Grok 4.6 ile Kimi K3: Kapsamlı karşılaştırma

TL;DR

Grok 4.6 ajan tabanlı kodlama ve bilgi işi için yönetilen bir öncü API istiyorsanız daha güçlü varsayılandır: Artificial Analysis Intelligence Index’te 61 puan alıyor, bağımsız güncel ölçümlerde daha hızlı üretim yapıyor ve milyon başına girdi/çıktı belirteçlerinde $2/$6’dan başlıyor.

Kimi K3 bağlam uzunluğu ve model açıklığı önemli olduğunda daha esnek seçimdir. 2,8 trilyon parametreyi, 104B aktif parametreyi ve yaklaşık 1M-belirteç bağlam penceresini, ayrıca açık ağırlıkları ve yerel çok modluluğu birleştirir. Öne çıkan barındırmalı API fiyatı milyon başına girdi/çıktı belirteçlerinde $3/$15’tir, ancak önbellek isabetleri milyon belirteç başına yalnızca $0,30’dur.

Sonuç: maliyet-etkin barındırmalı ajan API’si için Grok 4.6; 1M bağlam, açık ağırlıklar ve altyapı kontrolü için Kimi K3. Kodlama için, satıcılar farklı kıyaslama sürümleri ve harness’lar yayınladığı için kendi depolarınızda ikisini de test edin.

Öne Çıkanlar

• Grok 4.6, uzun süre çalışan ajanlar, kod tabanı çalışmaları, bilgi işi ve daha iddialı etkileşimli veya görsel projelere özel vurgu ile 12 Ağustos 2026’da yayınlandı.
• Kimi K3, Kimi Delta Attention, Attention Residuals, yerel görme ve 1M-belirteç bağlam penceresiyle 2,8T parametreli açık ağırlıklı Moonshot AI amiral gemisidir.
• Bağımsız genel zekâ neredeyse başa baş: Grok 4.6 için 61, Kimi K3 için 60.
• Grok 4.6, daha düşük manşet belirteç fiyatına sahip: girdi/çıktı için $2 / $6; Kimi K3 için $3 / $15.
• Kimi K3 yaklaşık iki kat bağlam kapasitesi ve açık ağırlık sunar; Grok 4.6 mülkiyetlidir ancak çeşitli bağımsız ajan değerlendirmelerinde daha hazır ve maliyet-etkindir.

Grok 4.6 ve Kimi K3: Hızlı Karşılaştırma

Grok 4.6 Nedir?

Grok 4.6, kodlama, ajan tabanlı görevler ve bilgi işi için SpaceXAI’nin öncü modelidir. Şirket, sürümün yalnızca statik bir kıyaslama tazelemesi olmaktan ziyade uzun süre çalışan ajanlar ve daha iddialı etkileşimli ve görsel iş etrafında inşa edildiğini söylüyor. Pratikte bu, modelin bir göreve birçok adım boyunca bağlı kalması amaçlandığı anlamına gelir: bir konuyu araştırmak, bir kod tabanında gezinmek, bilgileri analiz etmek, araçları çağırmak ve bitmiş bir uygulama veya eser yönünde yinelemek.

Grok 4.5’ten Neler Değişti?

SpaceXAI, küratörlü model-üretimli muhakeme verileri, gelişmiş teknik kavramlar, yüksek kaliteli mühendislik verileri ve geliştirilmiş bir optimize edici ve eğitim tarifi kullanılarak daha uzun bir tamamlayıcı eğitim çalışması bildirdi. Ekip daha sonra Grok 4.5 ile SFT trajektorilerini muhakeme çabaları ve ajan harness’ları boyunca yeniden üretti, sorunlu izleri filtreledi ve genel kodlama, çekirdek optimizasyonu, web geliştirme, CAD ve bilgi işi ortamlarında ajan tabanlı pekiştirmeli öğrenme uyguladı.

