Chińskie modele AI przejmują rynek. Poznaj Kimi K3.

O czym jest ten film

1. Chińskie laboratorium opublikowało nowy model Kimi K3, który na benchmarkach dorównuje najlepszym zamkniętym modelom ze Stanów Zjednoczonych.
2. Pojawienie się silnej, tańszej konkurencji przełamuje dotychczasowy monopol i zmienia politykę cenową dużych graczy (np. Anthropic).
3. Kimi K3 jest najlepszy w dwóch obszarach: długodystansowej pracy agentowej oraz projektowaniu przyjaznych interfejsów.
4. To największy (2,8 biliona parametrów), najdroższy i — według benchmarków — najlepszy chiński model do tej pory.
5. Model jest otwartowagowy (nie otwartoźródłowy); wagi mają być dostępne od 27 lipca, licencja jeszcze nie potwierdzona.
6. Uruchomienie modelu lokalnie w domu wymagałoby sprzętu za około milion złotych — realnie dostępne tylko dla firm.
7. Architektura MoE (mikstura ekspertów) plus nowy mechanizm uwagi KDA, multimodalność, milionowe okno kontekstowe i trzy poziomy „wysiłku” myślenia.
8. Gdzie korzystać: czat na kimi.com, narzędzie terminalowe Kimi Code (odpowiednik Claude Code) oraz API.
9. Warto przetestować „rój agentów” (Agent Swarm) oraz funkcję samodoskonalenia modelu na podstawie rozmów.
10. Ograniczenia: potrzeba pełnej historii myślenia, nadmierna proaktywność (nie potrafi odpuścić) i słabszy UX niż topowe modele z USA.

Redakcyjne tłumaczenie

Wstęp: konkurencja wreszcie istnieje

W świecie sztucznej inteligencji znów dzieje się bardzo dużo. Parę dni temu chińskie laboratorium opublikowało nowy model — Kimi K3 — który na benchmarkach dorównuje najlepszym zamkniętym modelom ze Stanów Zjednoczonych. W tym materiale wyjaśniam, co to wszystko znaczy, przechodzę przez najciekawsze fakty, pokazuję, jak i gdzie z tego korzystać oraz jakie zastosowania sam znalazłem.

Najważniejsza rzecz w całej tej premierze jest taka, że w końcu możemy przestać być osiołkiem podążającym za marchewką, którą podtyka nam Anthropic. Wcześniej ta gra wyglądała mniej więcej tak: „Claude Fable 5 będzie dostępny jeszcze przez tydzień”, a potem „a nie, jednak jeszcze tydzień” — i tak w kółko, marketingowa gadka. Teraz jest konkurencja. Wielkie dzięki, Kimi, że w ogóle istnieje.

Dzięki tej konkurencji Anthropic ogłosił na przykład, że Claude Fable 5 będzie dostępny we wszystkich planach Max i Premium, a w planach typu Pro użytkownicy dostaną jednorazowy, stodolarowy kredyt na wykorzystanie Fable 5. To nie jest rozwiązanie idealne, ale widać, że Anthropic nie spodziewał się, że tak dobry model otwartowagowy z Chin pojawi się tak szybko. To jest główny wniosek: mamy coś świetnego — świetny model dostępny za jedną trzecią ceny tego, co proponuje Anthropic. Monopol został przełamany, mamy konkurencję i bardzo się z tego cieszmy.

(Informacja dodatkowa: „otwartowagowy” oznacza, że publicznie udostępnione są parametry — wagi — modelu, ale nie dane treningowe. To coś innego niż pełne „open source”.)

Co potrafi Kimi K3 — pokaz makiety systemu macOS

Zanim przejdę do faktów krok po kroku, chcę pokazać projekt zbudowany przez jednego z użytkowników, który dobrze ilustruje mocne strony modelu. Kimi K3 jest dobry przede wszystkim w dwóch rzeczach: w długodystansowej pracy agentowej (dajesz jedno zadanie, a model po prostu ma je wykonać, nieważne, ile czasu to zajmie) oraz w projektowaniu przyjaznych interfejsów użytkownika.

Ten projekt powstawał 5 godzin i wykorzystał tzw. Agent Swarm — rój agentów, do którego jeszcze wrócę. Kimi K3 zbudowało w pełni klikalną makietę systemu operacyjnego macOS: są tam różne aplikacje, etykiety, można nawet pisać na czacie. To oczywiście tylko makieta, niekoniecznie praktyczna, ale pokazuje możliwości modelu.

