Kimi K3 vs GLM 5.2 для разработки: capability, цена и self-host

Команда перевела coding agent с Claude на «дешёвую open-модель» и через неделю спорит о результате. У одних merge rate почти не изменился, а счёт за токены упал. У других агент стал длиннее, чаще переписывал одни и те же файлы, а экономия на прайсе съелась числом итераций.

В июне–июле 2026 на эту развилку одновременно вышли два сильных игрока open/near-frontier класса: GLM 5.2 от Z.ai (Zhipu) и Kimi K3 от Moonshot. Оба целятся в agentic coding и контекст порядка миллиона токенов. Оба уже сравнивают с Claude Opus 4.8, Claude Fable 5 и GPT-5.6 Sol. Ниже — как читать эти сравнения, если вы выбираете модель под разработку, а не под лидерборд в чате.

После статьи можно ответить: когда брать GLM 5.2 как объёмный workhorse, когда тестировать Kimi K3 на сложных и multimodal задачах, и куда в этой лестнице ставить Opus и Fable.

Коротко: если нужна только суть

• Kimi K3 (Moonshot, 16 июля 2026) — 2,8T MoE, native vision, контекст 1M, сильный профиль на long-horizon coding и agentic work. На дату статьи доступ через API/`kimi-k3`; полные веса обещаны к 27 июля 2026.
• GLM 5.2 (Z.ai, середина июня 2026) — ~0,74–0,75T MoE, MIT-веса уже доступны, текст-first, заметно дешевле и обычно быстрее на API. Сильная open-weight ставка на рутинный agentic coding.
• На независимом Artificial Analysis Intelligence Index (снимок июля 2026, max reasoning) порядок примерно такой: Fable 5 ≈ 60, GPT-5.6 Sol ≈ 59, Kimi K3 ≈ 57, Opus 4.8 ≈ 56, GLM 5.2 ≈ 51. Цифры плывут — проверяйте дату snapshot.
• Vendor-таблицы Moonshot часто показывают крупный отрыв K3 от GLM на DeepSWE / SWE Marathon. На близких terminal-задачах разрыв меньше; на части независимых прогонов модели почти рядом.
• Прайс за миллион токенов врёт без cost per task: GLM тратит больше токенов на тот же ответ чаще, чем Opus; K3 дороже output, но выигрывает на cache-hit в coding workloads.
• Практичный паттерн: объём и повторяемые правки → GLM 5.2; дорогие сбои / multimodal / длинный агент → K3 или escalate на Fable/Opus/Sol.

Кто есть кто

Kimi K3

Moonshot позиционирует K3 как open 3T-class frontier: 2,8 трлн параметров, архитектура с Kimi Delta Attention и Attention Residuals, Stable LatentMoE (в материалах вендора — активация 16 из 896 experts), контекст до 1M токенов, native vision (изображения и видео в одном стеке с кодом).

Официальный API на запуске: cache-hit input $0,30 / MTok, cache-miss input $3 / MTok, output $15 / MTok. Для coding Moonshot заявляет cache hit rate выше 90% на своём инференсе. На запуске thinking effort по умолчанию — max; более лёгкие режимы обещаны позже.

Сам вендор честно пишет: по общему UX K3 всё ещё отстаёт от Claude Fable 5 и GPT-5.6 Sol. Это важно: «открытый frontier» ≠ «замена закрытого флагмана во всех сценариях».

GLM 5.2

Z.ai выпустила GLM 5.2 как coding-first флагман open-weight линейки: порядка 744–753B параметров MoE (в обзорах встречаются оба округления), активных на токен существенно меньше полного размера, контекст до 1M (часто через отдельный идентификатор вроде `glm-5.2[1m]`), веса под MIT.

Публичные API-прайсы в обзорах июля 2026 обычно указывают около $1,40 / MTok input и $4,40 / MTok output — в несколько раз дешевле output K3 и заметно дешевле Opus/Fable. Точные цифры лучше сверять в кабинете провайдера: скидки, Coding Plan и зеркала (включая российский контур) меняют TCO.

