Model AI Terbuka Mengungguli Claude Opus 4.8 pada Semua Benchmark Moonshot yang Dipublikasikan

Pada 16 Juli 2026, sebuah laboratorium Tiongkok menerbitkan model yang mengungguli Claude Opus 4.8 pada setiap tolok ukur yang dipilih oleh penciptanya sendiri untuk ditunjukkan. Kemudian diumumkan bahwa bobot model akan tersedia untuk diunduh secara gratis sebelas hari kemudian. Jika Anda masih mengeluarkan 5 dolar per juta token masukan dan 25 dolar untuk keluaran kepada vendor tertutup, Anda diizinkan untuk marah. Bukan pada vendornya. Tapi pada cerita yang dijual kepada Anda, cerita di mana batas terdepan adalah benteng dan paritnya permanen. Kimi K3 baru saja melintasinya dengan santai.tombol

TL;DR: hal yang seharusnya mustahil baru saja terjadi

Model dengan bobot terbuka dari Moonshot AI, dengan 2,8 triliun parameter dan konteks satu juta token, mengalahkan Claude Opus 4.8 pada kelima tolok ukur yang diterbitkan Moonshot dan berbagi skor tiga banding dua dengan GPT-5.6 Sol. Biayanya jauh lebih murah dari kedua model tersebut. Bobot penuh akan dirilis secara publik sekitar 27 Juli 2026, yang berarti Anda dapat menjalankan AI batas terdepan pada perangkat keras yang Anda kendalikan. Angka-angka ini adalah milik Moonshot sendiri dan belum direproduksi secara independen, jadi verifikasi sebelum Anda menato angka-angka tersebut di mana pun. Namun arahnya tidak diragukan lagi, dan arah inilah yang seharusnya membuat tim penetapan harga petahana terjaga di malam hari.

Bukti, karena kemarahan tanpa bukti hanyalah kebisingan

Berikut adalah tabel peluncuran yang diterbitkan Moonshot, pada pengaturan penalaran maksimum. Ini adalah angka-angka yang dijalankan oleh vendor, yang penting, dan kita akan kembali ke sana. Tapi inilah angka-angka yang Moonshot pilih untuk dipertahankan pada hari peluncuran.

Baca kolom demi kolom dan biarkan itu meresap. Terhadap Claude Opus 4.8, model yang dihargai 5 dolar masukan dan 25 dolar keluaran per juta token, Kimi K3 memenangkan setiap baris. Bukan kemenangan tipis. DeepSWE, metrik pengkodean agentic tersulit dalam set ini, adalah 67.5 berbanding 59.0. Terhadap Claude Fable 5, model terdepan Anthropic saat ini, K3 memenangkan empat dari lima. Terhadap GPT-5.6 Sol, ia memenangkan tiga. Anda dapat menarik sumber lengkapnya dari postingan peluncuran resmi Kimi K3 dan versi dengan tag sumber di analisis tolok ukur Kimi K3 kami.

Sekarang pertanyaan lanjutan yang tidak nyaman. Jika model terbuka mengalahkan model berbayar Anda di kandang model berbayar tersebut, sebenarnya apa yang Anda bayar?

Kesenjangan harga bukanlah kesalahan pembulatan, itu adalah seluruh argumen

Mari kita hitung yang tidak akan dilakukan siapa pun dalam presentasi penjualan untuk Anda. Kimi K3 mengenakan biaya 0,30 dolar per juta token pada cache hit, 3,00 dolar pada cache miss, dan 15,00 dolar untuk keluaran. Opus 4.8 mengenakan biaya 5,00 dolar dan 25,00 dolar. Pada beban kerja pengkodean di mana tumpukan Mooncake Moonshot dilaporkan mencapai tingkat cache-hit di atas 90 persen, biaya masukan riil Anda mendekati angka 0,30 dolar.

Jadi dari sisi masukan, Anda melihat model yang bisa lebih dari lima belas kali lebih murah untuk diberi masukan. Dari sisi keluaran, harganya 15 dolar berbanding 25 dolar. Dan skornya lebih tinggi pada tolok ukur yang diterbitkan oleh tetangga model mahal itu. Jalankan pekerjaan satu juta token yang sama seribu kali sehari dan perbedaannya tidak lagi menjadi satu item baris, melainkan menjadi keputusan perekrutan. Kami telah menjabarkan model biaya lengkap dalam analisis harga Kimi K3, tetapi Anda tidak memerlukan lembar bentang untuk merasakannya.

