Grok 4.6 против Kimi K3: всестороннее сравнение

TL;DR

Grok 4.6 — более сильный вариант по умолчанию, если вам нужен управляемый фронтирный API для агентного кодинга и интеллектуальной работы: он набирает 61 балл в индексе интеллекта Artificial Analysis, генерирует быстрее по текущим независимым измерениям и начинается с $2/$6 за миллион входных/выходных токенов.

Kimi K3 — более гибкий выбор, когда важны длина контекста и открытость модели. Он сочетает 2,8 трлн параметров, 104 млрд активных параметров и контекстное окно около 1 млн токенов, плюс открытые веса и нативную мультимодальность. Заявленная цена хостингового API выше — $3/$15 за миллион входных/выходных токенов, но попадания в кэш стоят всего $0,30 за миллион токенов.

Итог: выбирайте Grok 4.6 для экономичного хостингового агентного API; выбирайте Kimi K3 для 1M контекста, открытых весов и контроля инфраструктуры. Для задач кодирования тестируйте оба на ваших репозиториях, поскольку вендоры публикуют разные версии и методики бенчмарков.

Ключевые выводы

• Grok 4.6 был выпущен 12 августа 2026 года с акцентом на долгоработающие агенты, работу с кодовой базой, интеллектуальную работу и более амбициозные интерактивные/визуальные проекты.
• Kimi K3 — флагман Moonshot AI с 2,8T параметров, открытыми весами, Kimi Delta Attention, Attention Residuals, нативным зрением и контекстным окном на ~1M токенов.
• Независимая общая «интеллектуальность» почти равна: 61 у Grok 4.6 против 60 у Kimi K3.
• Grok 4.6 имеет более низкую базовую цену токенов: $2 за вход/$6 за выход против $3/$15 у Kimi K3.
• Kimi K3 предлагает примерно вдвое больше контекста и открытые веса; Grok 4.6 закрыт, но более эффективен по числу ходов и стоимости в ряде независимых агентных оценок.

Grok 4.6 vs Kimi K3: краткое сравнение

Что такое Grok 4.6?

Grok 4.6 — фронтирная модель SpaceXAI для кодинга, агентных задач и интеллектуальной работы. Компания заявляет, что релиз ориентирован на долгоработающие агенты и более амбициозные интерактивные и визуальные проекты, а не только на обновление бенчмарков. На практике это значит, что модель рассчитана на удержание задачи через множество шагов: исследование темы, навигация по кодовой базе, анализ информации, вызов инструментов и итерации к готовому приложению или артефакту.

Что изменилось по сравнению с Grok 4.5?

SpaceXAI сообщает о более длительном дополнительном обучении на курированных данных рассуждений, созданных моделью, продвинутых технических концепциях, высококачественных инженерных данных, а также об улучшенном оптимизаторе и рецепте обучения. Затем команда перегенерировала SFT-траектории с Grok 4.5 по задачам рассуждений и агентным стендам, отфильтровала проблемные трейс-логи и применила агентное подкрепляющее обучение в средах, охватывающих общий кодинг, оптимизацию ядра, веб-разработку, CAD и интеллектуальную работу.

Практический результат — модель не только набирает больше баллов, но и демонстрирует больше самопроверок и верификации на длинных траекториях. Это важно для агентов, потому что цена небольшой ошибки растет, когда модели разрешено редактировать файлы, вызывать инструменты или выполнять многошаговый план без постоянного участия человека.

Характеристики Grok 4.6

Что такое Kimi K3?

Kimi K3 — флагманская открытовесовая мультимодальная агентная модель Moonshot AI. Она сочетает суммарно 2,8 трлн параметров с 1M-токенным окном контекста и нативным зрением, что позиционирует её для задач длинного горизонта в кодинге, сквозной интеллектуальной работы, рассуждений и визуально-основанных софтверных задач.

