтернативы у GLM-5.2 просто нет, вопрос выбора не стоит.

Общий вывод из всех трех сценариев: реальная задача определяет выбор сильнее, чем позиция модели в общем рейтинге бенчмарков.

Темп релизов в Китае: почему это важно для выбора

Обе компании выпускают открытые модели заметно чаще, чем принято было считать еще пару лет назад: между GLM-5.2 и GLM-5.3 прошло чуть больше двух месяцев, а разрыв между GLM-5.2 и Kimi K3 составил всего 33 дня. Это значит, что при выборе открытой модели для продакшен-проекта стоит закладывать регулярную проверку актуальных версий и бенчмарков — то, что было лучшим выбором в июне, к августу уже не отражает реальную картину рынка открытых моделей.

Подарок

Хотите на практике сравнить возможности разных языковых моделей на своих задачах — заберите бесплатный гайд «Как выжать 1000% из текстовых нейросетей».

Частые вопросы

Какая нейросеть лучше: GLM-5.2 или Kimi-K3? По большинству независимых метрик Kimi K3 мощнее — выше индекс интеллекта, лучше результат на Terminal-Bench, больше максимальный вывод. Но справедливее сравнивать Kimi K3 с обновленной GLM-5.3, где разрыв по индексу интеллекта полностью исчезает — обе набирают 60 баллов.

Почему GLM-5.2, несмотря на низкую цену за токен, может обходиться дорого на практике? Модель генерирует около 43 тысяч токенов на задачу, из которых 37 тысяч — служебные reasoning-токены, а не финальный ответ. Из-за этого реальная стоимость задачи вырастает до уровня примерно $0.46, что сопоставимо с куда более дорогими фронтирными моделями, несмотря на низкий тариф за миллион токенов.

Можно ли использовать эти модели коммерчески? Да, обе разрешают коммерческое использование, но на разных условиях. GLM-5.2 на лицензии MIT — без ограничений по доходу компании. Kimi K3 License бесплатна для компаний с доходом до 20 миллионов долларов в год, выше требуется отдельное соглашение с Moonshot.

Какая модель проще в самостоятельном хостинге? GLM-5.2 заметно доступнее — веса опубликованы на HuggingFace, и требования к оборудованию реалистичны для команды среднего размера. Kimi K3 весит около 1.5 терабайта, а для продакшен-деплоя Moonshot рекомендует минимум 64 GPU — это уровень крупного дата-центра, а не небольшой команды разработчиков.

Стоит ли ждать GLM-5.3 вместо использования GLM-5.2? Если вы только выбираете модель для нового проекта — да, разумнее ориентироваться на GLM-5.3: тот же ценник, та же архитектурная база, но результат по независимому индексу интеллекта заметно выше и полностью сравнялся с Kimi K3. GLM-5.2 остается актуальной только для тех, кто уже развернул ее в продакшене и не готов к миграции ради обновления.

Почему Kimi K3 называют крупнейшей открытой моделью в мире? По числу параметров — 2.8 триллиона общих и 104 миллиарда активных на токен — на момент релиза в июле 2026 года у нее не было конкурентов среди открытых моделей такого масштаба. Это отдельный показатель от качества ответов: большой размер дает запас мощности, но не гарантирует автоматическую победу на всех бенчмарках.

Заключение

GLM-5.2 и Kimi K3 — два разных подхода к открытой модели: юридическая простота и доступность самохостинга против чистой мощности и объема вывода. При выборе для нового проекта стоит помнить, что GLM-5.2 уже сменилась на GLM-5.3 с тем же ценником, но заметно более высоким результатом по независимым тестам. Попробовать обе модели без VPN и с оплатой в рублях можно на SpeShu.AI. 

Для читателей есть приятный бонус. Введите промокод HABRSPESHUAI при пополнении счета агрегатора и получите +15% на балланс.