Laboratorium tertutup akan memberi tahu Anda bahwa premi tersebut membeli keandalan, alat keselamatan, dan hubungan dukungan. Beberapa di antaranya nyata, dan kita akan membahasnya. Tapi jujurlah pada diri sendiri tentang berapa banyak dari premi itu yang sebenarnya tentang biaya inferensi, dan berapa banyak yang tentang fakta sederhana bahwa Anda tidak punya pilihan lain.

Parit itu disewa, dan sewanya sudah habis

Inilah kalimat yang seharusnya membingkai ulang seluruh percakapan. Sekitar 27 Juli 2026, Moonshot merilis bobot lengkapnya.

Pikirkan apa artinya itu. Setiap model terdepan tertutup adalah layanan yang Anda sewa. Anda mengirimkan data Anda, Anda menerima batasan laju, Anda mewarisi peta jalan, dan Anda membayar tol karena alternatifnya adalah model terbuka yang jauh lebih lemah. Pertukaran itu dapat dipertahankan ketika bobot terbuka berarti menyerahkan dua tingkat kualitas. Itu tidak dapat dipertahankan ketika bobot terbuka berarti hampir tidak menyerahkan apa pun.

Ketika bobot K3 dirilis, bank yang diatur dapat menjalankannya di dalam dindingnya sendiri. Sebuah startup dapat menyempurnakannya dengan data sendiri. Seorang peneliti di negara yang tidak dilayani API dapat mengunduhnya. Tidak ada vendor yang dapat membatasi laju Anda, menghentikan model Anda, atau mengubah persyaratan pada kuartal berikutnya. Jika Anda pernah mengalami kerusakan fitur produksi karena penyedia menghentikan model, Anda sudah memahami mengapa "bobot berjalan di perangkat keras kami" bukanlah hal yang menyenangkan. Itulah intinya. Panduan kami tentang cara menggunakan Kimi K3 secara gratis menjelaskan jalur swa-hosting setelah bobotnya dirilis.

Parit itu tidak pernah modelnya. Parit itu adalah tidak adanya alternatif. K3 adalah alternatifnya.

Kontrol ekspor seharusnya mencegah hal ini

Selama dua tahun, tesis nyaman di San Francisco adalah bahwa komputasi adalah takdir. Batasi chip, batasi batas terdepan, dan keunggulan akan terus meningkat. Kimi K3 adalah model dengan 2,8 triliun parameter, model bobot terbuka terbesar yang keluar dari Tiongkok, dan ia bersaing ketat dengan yang terbaik dari laboratorium paling banyak didanai di dunia.

Anda tidak perlu memiliki opini tentang kebijakan perdagangan untuk menyadari bahwa premis tersebut baru saja retak. Jawaban rekayasa yang menarik untuk kendala komputasi bukanlah menyerah. Itu adalah menemukan jalan keluarnya, yang persis seperti yang terbaca dari arsitektur K3: Kimi Delta Attention, desain hibrida linear-attention, dan Stable LatentMoE yang mengaktifkan 16 dari 896 pakar per token, semuanya bertujuan untuk melakukan lebih banyak dengan lebih sedikit. Kendala tidak menghentikan batas terdepan untuk dicapai dari sisi lain. Hal itu justru mempertajam pisau.

Sebelum Anda mengakhiri kontrak Anthropic Anda, baca bagian ini

Artikel "ragebait" yang menipu Anda tidak ada nilainya, jadi di sinilah saya mengambil sisi lain, karena versi yang jujur lebih berguna daripada kritik pedas.

Pertama, ini adalah angka Moonshot sendiri. Sebuah lab menerbitkan rangkaian di mana ia terlihat bagus. Belum ada yang mereproduksi skor pengkodean K3 secara independen, dan tolok ukur agentic sangat bergantung pada perancah dan logika percobaan ulang. Perlakukan tabel ini sebagai petunjuk sampai pihak netral menjalankannya kembali.

Kedua, Moonshot sendiri mengatakan K3 "masih tertinggal dari model proprietary paling kuat, Claude Fable 5 dan GPT-5.6 Sol." Bacalah itu terhadap tabel dan sesuatu yang menarik terungkap: bahkan pada tolok ukur yang dipilih Moonshot, K3 mengalahkan Fable 5 pada empat dari lima, namun perusahaan masih mengklaim bahwa ia tertinggal secara keseluruhan. Entah Moonshot menyembunyikan sesuatu, atau papan yang diterbitkan adalah bagian yang bagus dan kesenjangan sebenarnya ada pada metrik yang tidak ditunjukkan, kemungkinan besar adalah penalaran tersulit dan kasus-kasus khusus yang jarang terjadi. Pada DeepSWE, baris pengkodean tersulit, K3 memang kalah dari Sol dan Fable 5. Itu bukan hal yang sepele. Perbandingan Kimi K3 vs GPT-5.6 Sol menggali secara tepat di mana batas terdepan masih unggul.