В отличие от Grok 4.6, Kimi K3 предоставляет веса модели. В текущей официальной карточке указано 104B активных параметров во время инференса, так что вычислительный путь существенно меньше полной 2,8T, хотя развёртывание полной модели всё равно требует значительной инфраструктуры.

KDA, AttnRes и более разреженный MoE

Архитектура — один из главных дифференциаторов K3. Moonshot утверждает, что Kimi Delta Attention (KDA) и Attention Residuals (AttnRes) улучшают протекание информации на длинных последовательностях и в глубоких слоях. Stable LatentMoE повышает разреженность, так что на каждый токен активируются 16 из 896 экспертов. Вместе с изменениями в обучении и рецепте данных Moonshot сообщает примерно о 2,5× лучшей общей масштабируемости по сравнению с Kimi K2.

Характеристики Kimi K3

Grok 4.6 vs Kimi K3: сравнение бенчмарков

Самое чистое прямое сравнение — независимый индекс интеллекта Artificial Analysis, потому что обе модели оцениваются в одной рамке. Текущие баллы: 61 у Grok 4.6 (high) и 60 у Kimi K3 (max). Разница в 1 балл слишком мала, чтобы заявлять о «поколенческом» превосходстве. Полезнее понять, где каждая модель зарабатывает свой счёт.

Производительность в кодинге

SpaceXAI публикует несколько результатов по кодингу и инженерии ПО для Grok 4.6: 69,9% на CursorBench 3.2, 65,9% на DeepSWE 1.1, 61,3% на FrontierCode 1.1 Extended, 56,4% на APEX-SWE и 26,0% на Terminal-Bench 3.0. Они важны, поскольку покрывают редактирование репозиториев, агентную разработку ПО и работу в терминале, а не только тривию автодополнения кода.

Для Kimi K3 Moonshot публикует другой, но широкий набор кодовых тестов. В официальных материалах указано 67,5 на DeepSWE, 88,3 на Terminal-Bench 2.1, 81,2 на FrontierSWE, 77,8 на ProgramBench и 42,0 на SWE Marathon. Важная оговорка: Terminal-Bench 2.1 и 3.0 — разные версии, а FrontierSWE — не то же, что FrontierCode. Эти строки нельзя трактовать как «яблоки к яблокам» по одним лишь числам.

Источник: Moonshot AI / Kimi

Агентная и интеллектуальная работа

Именно в агентной работе Grok 4.6 выглядит сильнее всего. SpaceXAI сообщает 1753 Elo на GDPVal-AA v2, 57,5% на APEX-Agents и 1577 Elo на AA-Briefcase. Artificial Analysis независимо отмечает тот же паттерн: сильнейшие приросты Grok 4.6 — на задачах длинного горизонта с инструментами, а не на статических рассуждениях.

Kimi K3 также нацелен на агенты для интеллектуальной работы. Набор при запуске показывает сильные результаты на BrowseComp, GDPval-AA v2, JobBench, SpreadsheetBench 2 и визуально-агентных оценках. Еще важнее для разработчиков то, что API Kimi предоставляет ограничения выбора инструментов и динамическую загрузку инструментов — практичные контроллеры, когда агент должен использовать корпоративные системы или получать факты до ответа.

Источник: Moonshot AI / Kimi

Мультимодальность и визуальные рассуждения

Kimi K3 имеет более явную на уровне архитектуры историю про мультимодальность: Moonshot описывает нативные визуальные возможности и демонстрирует «vision in the loop» для геймдева, фронтенд-инжиниринга и CAD, где модель может инспектировать визуальную обратную связь и править код.

Grok 4.6 также принимает текст и изображения, и SpaceXAI заявляет, что модель выдаёт более сильные первые проходы по визуальным и интерактивным проектам, чем Grok 4.5. Разница меньше в вопросе «видит ли модель картинки», и больше — в философии развёртывания: Kimi — открытая мультимодальная модель, а Grok упаковывает визуальное понимание в управляемый фронтирный API и экосистему агентов.

