Kimi K2 Thinking обошла GPT-5 и Claude: новый DeepSeek момент в ИИ
Китайская ИИ-стартап-компания Moonshot AI выпустила открытую версию модели Kimi K2 Thinking, которая превзошла по ряду метрик крупные американские модели. Модель показала высокие результаты на тестах, включая Humanity’s Last Exam, BrowseComp и Seal-0, а также характеризуется низкой стоимостью обучения и API, высокой скоростью генерации и способностью к последовательной работе с инструментами.
По данным Artificialintelligence-News, китайская ИИ-стартап-компания Moonshot AI, базирующаяся в Пекине и оцениваемая в 3,3 млрд долларов, стала новым лидером в области искусственного интеллекта. 6 ноября 2025 года компания выпустила открытую версию модели Kimi K2 Thinking, которая превзошла по ряду метрик такие крупные американские модели, как GPT-5 и Claude Sonnet 4.5.
Технические достижения и сравнение с конкурентами
Kimi K2 Thinking показала высокие результаты на нескольких бенчмарках. На тесте Humanity’s Last Exam, включающем 2500 вопросов, модель набрала 44,9%, что выше, чем 41,7% у GPT-5. В тесте BrowseComp, оценивающем способность модели к поиску информации в интернете, Kimi K2 Thinking показала 60,2%. На бенчмарке Seal-0, проверяющем модели в реальных условиях, результат составил 56,3%.
Кроме того, модель может выполнять до 200–300 последовательных вызовов инструментов без участия человека, что делает её особенно полезной для сложных задач, требующих логического мышления и кодирования. Уровень контекста составляет 256 тыс. токенов, что также является значимым показателем.
Экономическая эффективность как ключевой фактор
Одним из важных аспектов, отличающих Kimi K2 Thinking от аналогов, является её стоимость. По оценке CNBC, обучение модели обошлось в 4,6 млн долларов. Также «Южная китайская утренняя газета» отметила, что стоимость API Kimi K2 Thinking в 6–10 раз ниже, чем у моделей OpenAI и Anthropic. Это делает модель привлекательной для широкого круга пользователей.
Технически Kimi K2 Thinking использует архитектуру Mixture-of-Experts с общим количеством параметров в 1 трлн, из которых 32 млрд активируются при каждом выводе. Модель обучена с использованием INT4-квантования, что позволило увеличить скорость генерации в два раза без потери качества.
Отраслевые реакции и стратегические перспективы
Комментарии экспертов подтверждают значимость события. Thomas Wolf, сооснователь Hugging Face, назвал появление Kimi K2 Thinking «ещё одним DeepSeek моментом» и предположил, что такие прорывы могут становиться регулярными. Независимые тесты, проведённые консультантом Artificial Analysis, показали, что Kimi K2 Thinking достигла 93% точности на бенчмарке Tau-2 Bench Telecom, что является лучшим результатом, зафиксированным независимо.
Однако, по мнению исследователя из Allen Institute for AI, Nathan Lambert, между лучшими закрытыми и открытыми моделями всё ещё сохраняется разница в 4–6 месяцев по некоторым метрикам. Тем не менее, китайские лаборатории, включая Moonshot и DeepSeek, демонстрируют устойчивую динамику в ключевых направлениях.
Moonshot AI, DeepSeek, Qwen, Baichuan, OpenAI, Anthropic, Hugging Face, Artificial Analysis — это компании и проекты, которые сейчас наиболее активно влияют на рынок ИИ.
Интересно: Сможет ли сохранить США свои позиции в разработке ИИ, если китайские модели продолжат усовершенствоваться в качестве и экономичности?
Китайский ИИ: когда прорыв становится привычкой
Ускорение в условиях конкуренции
Появление модели Kimi K2 Thinking от Moonshot AI — это не просто очередной шаг в развитии искусственного интеллекта. Это событие, которое подчеркивает смену парадигмы в глобальной ИИ-индустрии. Китайские стартапы не просто догоняют своих западных коллег, они начинают устанавливать новые стандарты.
Ключевой момент: рост скорости обновлений и снижение затрат на разработку делают ИИ всё более доступным и конкурентоспособным. Это особенно важно для компаний, которые не могут позволить себе аренду дорогостоящих закрытых моделей.
Экономика ИИ: кто платит, тот и диктует правила
Одним из важных факторов успеха Kimi K2 Thinking стало снижение стоимости как обучения, так и использования. 4,6 млн долларов на обучение — это в несколько раз меньше, чем у аналогов. Снижение API-тарифов в 6–10 раз делает модель особенно привлекательной для среднего и малого бизнеса.
Это не случайно. В Китае ИИ-разработки часто финансируются не только венчурными фондами, но и государственными структурами, что снижает барьеры для масштабирования. Для сравнения, в западных компаниях, таких как OpenAI или Anthropic, ИИ-модели часто остаются закрытыми, что ограничивает их доступность и, соответственно, скорость внедрения.