Pratik sonuç, yalnızca daha yüksek puanlamakla kalmayıp aynı zamanda daha uzun yörüngelerde daha fazla öz-test ve doğrulama sergileyen bir modeldir. Bu davranış, bir modelin dosyaları düzenlemesine, araçları çağırmasına veya sürekli insan müdahalesi olmadan çok adımlı bir planı yürütmesine izin verildiğinde küçük bir hatanın maliyeti bileşik hale geldiği için ajanlar açısından önemlidir.

Grok 4.6 Özellikleri

Kimi K3 Nedir?

Kimi K3, Moonshot AI’nin açık ağırlıklı çok modlu ajan tabanlı amiral gemisi modelidir. 2,8 trilyon toplam parametreyi 1M-belirteç bağlam penceresi ve yerel görme ile birleştirerek uzun ufuklu kodlama, uçtan uca bilgi işi, akıl yürütme ve görsel olarak temellendirilmiş yazılım görevlerine konumlanır.

Grok 4.6’nın aksine, Kimi K3 model ağırlıklarını açığa çıkarır. Güncel resmi model kartı, çıkarım sırasında 104B etkin parametreyi belirtir; dolayısıyla hesaplama yolu, tam 2,8T parametre sayısından çok daha küçüktür, fakat yine de tüm modeli dağıtmak önemli altyapı gerektirir.

KDA, AttnRes ve Daha Seyrek Bir MoE

Mimari, K3’ün en büyük ayırt edicilerinden biridir. Moonshot, Kimi Delta Attention (KDA) ve Attention Residuals’ın (AttnRes) uzun diziler ve derin model katmanları boyunca bilgi akışını iyileştirmek için tasarlandığını söylüyor. Stable LatentMoE seyrekliği artırır; her belirteç için 896 uzmandan 16’sı etkinleştirilir. Eğitim ve veri tarifi değişiklikleriyle birlikte Moonshot, Kimi K2’ye göre yaklaşık 2,5× daha iyi genel ölçeklenme verimliliği rapor eder.

Kimi K3 Özellikleri

Grok 4.6 ve Kimi K3: Kıyaslama Karşılaştırması

Her iki model de aynı çerçeve altında değerlendirildiği için en temiz doğrudan karşılaştırma Artificial Analysis Intelligence Index’tir. Güncel skorlar Grok 4.6 için 61 (yüksek) ve Kimi K3 için 60 (maks). Bir puanlık fark, bir modelin kategorik olarak “bir nesil önde” olduğu iddiasını haklı çıkarmaz. Daha faydalı soru, her modelin puanını nerede kazandığıdır.

Kodlama Performansı

SpaceXAI, Grok 4.6 için bir dizi kodlama ve yazılım mühendisliği sonucu yayınlıyor: CursorBench 3.2’de %69,9, DeepSWE 1.1’de %65,9, FrontierCode 1.1 Extended’da %61,3, APEX-SWE’de %56,4 ve Terminal-Bench 3.0’da %26,0. Bunlar anlamlıdır çünkü yalnızca kod-tamamlama bilgisinin ötesinde depo düzenleme, ajan tabanlı yazılım mühendisliği ve terminal çalışmalarını kapsar.

Kimi K3 için Moonshot, farklı ancak geniş bir kodlama paketi yayınlıyor. Resmi lansman materyali, DeepSWE’de 67,5, Terminal-Bench 2.1’de 88,3, FrontierSWE’de 81,2, ProgramBench’te 77,8 ve SWE Marathon’da 42,0 rapor eder. Önemli uyarı: Terminal-Bench 2.1 ve 3.0 farklı sürümlerdir ve FrontierSWE, FrontierCode ile aynı değerlendirme değildir. Bu satırlar, yalnızca ham sayıya bakarak birebir kazanım olarak görülmemelidir.