Окно контекста: 500K vs 1M

Grok 4.6 поддерживает 500 000 токенов, тогда как Kimi K3 — около 1 миллиона токенов. Это делает Kimi очевидным выбором, когда рабочая нагрузка действительно требует более 500K токенов в одном запросе — например, очень большие репозитории, коллекции из нескольких книг или исключительно длинные агентные трейс-логи.

Однако размер контекста — это емкость, а не гарантия извлечения или качества рассуждений. Для продакшена тестируйте модель на ваших фактических сбоях длинного контекста: отслеживание межфайловых зависимостей, извлечение далеких фактов, обнаружение противоречий и устойчивость к инструкциям. RAG всё ещё может быть дешевле и более управляем, чем отправка миллиона токенов в каждом запросе.

Скорость и задержка

Artificial Analysis сейчас измеряет у Grok 4.6 65,8 токенов/с на выводе и у Kimi K3 40,7 токенов/с. После начала генерации Grok заметно быстрее в этой метрике. Но картина по первому токену обратная: у Kimi K3 измеренный TTFT — 3,27 с, тогда как у Grok 4.6 текущая провайдерская метрика начала стриминга существенно медленнее.

Это создаёт полезное продуктовое различие. Для интерактивного чата или IDE быстрый первый токен может сделать Kimi «отзывчивее», даже если полный ответ дольше. Для длинных генераций и агентных прогонов более высокое сквозное ускорение Grok может сократить хвост запроса. Провайдер, регион, усилие рассуждений, состояние кэша и размер запроса могут менять эти числа, так что воспринимайте их как текущий срез, а не постоянное свойство.

Grok 4.6 vs Kimi K3: цены API

При стандартных длинах контекста Grok 4.6 стоит $2 за миллион входных токенов, $0,50 за миллион кэш-хитов и $6 за миллион выходных токенов. Для промптов от 200K токенов xAI тарифицирует весь запрос по ставкам длинного контекста: $4 за вход, $1 кэш и $12 за выход за миллион токенов.

Kimi использует плоское тарифицирование pay-as-you-go по всему 1M окну. В API Kimi указано $0,30 за миллион токенов при попадании в кэш, $3 за миллион входных токенов и $15 за миллион выходных токенов. Это значит, что Kimi дешевле на кэш-хитах, но существенно дороже на «свежих» выходных токенах; преимущество Grok в цене сужается, когда запросы Grok пересекают порог длинного контекста 200K.

Заголовочные официальные цены API за 1M токенов. Запросы Grok с длинным контекстом (≥200K токенов промпта) используют более высокие ставки, не показанные на графике. Источник: цены API SpaceXAI и Kimi

На CometAPI Grok 4.6 сейчас указан по $1,60 за вход/$4,80 за выход за миллион токенов, тогда как Kimi K3 — $2,40 за вход/$12 за выход. Обе цены на 20% ниже заголовочных цен провайдеров, показанных на их страницах моделей CometAPI на момент написания.

Открытые веса vs проприетарная модель

Kimi K3 — модель с открытыми весами (скачиваемыми). Это даёт возможности исследований, тонкого контроля инфраструктуры, приватного инференса и развёртывания через сторонние стеки. Это не значит, что K3 «лёгкая»: модель на 2,8T параметров — серьёзный системный проект даже с разреженностью MoE и низкой точностью.

Grok 4.6 — проприетарная. Архитектура и число параметров не раскрываются, а доступ предоставляется как управляемый сервис. Компромисс — операционная простота: не нужно строить инференс-кластер, управлять весами или оптимизировать ядра, чтобы получить фронтирный уровень работы агентов.

Сильные и слабые стороны

Grok 4.6 vs Kimi K3: что выбрать?

Общая рекомендация: Grok 4.6 — более сильный хостинговый API по умолчанию для большинства разработчиков агентов. Kimi K3 — более гибкая фронтирная модель, когда 1M контекст, открытые веса и контроль развёртывания — обязательные требования, а не опции.