Ключевой момент: когда стоимость снижается, рынок расширяется. Это создаёт новые возможности для интеграции ИИ в бизнес-процессы, особенно для тех, кто раньше не мог себе позволить.
Влияние на глобальную ИИ-индустрию
Компании вроде Hugging Face и Allen Institute for AI уже начали пересматривать свои стратегии. Если ранее ИИ-разработки в Китае воспринимались как альтернатива, то теперь они становятся полноценным конкурентом. Это не только влияет на рынок моделей, но и на экосистему вокруг них: от инструментов для разработки до инфраструктуры.
Важно понимать, что успех Moonshot AI — это не случайность. Это результат системного подхода: быстрая итерация, доступ к данным, поддержка экосистемы. Такие компании, как DeepSeek и Baichuan, уже давно работают в этом направлении, и их успех начинает создавать эффект домино: другие игроки вынуждены ускоряться, чтобы не отставать.
Важный нюанс: когда ИИ становится дешевле и доступнее, это не только расширяет рынок, но и меняет правила игры. Теперь качество и цена — это не просто технические параметры, а стратегические рычаги влияния.
Локальный контекст: возможности и вызовы
Для российского бизнеса и исследовательских организаций появление новых ИИ-моделей — это как возможность, так и вызов. С одной стороны, доступ к более дешёвым и эффективным решениям может снизить барьеры для внедрения ИИ. С другой — это требует адаптации: либо создание собственных моделей, либо интеграция в глобальную экосистему.
В условиях ограниченного доступа к западным технологиям, китайские ИИ-модели могут стать важным ресурсом. Однако важно учитывать, что интеграция с иностранными решениями требует не только технической подготовки, но и юридического, а иногда и политического согласования.
Важный нюанс: доступность ИИ не гарантирует его эффективного использования. Для бизнеса ключевым становится не только выбор модели, но и умение адаптировать её под свои цели.
Технологическая независимость и инфраструктура
Одним из факторов, усиливающих позиции Китая в ИИ, является переход на собственную вычислительную инфраструктуру. Так, компания DeepSeek адаптировала свою модель V3.1 для работы с отечественными ускорителями, что демонстрирует растущую ориентацию на локальные решения [!]. Это важно не только для снижения зависимости от иностранных технологий, но и для сокращения затрат на вычисления.
Кроме того, китайские ИИ-платформы, такие как DeepSeek, активно внедряются в различные отрасли — от автомобилестроения до госуправления. Модели R1 и V3 используются более чем 20 автомобильными брендами, несколькими производителями смартфонов, Midea, сотнями больниц и десятками тысяч государственных служащих [!].
Эффективность и масштабируемость
Технические инновации также играют важную роль. Например, DeepSeek представила модель V3.2-Exp, которая использует новую архитектуру «DeepSeek Sparse Attention» для ускорения обработки длинных текстов. Эта технология позволяет сократить вычислительную нагрузку, оставляя только наиболее значимые токены, что обеспечивает ускорение до 64 раз при работе с текстами длиной до 128 000 токенов [!]. Модель работает в 2–3 раза быстрее, снижает использование памяти на 30–40% и улучшает эффективность обучения на 50%.
Такие улучшения делают ИИ-модели более привлекательными для масштабного внедрения. Снижение стоимости API-запросов более чем на 50% усиливает их конкурентоспособность, особенно в условиях роста спроса на ИИ-инфраструктуру.
Глобальная конкуренция и инфраструктурные вызовы
Пока китайские компании ускоряются, западные игроки также усиливают свои позиции. OpenAI, например, заключила соглашение с Amazon на сумму 38 млрд долларов, чтобы использовать облако AWS для масштабирования своих ИИ-моделей [!]. Сделка обеспечивает доступ к десяткам тысяч чипов NVIDIA, что ускорит развитие технологий. Компания также договорилась о поставках оборудования с NVIDIA, AMD, Google, Oracle и Broadcom на сотни миллиардов долларов.
В свою очередь, Китай субсидирует крупных ИИ-гигантов и производителей чипов, чтобы снизить их затраты на электроэнергию и стимулировать переход от иностранных чипов к отечественным решениям [!]. Это часть более широкой стратегии, направленной на создание мощной ИИ-инфраструктуры и укрепление позиций на мировом рынке.
Выводы для российского бизнеса
Для российских компаний и исследовательских организаций важно не только наблюдать за развитием событий, но и активно адаптироваться к новым реалиям. Китайские ИИ-модели становятся всё более доступными и функциональными, а их интеграция в различные отрасли демонстрирует высокую эффективность. Однако для успешного внедрения необходимо учитывать не только технические аспекты, но и логистические, юридические и стратегические.
В условиях усиления конкуренции за доступ к передовым технологиям, бизнесу важно своевременно оценивать риски и возможности, чтобы не упустить выгоды от глобальных изменений в ИИ-индустрии.
Источник: AINews