Kaynak: Moonshot AI / Kimi

Ajan Tabanlı ve Bilgi İşi

Grok 4.6’nın en güçlü göründüğü yer ajan tabanlı çalışmadır. SpaceXAI, GDPVal-AA v2’de 1753 Elo, APEX-Agents’ta %57,5 ve AA-Briefcase’te 1577 Elo rapor eder. Artificial Analysis bağımsız olarak aynı deseni vurgular: Grok 4.6’nın en güçlü kazanımları, yalnızca statik muhakemeden ziyade uzun ufuklu, araç kullanan işlerde görülür.

Kimi K3 de bilgi-işi ajanlarını hedefler. Moonshot’ın lansman paketi, BrowseComp, GDPval-AA v2, JobBench, SpreadsheetBench 2 ve görsel-ajan değerlendirmelerinde güçlü sonuçlar gösterir. Geliştiriciler için daha da önemlisi, Kimi API, araç seçimi kısıtları ve dinamik araç yüklemeyi ortaya koyar; bu, bir ajanın kurumsal sistemleri kullanması veya yanıtlamadan önce gerçekleri getirmesi gerektiğinde pratik kontrol mekanizmalarıdır.

Kaynak: Moonshot AI / Kimi

Çok Modlu ve Görsel Akıl Yürütme

Kimi K3 mimari düzeyde çok modluluktaki hikâyeyi daha net sunar: Moonshot, yerel görsel yetenekleri tanımlar ve özellikle oyun geliştirme, frontend mühendisliği ve CAD için “döngü içinde görme”yi, modelin görsel geri bildirimi inceleyip kodu revize edebileceğini gösterir.

Grok 4.6 da metin ve görüntü girdi kabul eder ve SpaceXAI, modelin Grok 4.5’e göre görsel ve etkileşimli projelerde daha güçlü ilk geçişler ürettiğini söylüyor. Fark, her iki modelin de görüntüleri görüp görememesinden ziyade dağıtım felsefesiyle ilgilidir: Kimi açık bir çok modlu modeli sunarken, Grok görsel anlayışı yönetilen bir öncü API ve ajan ekosistemi içinde paketler.

Bağlam Penceresi: 500K vs 1M

Grok 4.6 500.000 belirteci desteklerken, Kimi K3 yaklaşık 1 milyon belirteci destekler. Bu, iş yükü gerçekten tek bir istekte 500K belirteçten fazlasını gerektirdiğinde Kimi’yi bariz seçim yapar—örneğin çok büyük depolar, çok kitaplı araştırma koleksiyonları veya olağanüstü uzun ajan izleri.

Ancak bağlam boyutu kapasitedir; geri getirme veya muhakeme kalitesinin garantisi değildir. Üretim sistemleri için modeli gerçek uzun bağlam başarısızlık modlarınızda test edin: dosyalar arası bağımlılık takibi, uzak gerçek geri getirme, çelişki tespiti ve talimat kalıcılığı. Geri getirme destekli üretim, her istekte bir milyon belirteç göndermekten hâlâ daha ucuz ve daha kontrol edilebilir olabilir.

Hız ve Gecikme

Artificial Analysis, Grok 4.6’yı şu anda saniyede 65,8 çıktı belirteci ve Kimi K3’ü saniyede 40,7 belirteç olarak ölçüyor. Üretim başladıktan sonra bu ölçümde Grok anlamlı derecede daha hızlıdır. Ancak ilk belirteğe kadar süre tersine gider: Kimi K3 için ölçülen TTFT 3,27 saniye iken Grok 4.6’nın mevcut sağlayıcı ölçümü akışı başlatmada çok daha yavaştır.

Bu da faydalı bir ürün ayrımı yaratır. Etkileşimli sohbet veya IDE deneyimleri için, ilk belirteğe hızlı süre, Kimi’nin tam yanıt daha uzun sürse bile duyarlı hissettirmesini sağlayabilir. Uzun üretimler ve ajan çalışmaları için Grok’un daha yüksek üretim verimi isteğin kuyruğunu azaltabilir. Sağlayıcı, bölge, akıl yürütme çabası, önbellek durumu ve istek boyutu bu sayıları değiştirebilir; bunları kalıcı bir özellikten ziyade güncel bir anlık görüntü olarak ele alın.

