O czym jest ten film
- Kimi K3 to obecnie najbardziej zdolny otwarty model o otwartych wagach (open weight).
- Wydajnością sięga poziomu modeli frontier (Fable 5, GPT 5.6) przy koszcie zbliżonym do GPT 5.6, a znacznie niższym niż Claude.
- Model nie ma zabezpieczeń (guardrails), co otwiera badania nad biologią, prawem czy medycyną, które modele frontier często blokują.
- Największą wartością nie jest sam model, lecz jego przyszłe destylacje uruchamialne na sprzęcie domowym.
- Wagi zostaną upublicznione 27 lipca, co pozwoli każdemu rozpocząć proces destylacji.
- Autor pokazuje, jak dziś modele Qwen działają na jego sprzęcie (RTX 5090, ASUS GX10) i jakie osiągają wyniki w indeksie inteligencji.
- Do końca sierpnia autor spodziewa się destylatów Kimi K3, które podniosą lokalne modele z okolic 30 do okolic 40 punktów w indeksie.
- Modele frontier (i Kimi K3) są szczególnie mocne w długich, wieloetapowych zadaniach — ta cecha byłaby cenna w modelach lokalnych.
- Kimi K3 wyróżnia się jakością wizualną projektów, co zmusi modele frontier do przyspieszenia w tym obszarze.
- Autor sygnalizuje też ryzyko bańki AI i możliwej korekty rynkowej, choć nie wierzy, że oznaczałaby ona koniec AI.
Redakcyjne tłumaczenie
Kimi K3 — nowy lider wśród modeli otwartych
Kimi K3 właśnie się ukazał i jest to najbardziej zdolny otwarty model o otwartych wagach, jaki dziś istnieje. To ogromna rzecz — ale nie będziemy tu mówić o szumie, tylko o strategii i o tym, dlaczego to jest ważne dla nas.
Zanim przejdziemy dalej, warto rzucić okiem na liczby, żeby zrozumieć, gdzie ten model się plasuje. Znajduje się na poziomie modeli frontier — Fable 5 czy GPT 5.6 — i to przy koszcie porównywalnym z GPT 5.6, a jednocześnie znacznie, znacznie tańszym niż Claude.
(Informacja dodatkowa: automatyczny transkrypt w kilku miejscach zniekształcił nazwy — „chemical 3” oznacza Kimi K3, a „Cloud Fable 5” i „Tropics” odnoszą się do modeli i firmy Anthropic).
Brak zabezpieczeń jako przewaga badawcza
To ważne, bo dostajemy z tym modelem szereg korzyści. Przede wszystkim ten model nie ma zabezpieczeń (guardrails), więc można prowadzić badania — na przykład nad biologią, co przy tamtych modelach frontier jest praktycznie niemożliwe. Można badać prawo, medycynę i inne dziedziny, w których czasem model odmawia odpowiedzi albo przekierowuje zapytanie do mniejszego modelu.
Prawdziwa szansa: destylacja
Jest jeszcze jeden element, który ekscytuje mnie najbardziej — pojawią się destylacje tego modelu. To właśnie mnie napędza. Nie sam model, bo model sam w sobie jest świetny i pokazuje, że modele open source są w tej chwili opóźnione o zaledwie miesiąc względem modeli frontier. Dowodzi też, że taki poziom inteligencji da się osiągnąć bez tego podejścia siłowego (brute force), które stosują duże zachodnie laboratoria AI.
A ponieważ 27 tego miesiąca, za dziesięć dni, zobaczymy publikację wag — to znaczy, że każdy będzie mógł faktycznie zajrzeć do środka i rozpocząć proces destylacji.
(Informacja dodatkowa: destylacja to technika, w której mniejszy model uczy się odwzorowywać zachowanie większego, dzięki czemu można go uruchomić na słabszym sprzęcie).
Chcę pokazać jeszcze jedną rzecz. Destylacja oznacza sprowadzenie modelu do rozmiaru, który da się uruchomić na naszym lokalnym sprzęcie. Bo z jednej strony taki Qwen 72B jest wprawdzie open weight i open source, i da się go uruchomić lokalnie — ale ten sprzęt potrafi kosztować setki tysięcy dolarów. Dla części korporacji czy laboratoriów badawczych to ma sens, ale dla większości z nas pozostaje poza zasięgiem.