Как получить доступ к Grok 4.6 и Kimi K3 через CometAPI

Обе модели доступны в CometAPI. Страница Grok 4.6 указывает ID модели grok-4.6 и поддержку доступа в стиле Chat Completions / Responses, а страница Kimi K3 предоставляет kimi-k3 через унифицированную конечную точку CometAPI. Это упрощает A/B-тестирование — можно переключать ID модели, сохраняя аутентификацию и большую часть прикладной логики.

from openai import OpenAI
 import os

 client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key=os.environ["COMETAPI_KEY"],
 )

 for model in ["grok-4.6", "kimi-k3"]:
    response = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "user", "content": "Review this repository bug and propose a tested fix."}
        ],
    )
    print(model, response.choices[0].message.content)

Для продакшен-оценки держите промпт, инструменты, снимок репозитория и критерии успеха идентичными. Отслеживайте не только качество ответа, но и успешность вызовов инструментов, число ходов, суммарные входные/выходные токены, задержки и восстановление после неудачных вызовов. Это лучше предсказывает реальную стоимость агента, чем один бенчмарк.

Заключение

Самый важный результат сравнения Grok 4.6 vs Kimi K3 — их верхнеуровневая «интеллектуальность» гораздо ближе, чем различия в продуктовой философии. Независимая оценка сейчас ставит 61 против 60, но окружающая экономика и выборы по развёртыванию значительно различаются.

Grok 4.6 оптимизирован как управляемый фронтирный сервис: более низкие цены на новые токены, сильные агентные бенчмарки, более быстрая измеренная генерация и зрелый путь инструментов/API. Kimi K3 оптимизирован под гибкость: окно контекста 1M, масштаб 2,8T MoE, нативная мультимодальность и открытые веса.

Для большинства разработчиков, которым нужен лучший хостинговый дефолт для кодинга и долгоработающих агентов, Grok 4.6 — более безопасная стартовая точка. Если вашей системе необходимы >500K контекста, open-weight деплой, визуальный кодинг или контроль над инференс-стеком, Kimi K3 может быть лучшим архитектурным выбором, даже при более высокой цене токенов в хостинге.

Частые вопросы

Умнее ли Grok 4.6, чем Kimi K3?

В текущем индексе интеллекта Artificial Analysis у Grok 4.6 — 61, у Kimi K3 — 60. Это небольшой отрыв, а не решающий разрыв. На уровне задач перевес может меняться в зависимости от нагрузки.

Что лучше для кодинга?

Обе модели достойны для кодинга. Grok 4.6 сейчас имеет сильные агентные результаты и более низкую цену в хостинге; Kimi K3 предлагает большее окно контекста, открытые веса и сильные результаты в репозиториях/визуальном кодинге. Протестируйте на своём репозитории, так как вендоры используют разные версии бенчмарков.

У какой модели больше окно контекста?

Kimi K3 поддерживает около 1M токенов — примерно вдвое больше, чем 500K у Grok 4.6.

Какая дешевле?

Для стандартного контекста и «свежих» токенов Grok 4.6 дешевле: $2 за вход/$6 за выход против $3/$15 у Kimi K3. У Kimi более дёшевы кэш-хиты — $0,30/MTok, тогда как у Grok при достижении 200K токенов промпта применяются более высокие ставки.

Могу ли я развёртывать Kimi K3 самостоятельно?

Kimi K3 имеет открытые веса на Hugging Face, так что самостоятельный деплой возможен. Тем не менее полная модель на 2,8T — крайне крупная и требует серьёзной многовузловой или специализированной инференс-инфраструктуры для практической производительности.

Могу ли я развёртывать Grok 4.6 самостоятельно?

Публичных весов Grok 4.6 нет. Grok 4.6 предоставляется как проприетарная управляемая модель через SpaceXAI и партнёрские API.

Можно ли получить доступ к обеим через один API?

Да. В CometAPI сейчас доступны и Grok 4.6, и Kimi K3, что позволяет сравнивать их за единым API и биллингом.