Grok 4.6 ve Kimi K3: API Fiyatlandırması

Standart bağlam uzunluklarında Grok 4.6, milyon başına girdi belirteçlerinde $2, milyon başına önbellek belirteçlerinde $0,50 ve milyon başına çıktı belirteçlerinde $6 tutar. İstem 200K belirteğe ulaştığında veya aştığında, xAI tüm isteği uzun bağlam oranlarıyla (milyon başına $4 girdi, $1 önbellek ve $12 çıktı) faturalandırır.

Kimi, 1M bağlam penceresi boyunca düz kullan-öde fiyatlandırma kullanır. Kimi API’si, milyon başına önbellek isabetinde $0,30, milyon başına girdi belirteçlerinde $3 ve çıktı belirteçlerinde $15 listeler. Bu, Kimi’nin önbellek isabetlerinde daha ucuz, ancak taze çıktı belirteçlerinde çok daha pahalı olduğu anlamına gelir; Grok’un fiyat avantajı, Grok istekleri 200K uzun bağlam eşiğini aştığında daralır.

Resmi 1M belirteç başına API fiyatları. Grok uzun bağlam istekleri (≥200K istem belirteci) grafikte gösterilmeyen daha yüksek oranlar kullanır. Kaynak: SpaceXAI ve Kimi API fiyatlandırması

CometAPI’de Grok 4.6 şu anda milyon başına $1,60 girdi / $4,80 çıktı olarak listelenirken, Kimi K3 milyon başına $2,40 girdi / $12 çıktı olarak listelenir. Her ikisi de yazı sırasında kendi CometAPI model sayfalarında gösterilen sağlayıcıların manşet girdi/çıktı fiyatlarının %20 altındadır.

Açık Ağırlıklar vs Tescilli Model

Kimi K3, indirilebilir ağırlıklara sahip açık ağırlıklı bir modeldir. Bu durum; araştırma, ince taneli altyapı kontrolü, özel çıkarım mimarileri ve üçüncü taraf çıkarım yığınları üzerinden dağıtımı mümkün kılar. Bu, K3’ün hafif olduğu anlamına gelmez: 2,8T parametreli bir model, MoE seyrekliği ve düşük hassasiyetli formatlara rağmen ciddi bir sistemler projesidir.

Grok 4.6 tescillidir. Mimarisi ve parametre sayısı kamuya açıklanmamıştır; geliştiriciler ona yönetilen bir hizmet olarak erişir. Ödün, operasyonel sadeliktir: öncü düzey ajan performansı elde etmek için bir çıkarım kümesi kurmanız, model ağırlıklarını yönetmeniz veya çekirdekleri optimize etmeniz gerekmez.

Güçlü ve Zayıf Yönler

Grok 4.6 ve Kimi K3: Hangisini Seçmelisiniz?

Genel öneri: Çoğu ajan geliştiricisi için Grok 4.6, daha güçlü varsayılan barındırmalı API’dir. 1M bağlam, açık ağırlıklar ve altyapı kontrolü gereksinim ise Kimi K3, barındırmalı belirteç fiyatı daha yüksek olsa da daha esnek öncü modeldir.

CometAPI Üzerinden Grok 4.6 ve Kimi K3’e Nasıl Erişilir

Her iki model de CometAPI’de yayındadır. Grok 4.6 model sayfası model kimliğini grok-4.6 olarak listeler ve Chat Completions / Responses tarzı erişimi destekler; Kimi K3 model sayfası ise kimi-k3’ü birleşik CometAPI uç noktası üzerinden sunar. Bu, kimlikleri değiştirirken kimlik doğrulamayı ve çoğu uygulama tesisatını sabit tutmayı sağlayarak A/B testini kolaylaştırır.