Fakt 1: największy, najdroższy i najlepszy chiński model

Trzeba to powiedzieć wprost, bo to fakt: jest to największy, najdroższy i najlepszy chiński model do tej pory.

• Największy, bo ma 2,8 biliona parametrów (po angielsku: 2,8 tryliona). Większego po prostu nie ma.
• Najdroższy, bo kosztuje 3 dolary za milion tokenów wejściowych i 15 dolarów za milion tokenów wyjściowych.
• Najlepszy, bo tak twierdzą benchmarki.

Do czego jest porównywany? Do GPT‑5.6 i do Fable 5 — modeli ze Stanów, które jeszcze tydzień temu były absolutnie bezkonkurencyjne. Nie było szans, żeby jakikolwiek chiński model otwartowagowy się do nich zbliżył. A dziś, tydzień później, mamy to już możliwe.

Zaprezentowanych zostało sześć benchmarków, głównie wokół programowania:

• Deep SWE i Frontier SWE — model dostaje cudzy projekt i kod, ma rozwiązać błąd lub napisać funkcję. Kimi radzi sobie bardzo przyzwoicie.
• Terminal Bench — jak dobrze obsługuje komputer z poziomu terminala.
• Program Bench — pisanie programu lub funkcji od zera.
• SWE Maraton — jak dobrze radzi sobie w długich, długodystansowych zadaniach programistycznych (jak w przykładzie z makietą macOS).

Ciekawsze są benchmarki „general agents”, czyli praca nieprogramistyczna: przygotowywanie raportów, tworzenie tabel (Spreadsheet Bench), przeglądanie internetu (BrowseComp), automatyzacja powtarzalnych zadań. Kimi wypada przyzwoicie zarówno w zadaniach programistycznych, jak i w bardziej ogólnych zastosowaniach agentowych — czyli w tym, jak z AI korzystają osoby nieprogramujące, ale pracujące intelektualnie.

Fakt 2: model otwartowagowy — i ile kosztuje uruchomienie go w domu

Model jest otwartowagowy — to ważne, żeby nie mylić tego z otwartoźródłowym (open source). Żeby był open source, musiałyby zostać opublikowane wszystkie materiały, na których go uczono. Tutaj tak nie jest.

Wagi będą możliwe do pobrania dopiero od 27 lipca. Na ten moment nie jest to jeszcze dostępne i nie potwierdzono, na jakiej licencji — a więc nie wiadomo, czy będziemy mogli korzystać z modelu w pełni komercyjnie.

Skoro model teoretycznie da się pobrać na własny komputer — ile kosztowałoby uruchomienie go w domu? Tu trochę ostudzę oczekiwania: trzeba by wyłożyć przynajmniej milion złotych na sprzęt, który by go pociągnął. To gigantyczny model, a hostowanie go lokalnie jest realne tylko dla firm z odpowiednią infrastrukturą (chyba że ktoś ma zbędną bańkę).

Fakt 3: architektura, mechanizm uwagi i parametry techniczne

Trochę bardziej technicznie, ale postaram się wytłumaczyć to jasno także dla osób mniej technicznych.

Architektura MoE (mikstura ekspertów). Za każdym razem, gdy pojawia się zapytanie, nie uruchamia się cały „mózg” modelu — cała sieć neuronowa — a tylko 16 ekspertów. Wyobraźmy sobie wielki szpital z 896 lekarzami (bo tyle jest ekspertów wewnątrz modelu Kimi K3). Gdy przychodzi pacjent, rejestratorka — czyli wewnętrzny router — decyduje, którzy lekarze się nim zajmą: wzywa kardiologa i chirurga, ale nie ortopedę i dentystę, bo wie, że ten przypadek potrzebuje tylko określonych specjalistów. Tak dzieje się przy każdym kolejnym słowie, przy każdym tokenie: router wybiera 16 z 896 ekspertów, którzy zajmą się daną częścią zadania.