Co da się dziś uruchomić lokalnie
Otwieram ten wykres, bo chcę pokazać konkret. Na moim sprzęcie — mam kartę 5090 — uruchamiam Qwen 3.6 27B. Osiąga on 37 punktów w Artificial Analysis Intelligence Index. Dla porównania Qwen 3.6 35B ma 32. Ten model uruchamiam na odpowiedniku DGX Spark, czyli na moim ASUS GX10.
Na GX10 model 35B z trzema miliardami aktywnych parametrów działa z prędkością około 60–70 tokenów na sekundę. Qwen 3.6 27B na moim 5090 działa z prędkością około 100–110 tokenów na sekundę. Te modele są więc całkiem niezłe. Jeśli przywykłeś do Gemma 4 — to jest właśnie ten poziom: 29 w jednym indeksie i 26 w drugim. Uruchamiając te modele, możesz sięgnąć po Qwen i osiągnąć taki właśnie poziom inteligencji.
Czego spodziewać się do końca sierpnia
Spodziewam się, że do końca sierpnia pojawią się destylowane modele wywodzące się z Kimi K3. Podniosą nas one z okolic 30 do prawdopodobnie okolic 40 punktów. Możliwe, że możliwościami będą przypominać MiniMax czy DeepSeek w wersji 4, ale z inną architekturą i innym sposobem „myślenia”.
Te duże modele frontier — Fable 5, GPT 5.6 czy Kimi K3 — są naprawdę dobre w długich zadaniach. Dajesz takiej AI cel, coś, co wymaga przejścia przez wiele etapów, a te modele nie zawodzą w takim środowisku. Ta zdolność będzie fantastyczna do posiadania w modelach, które możemy uruchamiać lokalnie. I to właśnie ekscytuje mnie najbardziej — mieć taki destylowany model działający na własnym sprzęcie to coś, na co warto czekać.
Przewaga wizualna Kimi K3
Wracając do samego Kimi K3: w niektórych benchmarkach potrafi przewyższyć GPT 5.6 i Fable 5. W innych wypada niżej, ale jest jeden obszar, w którym jest znakomity — projektowanie. Cokolwiek tworzysz wizualnie, wychodzi lepiej niż w tamtych dwóch modelach.
To jest strategicznie ciekawe. Jako ludzie mamy trudność z oceną, czy jeden model jest lepszy od drugiego, zwłaszcza gdy różnią się o kilka punktów procentowych. Ale wizualnie jesteśmy naprawdę dobrzy w wychwytywaniu różnic — nawet te 5% jesteśmy w stanie zauważyć.
Kimi K3 jest pod tym względem lepszy. Oczywiście to kwestia gustu, ale bywa, że różnica jest wyraźnie zauważalna. A to coś znaczy dla przyszłości tych modeli. W chwili, gdy coś wygląda ładnie, wybierasz to. „Ta strona jest ładniejsza — biorę tę”. Jeśli gdzieś jest błąd, naprawię go. Ale jeśli coś wizualnie nie cieszy oka, mamy problem. Jeśli tworzę grę, ulotkę, prezentację, cokolwiek — i ten artefakt wygląda lepiej w wykonaniu Kimi K3, wybiorę Kimi K3. Taka jest prawda.
To popchnie każdy model frontier w tym kierunku. Sądzę więc, że zobaczymy przyspieszenie w jakości wizualnej — i to będzie ogromna korzyść. Nie wiem jak ty, ale ja dbam o warstwę wizualną. Zależy mi, żeby rzeczy wyglądały poprawnie, żeby wyglądały właściwie. Może to mój kreatywny background; może inni nie przywiązują do tego takiej wagi, ale dla mnie to ważne. I cieszy mnie, że pojawia się teraz ta przewaga po stronie modeli open source, której modele frontier nie mają.
Otwarte modele i ich nisza
I znów — najważniejsza część: brak zabezpieczeń. To ogromna rzecz. Dla tych, którzy prowadzą badania, w zasadzie nie ma alternatywy — jest jeden model, którego mogą użyć, i jest nim Kimi K3.
To przyspieszy sporo innowacji. Fakt, że teraz każdy może mieć dostęp do czegoś w rodzaju starszego badacza (senior researcher), z którym można zacząć pracę i myślenie na wysokim poziomie o nauce i biologii, odblokuje wiele możliwości. To nie znaczy, że te modele są teraz twoim lekarzem czy najlepszym ekspertem. Znaczy jedynie, że pojawia się droga, by pchać w tym kierunku.