Базовый GLM 5.2 — text-first. Для задач «почини UI по скриншоту» это сразу другой класс нагрузки, чем у K3.

Как читать бенчмарки, чтобы не обмануть себя

Почти все громкие цифры июля 2026 сняты в разных agent harness: KimiCode, Claude Code, Codex, Terminus 2, mini-SWE-agent. Harness задаёт tools, retries, лимиты ходов и иногда fallback на другую модель. Сравнивать «67,5 против 46,2» без этой оговорки — плохая инженерия.

• Одинаковый независимый harness (Artificial Analysis, Vals, DeepSWE на mini-SWE-agent) — лучший сигнал для относительного порядка.
• Таблица вендора «мы прогнали всех» — полезный ориентир, но это не независимый суд.
• Лучший score модели на её родном harness — маркетинг throughput’а экосистемы, не чистая сила весов.
• Elo на Frontend Arena — человеческое предпочтение на UI-задачах; плохо переносится на backend-рефакторинг монорепы.

Рабочее правило: сначала смотрите независимый индекс и один-два coding бенчмарка на общем harness, потом — vendor gap на long-horizon, потом — свой прогон на вашем репозитории. Последний пункт обычно важнее первых двух.

Kimi K3 vs GLM 5.2 на разработке

На Artificial Analysis (июль 2026, max) K3 выше GLM по Intelligence / Coding / Agentic sub-index. Это согласуется с картиной «K3 — более сильная общая модель».

На coding-специфике картина тоньше:

• Terminal / bounded agent tasks — разрыв часто небольшой. В части независимых прогонов Terminal-Bench 2.1 модели оказываются рядом (~81).
• Long-horizon / marathon-style — в таблице Moonshot отрыв K3 от GLM большой (DeepSWE, FrontierSWE, SWE Marathon). Читайте как сигнал «на длинных автономных сессиях K3 выглядит сильнее», а не как точный процент для вашего CI.
• Frontend + vision — преимущество K3 структурное: модель видит скриншот и правит код в одном контуре. GLM здесь либо отстаёт, либо требует внешнего vision-слоя.
• Hallucination tradeoff — в разборах AA-Omniscience у GLM иногда выше non-hallucination rate при более низкой accuracy. Для агента, который «уверенно» ломает прод, это не академическая деталь.

Итог для engineering manager: GLM 5.2 — разумный default на повторяемые правки, тесты, небольшие PR и высоковольтный CI-агент. K3 — кандидат на сложные многошаговые задачи, multimodal UI/game/CAD-контуры и случаи, где цена ошибки высока, а бюджет на токены ещё терпит.

Где здесь Opus 4.8, Fable 5 и GPT-5.6 Sol

Закрытый верхний этаж в июле 2026 обычно делят Claude Fable 5 и GPT-5.6 Sol. Claude Opus 4.8 остаётся сильным рабочим default Anthropic: дешевле Fable, слабее на самых жёстких agentic/SWE-pro задачах, часто спокойнее по калибровке.

• Fable 5 — Mythos-класс Anthropic: выше capability, примерно 2× прайс Opus ($10/$50 vs $5/$25 за MTok в типичных публичных прайсах). Имеет смысл, когда модель реально сокращает число агент-циклов на трудной задаче.
• Opus 4.8 — повседневный closed coding workhorse. Многие команды оставляют его на escalate, даже если объём уехал на GLM/K3.
• GPT-5.6 Sol — верхняя полка OpenAI/Codex-экосистемы; на части независимых SWE-прогонов лидирует или делит первое место с Fable.
• Kimi K3 — ближайший open/near-open претендент к этой полке по AA Index; на отдельных coding suites почти догоняет Fable, на других отстаёт.
• GLM 5.2 — лучший (или один из лучших) open-weight workhorse до появления K3; к Opus близок на tool-use / части agentic, отстаёт на самых длинных и самых жёстких repo-задачах.