Nowy mechanizm uwagi KDA (Kimi Delta Attention). Załóżmy, że wrzucamy modelowi całą książkę, potem raport, potem tabelę. Normalnie przy każdej kolejnej odpowiedzi model musiałby patrzeć na całą książkę, cały raport i cały PDF, zanim cokolwiek odpowie. KDA działa inaczej: model prowadzi wewnętrzną notatkę tego, co pojawiło się wcześniej w rozmowie, dzięki czemu nie musi za każdym razem przeglądać wszystkiego — ma gotowe podsumowanie. To duże uproszczenie, ale tak najprościej można opisać ten mechanizm.

Multimodalność. Model przyjmuje tekst, dźwięk, zdjęcia i kod. Ma milionowe okno kontekstowe, więc można załadować do niego naprawdę dużo materiału. Ma też trzy poziomy zaangażowania w myślenie: standardowy, wysoki i maksymalny. Im wyższy, tym więcej tokenów model zużyje na myślenie i tym wolniej odpowie — poziom wybieramy bezpośrednio na kimi.com.

Gdzie uruchomić Kimi K3

Najprościej — i tak z tego korzystam osobiście — przez aplikację na kimi.com. Można tam za darmo porozmawiać z Kimi K3, ale trzeba liczyć się z długim czasem oczekiwania z powodu dużego obłożenia. Dlatego wykupiłem subskrypcję.

Oferta subskrypcji zmieniła się dosłownie w trakcie nagrania: wcześniej plany nazywały się bardziej „muzycznie” (Allegretto, Allegro), a teraz są to Plus, Pro, Max i Ultra. Plan Plus kosztuje około 75 zł miesięcznie. Sam go wykupiłem i uważam, że na start to bardzo przydatna i opłacalna inwestycja — pozwala sprawdzić, jak modele z chińskich laboratoriów działają inaczej niż te z amerykańskich. Mogę mówić w nieskończoność, ale najlepiej samemu się z tym pobawić i przetestować model na własnych zastosowaniach.

Drugi sposób korzystania to Kimi Code — odpowiednik Claude Code. Można go uruchomić w terminalu lub bezpośrednio w VS Code i pracować z nim na bieżąco, porównując np. z Claude Code, jak oba narzędzia pracują.

Wiem, że część osób jest sceptyczna wobec chińskich modeli. Jeśli nie chcecie wpuszczać agenta do plików i folderów na swoim głównym profilu (na macOS czy Windowsie), proste rozwiązanie to stworzenie osobnego profilu — nazwijcie go np. „agent” — i trzymanie w nim tylko tych plików, do których agent (Kimi Code, Claude Code czy inny) ma mieć dostęp. Trzeba tylko upewnić się, że ten oddzielny profil nie jest podłączony do OneDrive na Windowsie ani do iCloud na macu. Dzięki temu macie spokojną głowę, że agent nie sięgnie do prywatnych danych — a warto z agentów korzystać, bo to naprawdę przeskok możliwości.

Model można oczywiście uruchomić również przez API.

Rój agentów (Agent Swarm) i samodoskonalenie

Zastosowanie, które szczególnie polecam przetestować, roboczo nazwałem „niech żyje rój”. „Rój” to wewnętrzna umiejętność Kimi do wzywania Swarm of Agents — roju agentów. Przykład polecenia: „Zrób stronę na temat Kimi K3. Niech jeden agent przejrzy fora internetowe, inny oficjalną dokumentację, jeszcze inny przygotuje jedną wersję strony, a kolejny drugą” i tak dalej. Możemy wtedy podejrzeć, jak agenci pracują: jeden robi research w społeczności, inny w oficjalnych źródłach Kimi, jeszcze inny jest projektantem, a kolejny stres testerem strony. Wszyscy współpracują, a my możemy obserwować i moderować ich pracę oraz uczyć się przy okazji podejścia multiagentowego. Zdecydowanie to polecam — to świetne zastosowanie agentów AI.

Ciekawa jest też opcja w aplikacji webowej — włączenie funkcji „My Kimi” (przycisk enable self growth), dzięki której model sam się ulepsza na podstawie naszych rozmów i uczy się na bieżąco naszych preferencji. Wystarczy to odhaczyć.