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": "Bu depo hatasını inceleyin ve test edilmiş bir düzeltme önerin."}
        ],
    )
    print(model, response.choices[0].message.content)

Üretim değerlendirmesi için istemi, araçları, depo anlık görüntüsünü ve başarı ölçütlerini aynı tutun. Yalnızca yanıt kalitesini değil, aynı zamanda araç çağrısı başarısını, dönüş sayısını, toplam girdi/çıktı belirteçlerini, gecikmeyi ve başarısız araç çağrılarından toparlanmayı da izleyin. Bu, tek bir kıyas puanından daha gerçek ajan maliyetini öngörür.

Sonuç

Grok 4.6 ile Kimi K3 karşılaştırmasının en önemli sonucu, üst düzey zekâlarının ürün tasarımlarından çok daha yakın olmasıdır. Bağımsız değerlendirme şu anda 61’e karşı 60 koyar, ancak çevredeki ekonomi ve dağıtım tercihleri çok farklıdır.

Grok 4.6, yönetilen bir öncü hizmet olarak optimize edilmiştir: daha düşük taze belirteç fiyatlandırması, güçlü ajan tabanlı kıyaslamalar, daha hızlı ölçülen üretim ve olgun bir araç/API yolu. Kimi K3, esneklik için optimize edilmiştir: 1M bağlam penceresi, 2,8T MoE ölçeği, yerel çok modluluk ve açık ağırlıklar.

Yalnızca kodlama ve uzun süre çalışan ajanlar için en iyi varsayılan barındırmalı modele ihtiyaç duyan geliştiricilerin çoğu için Grok 4.6 daha güvenli başlangıçtır. Sisteminiz >500K bağlama, açık ağırlık dağıtımına, görsel kodlamaya veya çıkarım yığını üzerinde kontrole bağlıysa Kimi K3, barındırmalı belirteç fiyatı daha yüksek olsa bile daha iyi mimari seçim olabilir.

SSS

Grok 4.6, Kimi K3’ten daha akıllı mı?

Güncel Artificial Analysis Intelligence Index’te Grok 4.6, 61; Kimi K3, 60 puan alır. Bu dar bir farktır, belirleyici bir uçurum değildir. Görev düzeyi performansı, iş yüküne bağlı olarak tersine dönebilir.

Hangisi kodlama için daha iyi?

Her ikisi de güvenilir kodlama modelleridir. Grok 4.6 mevcut ajan tabanlı kodlama sonuçlarında güçlü ve barındırmalı fiyatlandırmada daha düşüktür; Kimi K3 daha geniş bir bağlam penceresi, açık ağırlıklar ve güçlü depo/görsel kodlama sonuçları sunar. Satıcılar farklı kıyas sürümleri rapor ettiğinden kendi deponuzda test edin.

Hangi modelin bağlam penceresi daha büyük?

Kimi K3 yaklaşık 1M belirteç destekler; bu, Grok 4.6’nın 500K-belirteç bağlamının yaklaşık iki katıdır.

Hangisi daha ucuz?

Standart bağlamda taze belirteçler için Grok 4.6, girdi $2 / çıktı $6 MTok iken Kimi K3 $3 / $15’tir. Kimi, $0,30/MTok önbellek isabet oranıyla daha ucuzdur; Grok, istem 200K belirtece ulaştığında daha yüksek oranlar uygular.

Kimi K3’ü kendim barındırabilir miyim?

Kimi K3’ün açık ağırlıkları Hugging Face’de mevcuttur, dolayısıyla öz-yönetimli dağıtım mümkündür. Tam 2,8T model yine de çok büyük olup pratik performans için ciddi çok düğümlü veya uzman çıkarım altyapısı gerektirir.

Grok 4.6’yı kendim barındırabilir miyim?

Kamuya açık Grok 4.6 ağırlıkları mevcut değildir. Grok 4.6, SpaceXAI ve ortak API’ler üzerinden tescilli bir yönetilen model olarak sunulur.

İkisine de tek bir API’den erişebilir miyim?

Evet. CometAPI şu anda hem Grok 4.6 hem Kimi K3’ü listeler; bu da geliştiricilerin birleşik bir API ve faturalandırma katmanı arkasında onları karşılaştırmasını sağlar.