Te otwarte modele nie mają problemu napędzania strachu, żeby przyciągnąć inwestorów — po prostu będą coraz lepsze. Mają teraz niszę, której modele frontier z USA — OpenAI, Anthropic, xAI i Gemini — nie mogą tknąć. I to będzie naprawdę interesujące.
Ryzyko bańki i korekty rynkowej
Może zmieni się prawo, może zmieni się kierunek, może wydarzy się coś jeszcze, bo rynek musi się dostosować. Sposobów na dostosowanie jest wiele, a jednym z nich jest krach finansowy. Ten element też leży na stole — istnieje takie ryzyko.
Nie sądzę jednak, żeby krach, który zobaczymy, jeśli ta bańka pęknie, oznaczał koniec AI. AI jest użyteczne, korzystamy z niego, ja korzystam codziennie. Jeśli tu jesteś, to dlatego, że go używasz i widzisz korzyści. Ono nie zniknie. To, co mamy w tej chwili, to bańka — czyli oderwanie ceny od rzeczywistości. Korekta oznacza, że cena na chwilę wróci do rzeczywistości. Bo my, ludzie, kochamy bańki — więc potem ludzie wrócą i będą pompować kolejną, jeszcze większą bańkę.
Mimo to być może to moment, by zachować ostrożność. Oczywiście to nie jest porada finansowa, ale już widzimy, jak rynek się dostosowuje. Wygląda na to, że wielu ludzi zdaje sobie sprawę, że sporo tej technologii było przewartościowane. Nie sądzę, żebyśmy weszli w tryb paniki — bo to właśnie wtedy bańka pęka: gdy ludzie wpadają w panikę i zaczynają bardzo szybko sprzedawać. Pieniądze wychodzą z rynku zbyt szybko, żeby zdążył się dostosować, i ten strach wywołuje potężny krach. Na razie tego strachu nie widać, ale widzieliśmy już 20-procentowe korekty na niektórych z tych akcji — a to niemało. I nie wygląda na to, żeby ten kierunek miał się zatrzymać. Zobaczymy, co się wydarzy, ale ja jestem podekscytowany AI.
Zakończenie
Napisałem obszerny artykuł (deep dive) z mnóstwem obserwacji o tym modelu, o strategii oraz z liczbami z benchmarków. Jeśli chcesz przeczytać więcej — link w opisie. Dziękuję, że oglądałeś do końca. Jeśli jeszcze tego nie zrobiłeś — zostaw łapkę i subskrybuj, a jeśli nie dołączyłeś do społeczności, jesteśmy na Discordzie i codziennie prowadzimy zajęcia. Dołącz do nas. Ciao.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Modele open source są tuż za frontier — dystans to ~miesiąc
Na czym polega: Kimi K3 dorównuje modelom frontier (Fable 5, GPT 5.6) przy koszcie zbliżonym do GPT 5.6 i znacznie niższym niż Claude, co pokazuje, że przewaga zamkniętych laboratoriów mocno się skurczyła.
Jak stosować: Planując budżet na AI, testuj otwarte modele jako realną alternatywę dla droższych API frontier — zwłaszcza przy zadaniach masowych, gdzie koszt tokena decyduje.
Na co uważać: „Miesiąc opóźnienia” to ocena autora, nie twardy fakt; benchmarki bywają wybiórcze, a Kimi K3 w części testów wypada gorzej niż konkurencja.
2.Prawdziwą wartością jest destylacja, nie sam model
Na czym polega: Po publikacji wag (27 lipca) powstaną destylaty Kimi K3 — mniejsze modele odtwarzające jego zdolności na sprzęcie domowym.
Jak stosować: Jeśli zależy ci na lokalnym uruchamianiu AI, obserwuj repozytoria z destylatami od końca sierpnia zamiast inwestować dziś w drogi sprzęt pod pełny model.
Na co uważać: Terminy i skok wydajności (z ~30 do ~40 w indeksie) to prognozy autora; destylacja zawsze traci część możliwości oryginału.
3.Brak zabezpieczeń otwiera zablokowane dziedziny badań
Na czym polega: Kimi K3 nie ma guardrails, więc odpowiada na pytania z biologii, prawa i medycyny, które modele frontier często blokują lub przekierowują do słabszego modelu.
Jak stosować: Wykorzystaj to do wstępnej pracy badawczej i eksploracji hipotez w dziedzinach, gdzie komercyjne modele odmawiają współpracy.
Na co uważać: Brak zabezpieczeń to również brak filtrów jakości i bezpieczeństwa — model nie jest lekarzem ani ekspertem; weryfikuj każdą odpowiedź i uważaj na odpowiedzialność prawną oraz etyczną.