Ograniczenia, o których warto wiedzieć

Na koniec ograniczenia, które sam zauważyłem z własnego doświadczenia:

1. Model wymaga zachowania całej historii myślenia. Przy pracy agentowej (np. w Kimi Code) — jeśli harness, czyli „uprząż” (na przykład Claude Code), nie przekazuje całego procesu myślenia, Kimi K3 może się trochę „rozjechać”. To trzeba mieć na uwadze.
2. Jest nadmiernie proaktywny. Gdy poprosiłem go o przygotowanie prostego portfolio o mnie, a nie mógł znaleźć w internecie informacji o jednym z moich projektów (Elton), szukał ich chyba przez pół godziny. Nie potrafił przerwać i powiedzieć: „Odpuszczam, zostawię tu puste miejsce i później dopytam”. Po prostu leciał dalej i się nie poddawał.
3. Słabszy UX niż topowe modele z USA. Sami twórcy przyznają, że pod względem doświadczenia użytkownika (VX) model ustępuje Claude Fable 5 i GPT‑5.6. Odstaje też od nich w innych kwestiach. Trzeba jednak oddać, że to naprawdę bardzo przyzwoity model.

Zadania na dziś

Dwa zadania do wykonania, jeśli chcecie:

1. Wykupcie subskrypcję Kimi K3 (Plus, ok. 75 zł to minimalna inwestycja) i sprawdźcie na swoich codziennych zastosowaniach, w czym ten chiński model i jego „uprząż” różnią się od amerykańskich odpowiedników.
2. Przetestujcie Agent Swarm — rój agentów. To świetna okazja, żeby opanować pracę multiagentową; praca agentów jest tu ciekawie zaprezentowana, każdy ma osobne okno kontekstowe i działa na swój własny sposób.

(Informacja dodatkowa: autor zaprasza na warsztaty z Claude’a dla nieprogramistów — clodmaster.pl — oraz na swój newsletter.)

10 najważniejszych takeaways — z kontekstem zastosowania

1.Chiński model otwartowagowy przełamał monopol — czas przetestować alternatywę

Na czym polega: Kimi K3 na benchmarkach dorównuje najlepszym zamkniętym modelom z USA (GPT‑5.6, Fable 5), a kosztuje około jednej trzeciej tego, co proponuje Anthropic. Sama presja konkurencji już poprawiła oferty dużych graczy.

Jak stosować: Traktuj Kimi K3 jako realną, tańszą alternatywę do porównania z modelami, których używasz na co dzień. Zacznij od czatu na kimi.com, a jeśli pracujesz z kodem — od Kimi Code.

Na co uważać: „Dorównuje na benchmarkach” nie znaczy „dorównuje we wszystkim” — sami twórcy przyznają, że UX i część zastosowań ustępuje modelom z USA. Weryfikuj na własnych zadaniach, nie na tabelach.

2.Mocne strony to praca długodystansowa i projektowanie interfejsów

Na czym polega: Model najlepiej sprawdza się w zadaniach agentowych, które trwają długo (dajesz jedno polecenie i model doprowadza je do końca), oraz w budowaniu przyjaznych UI — jak 5‑godzinna, klikalna makieta macOS.

Jak stosować: Zlecaj mu złożone, wieloetapowe zadania i prototypy interfejsów, zamiast tylko krótkich pytań. To tam ujawnia się jego przewaga.

Na co uważać: Długie zadania kosztują więcej tokenów i czasu; efekty typu makieta macOS bywają bardziej efektowne niż praktyczne. Sprawdzaj, czy wynik nadaje się do produkcyjnego użycia.

3.Cennik i skala modelu wpływają na koszty

Na czym polega: To największy chiński model (2,8 biliona parametrów), z ceną 3 USD za milion tokenów wejściowych i 15 USD za milion wyjściowych.

Jak stosować: Przy pracy przez API szacuj koszty z góry — zwłaszcza przy długich kontekstach i wysokim poziomie myślenia, gdzie liczba tokenów rośnie.

Na co uważać: Tokeny wyjściowe są pięciokrotnie droższe od wejściowych. Rozbudowane, „gadatliwe” odpowiedzi i tryb maksymalnego myślenia potrafią szybko podnieść rachunek.

4.Otwartowagowy ≠ open source, a lokalny hosting jest poza zasięgiem domu

Na czym polega: Publikowane są wagi (od 27 lipca), ale nie dane treningowe. Licencja nie jest jeszcze potwierdzona, a uruchomienie modelu lokalnie wymaga sprzętu za około milion złotych.

Jak stosować: Jeśli zależy Ci na kontroli i prywatności, planuj korzystanie przez chmurę/API, a nie lokalnie. Do zastosowań komercyjnych poczekaj na potwierdzenie licencji.