FinOps: прайс токена, cost per task и self-host

Строка в прайсе — ещё не юнит-экономика агента. Считайте хотя бы четыре слоя:

1. $/MTok list — вход, выход, cache.
2. Токены на задачу — thinking, retries, переписывание файлов, длинный tool loop. Дешёвая модель с 3× токенами может проиграть «дорогой» на cost per task.
3. Цена ошибки — красный CI, откат релиза, час инженера на разбор «уверенного» патча.
4. Модель поставки — публичный API, enterprise tenant, self-host на своих/арендованных GPU.

Грубая карта на середину июля 2026:

• GLM 5.2 — низкий list price и высокий throughput; выгоден на объёме, если harness не раздувает траекторию.
• Kimi K3 — дороже output, но официальный cache-hit $0,30 делает coding-сессии заметно дешевле «холодного» прайса; выгоден, когда capability реально снижает число кругов.
• Opus 4.8 — дороже GLM по токену, часто эффективнее по токенам на ответ; хороший escalate.
• Fable 5 / Sol — максимальная capability; окупаются на трудных задачах, где меньше циклов важнее sticker price.

Self-host меняет уравнение ещё раз: вы платите за GPU-часы и утилизацию, а не за MTok. Для ориентира по картам под open-weight инференс удобен калькулятор self-host LLM; для сравнения облачных GPU в РФ — каталог GPU. Модель «скачал веса = бесплатно» ломается о память, сеть и простой кластера так же, как любой другой inference workload.

Матрица выбора

Как выбрать за один день

1. Возьмите 10–20 реальных задач из вашего трекера: баги, небольшие фичи, один «сложный» рефакторинг, один UI-баг со скрином.
2. Прогоните одним и тем же harness (Claude Code / Cline / Kimi Code / свой агент) на GLM 5.2, Kimi K3 и вашем текущем default (часто Opus).
3. Считайте не «победил бенчмарк», а pass rate, число итераций, токены, $/задачу, время инженера на доводку.
4. Решите routing: что уходит в дешёвый объём, что — в escalate.
5. Отдельно проверьте compliance: можно ли слать код во внешний API, нужны ли веса в своём контуре, есть ли российский хостинг нужной версии.

• Повторяемый объём и self-host → GLM 5.2.
• Сложный multimodal / длинный автономный контур → Kimi K3 (и перепроверка после выхода весов).
• Нужен максимальный потолок или привычный closed UX → Fable 5 / Sol, с Opus 4.8 как более дешёвым escalate/default.
• Не хотите выбирать один раз навсегда → router: GLM на 70–80% задач, K3/Opus/Fable на хвост распределения сложности.

Ограничения, о которых вендоры пишут мельче

• K3 чувствителен к thinking history: если harness не возвращает историю рассуждений или сессию переключили с другой модели, качество может просесть. Moonshot рекомендует совместимый harness вроде Kimi Code.
• K3 обучен на long-horizon задачах и иногда излишне инициативен — полезно жёстко задавать границы в system prompt / `AGENTS.md`.
• GLM выигрывает цену и доступность весов, но на самых длинных автономных прогонах отставание от K3/Fable/Opus становится заметнее.
• Любой snapshot июля 2026 устареет быстро: веса K3, новые harness, зеркала в РФ и Coding Plan-тарифы двигают TCO без смены названия модели.

Вывод

Kimi K3 и GLM 5.2 — не два бренда одной полки. GLM забирает объём, контроль и юнит-экономику повторяемой разработки. K3 забирает более высокую capability-полку open/near-frontier сегмента и multimodal coding. Opus 4.8 и Fable 5 / Sol остаются закрытым эталоном, от которого open-модели отсчитывают дистанцию.

Выбирайте не модель с лучшим пресс-релизом, а конфигурацию «задача → harness → цена ошибки → cost per task». В июле 2026 разумная стартовая гипотеза проста: GLM 5.2 на поток, Kimi K3 на сложное, closed flagship — когда дешевле не ошибиться, чем сэкономить на токене.