4.Znaj wydajność swojego sprzętu w tokenach na sekundę
Na czym polega: Autor pokazuje konkretne liczby: Qwen 3.6 27B na RTX 5090 to ~100–110 tok/s, a model 35B na ASUS GX10 to ~60–70 tok/s.
Jak stosować: Zmierz przepustowość własnego sprzętu i wynik w indeksie inteligencji, zanim wybierzesz model — to realna podstawa decyzji, a nie same nazwy modeli.
Na co uważać: Wyniki zależą od kwantyzacji, długości kontekstu i konfiguracji; liczby autora dotyczą jego zestawu i nie przełożą się 1:1 na twój.
5.Do długich, wieloetapowych zadań wybieraj modele mocne w „long task”
Na czym polega: Modele frontier i Kimi K3 nie gubią się w zadaniach wymagających wielu kroków ku jednemu celowi — i tej cechy najbardziej brakuje modelom lokalnym.
Jak stosować: Zadania agentowe i wieloetapowe workflow zlecaj modelom sprawdzonym w długim horyzoncie; do prostych, krótkich zapytań wystarczy mniejszy model lokalny.
Na co uważać: Dopóki destylaty nie przejmą tej zdolności, lokalne modele mogą zawodzić przy złożonych łańcuchach — nie zakładaj z góry, że mniejszy model podoła.
6.Jakość wizualna staje się realnym kryterium wyboru modelu
Na czym polega: Kimi K3 tworzy wizualnie lepsze artefakty (strony, ulotki, prezentacje), a ludzie łatwo wychwytują nawet 5-procentową różnicę estetyczną.
Jak stosować: Przy pracy nad UI, materiałami graficznymi czy prezentacjami testuj kilka modeli i wybieraj po efekcie wizualnym — to często decyduje o użyteczności wyniku.
Na co uważać: Ocena estetyki jest subiektywna; „ładniej” nie znaczy „poprawnie” — zawsze sprawdzaj funkcjonalność i błędy pod ładną warstwą.
7.Otwarte modele mają niszę nietykalną dla frontier
Na czym polega: Brak presji przyciągania inwestorów i brak zabezpieczeń dają modelom open source obszar (np. badania bez ograniczeń), w który firmy frontier nie mogą wejść.
Jak stosować: Buduj procesy i narzędzia oparte na otwartych modelach tam, gdzie liczy się swoboda badawcza, kontrola i niezależność od polityk komercyjnych dostawców.
Na co uważać: Prawo może się zmienić — autor sam to zastrzega; nisza oparta na „braku regulacji” jest z natury niestabilna.
8.Presja open source przyspieszy rozwój modeli zamkniętych
Na czym polega: Przewaga wizualna Kimi K3 zmusi modele frontier do nadrabiania w tym obszarze, co przyspieszy poprawę jakości u wszystkich.
Jak stosować: Nie przywiązuj się na stałe do jednego dostawcy — spodziewaj się szybkich skoków jakości i regularnie porównuj modele przy kolejnych projektach.
Na co uważać: To prognoza dynamiki rynku, nie gwarancja; kierunek rozwoju może pójść inaczej, niż zakłada autor.
9.Traktuj obecną wycenę AI jako możliwą bańkę
Na czym polega: Autor widzi oderwanie cen od rzeczywistości i już zaobserwowane korekty rzędu 20% na niektórych akcjach, choć nie wierzy w koniec AI.
Jak stosować: Przy decyzjach biznesowych i inwestycyjnych zakładaj scenariusz korekty — nie buduj planów wyłącznie na założeniu nieprzerwanego wzrostu.
Na co uważać: To wyraźnie nie jest porada finansowa; przewidywania rynkowe są niepewne, a „bańka” to interpretacja autora, nie ustalony fakt.
10.Rozdziel użyteczność technologii od wyceny rynku
Na czym polega: Nawet jeśli bańka pęknie, AI pozostanie użyteczne — korekta dotyczy cen, nie realnej wartości narzędzi używanych na co dzień.
Jak stosować: Oceniaj wdrożenia AI po konkretnej korzyści dla twojej pracy, a nie po nastrojach rynkowych czy nagłówkach o krachu.
Na co uważać: Panika (masowa, szybka wyprzedaż) to właśnie moment pęknięcia bańki — nie myl krótkoterminowych ruchów rynku z długoterminową przydatnością technologii.