Na co uważać: Nie zakładaj z góry, że „otwartowagowy” oznacza swobodne użycie komercyjne — dopóki licencja nie jest znana, to ryzyko prawne.

5.Architektura MoE — aktywna jest tylko część modelu

Na czym polega: Przy każdym tokenie router wybiera 16 z 896 „ekspertów”, zamiast uruchamiać całą sieć. To pozwala łączyć ogromną skalę z rozsądną wydajnością.

Jak stosować: To wiedza kontekstowa — tłumaczy, dlaczego tak duży model potrafi działać relatywnie sprawnie. Przydatne przy porównywaniu architektur i szacowaniu wydajności.

Na co uważać: MoE nie gwarantuje jakości w każdej dziedzinie — dobór ekspertów zależy od routera i danych treningowych. Nie myl liczby parametrów z jakością odpowiedzi.

6.KDA i milionowy kontekst — model radzi sobie z dużą ilością materiału

Na czym polega: Mechanizm KDA prowadzi wewnętrzne „notatki” z rozmowy, więc nie musi za każdym razem przeglądać całości. W połączeniu z milionowym oknem kontekstowym pozwala ładować bardzo duże dokumenty.

Jak stosować: Wykorzystaj do pracy z obszernymi materiałami — książkami, raportami, zestawami PDF‑ów — w jednej sesji.

Na co uważać: Podsumowywanie kontekstu to uproszczenie — model może pominąć szczegóły z wcześniejszych dokumentów. Przy krytycznych detalach przypominaj je wprost w prompcie.

7.Trzy poziomy myślenia — świadomie balansuj jakość, czas i koszt

Na czym polega: Na kimi.com można wybrać poziom wysiłku: standardowy, wysoki, maksymalny. Wyższy poziom to więcej tokenów na myślenie, lepsze rozumowanie, ale wolniejsza i droższa odpowiedź.

Jak stosować: Prostym zadaniom dawaj poziom standardowy, a maksymalny rezerwuj na złożone problemy wymagające głębokiego rozumowania.

Na co uważać: Domyślne trzymanie się maksymalnego poziomu niepotrzebnie spowalnia pracę i podnosi koszty przy zadaniach, które tego nie wymagają.

8.Rój agentów (Agent Swarm) do nauki pracy multiagentowej

Na czym polega: Kimi potrafi rozdzielić zadanie na wielu wyspecjalizowanych agentów (research, projektant, tester), których pracę można na żywo obserwować i moderować.

Jak stosować: Użyj do zadań, które naturalnie dzielą się na role — np. „jeden agent przejrzy fora, inny dokumentację, kolejny przygotuje wersję strony”. To dobry sposób, by nauczyć się orkiestracji agentów.

Na co uważać: Więcej agentów to więcej czasu i tokenów. Obserwuj przebieg i przerywaj, jeśli któryś agent utknie lub odbiega od celu.

9.Chroń prywatność przez osobny profil systemowy

Na czym polega: Aby nie wpuszczać agenta do prywatnych plików, autor radzi stworzyć osobny profil (np. „agent”) i trzymać tam tylko pliki, do których agent ma mieć dostęp.

Jak stosować: Załóż dedykowany profil na macu lub Windowsie i pracuj w nim z agentami AI, ograniczając zakres dostępnych danych.

Na co uważać: Upewnij się, że ten profil nie synchronizuje się z iCloud (mac) ani OneDrive (Windows) — inaczej dane i tak wyciekną do chmury. To dotyczy każdego agenta, nie tylko chińskiego.

10.Znaj ograniczenia: historia myślenia i nadmierna proaktywność

Na czym polega: Model wymaga przekazywania pełnej historii myślenia — bez niej (jeśli harness jej nie podaje) potrafi się „rozjechać”. Bywa też nadmiernie proaktywny: nie odpuszcza zadania, którego nie da się wykonać (np. szukał brakującej informacji pół godziny).

Jak stosować: Przy pracy agentowej używaj harnessu przekazującego pełen ślad rozumowania. W poleceniach z góry określaj warunki przerwania: „jeśli nie znajdziesz informacji, zostaw puste miejsce i dopytaj”.

Na co uważać: Bez jasnych ograniczeń model może marnować czas i tokeny na zadania niewykonalne. Nadzoruj długie przebiegi i wyznaczaj limity.