Ketiga, bobot terbuka tidak gratis untuk dijalankan. Model mixture-of-experts dengan 2,8 triliun parameter membutuhkan akselerator serius sebelum Anda melayani satu token. Bagi sebagian besar tim, "self-hostable" adalah opsi strategis, bukan penyebaran minggu depan.

Keempat, K3 lebih lambat. Artificial Analysis mencatatnya mendekati 62 token keluaran per detik, di bawah rata-rata untuk tingkatnya, dan menandainya sebagai verbose, yang secara diam-diam menggelembungkan tagihan keluaran 15 dolar itu. Dan model Anthropic memiliki rekam jejak produksi yang lebih panjang pada pekerjaan agentic yang sulit yang beberapa tim akan terus bayar sampai angka K3 bertahan dalam kontak dengan dunia nyata.

Tak satu pun dari itu mengubah intinya. Justru memperjelasnya. Klaimnya tidak pernah bahwa K3 adalah model terbaik di dunia. Klaimnya adalah bahwa kesenjangan antara model tertutup terbaik dan model terbuka terbaik baru saja menyusut ke titik di mana harga, kontrol, dan keterbukaan menentukan pembelian, bukan kemampuan mentah. Itulah revolusi. Ini lebih tenang daripada bagan tolok ukur dan jauh lebih mahal bagi para petahana.

Apa yang sebenarnya berubah pada 16 Juli

Singkirkan emosi dan inilah perubahan strukturalnya. Untuk pertama kalinya, model bobot terbuka teratas adalah pengganti asli untuk model tertutup teratas di sebagian besar pekerjaan nyata, dan ia mengalahkan model tertutup itu dalam harga dengan selisih yang lebar, dan bobotnya akan segera menjadi publik. Ketiga fakta itu belum pernah terjadi pada saat yang bersamaan sebelumnya. Ketika itu terjadi pada saat yang bersamaan, kekuatan penetapan harga lab tertutup berhenti menjadi hukum alam dan mulai menjadi negosiasi.

Itu tidak berarti laboratorium tertutup mati. Fable 5 dan GPT-5.6 Sol masih memegang posisi teratas, dan banyak tim akan membayar untuk batasan, peralatan, dan hubungan vendor. Itu berarti lantai baru saja naik keras, dan segala sesuatu yang dihargai berdasarkan lantai lama sekarang terlalu mahal sampai terbukti sebaliknya. Jika anggaran AI Anda dibangun atas asumsi bahwa kualitas yang mendekati batas terdepan membutuhkan harga batas terdepan, asumsi itu berakhir minggu ini.

Siapa yang harus khawatir, dan siapa yang tidak

Jelaskan secara spesifik siapa yang terancam oleh ini. Orang-orang yang harus berkeringat adalah mereka yang seluruh tawarannya adalah kelangkaan. Jika penetapan harga Anda berasumsi bahwa pelanggan tidak memiliki alternatif yang sebanding, K3 baru saja membangun alternatif dan akan memberikan cetak birunya. Jika Anda menjual kembali token model tertutup dengan markup, margin Anda sekarang bersaing dengan model yang lebih murah di sumbernya dan dapat di-host sendiri dalam sebelas hari. Jika satu-satunya keunggulan produk Anda adalah akses ke model yang baik, itu tidak pernah menjadi keunggulan, dan sekarang semua orang bisa melihatnya.

Orang-orang yang harus tenang adalah mereka yang membangun sesuatu yang nyata di atas model: sistem evaluasi, data, alur kerja, rekayasa keandalan, dan selera. Model yang lebih murah dan lebih terbuka tidak menghapus semua itu. Itu membuatnya lebih murah untuk dijalankan. Ini adalah tanda bahwa ini adalah perubahan yang nyata, bukan hanya peluncuran. Ini merevisi harga para pecundang dan memberikan diskon kepada para pemenang. Bandingkan matematika harga lengkap dengan apa yang Anda bayar hari ini dan Anda akan tahu termasuk kelompok mana Anda berada.

Uji sendiri, jangan percaya kata Moonshot atau saya

Tanggapan yang benar terhadap tabel tolok ukur yang pedas bukanlah mempercayainya dan bukan pula mengabaikannya. Ini adalah menjalankan evaluasi Anda sendiri pada beban kerja Anda sendiri, karena satu-satunya tolok ukur yang membayar tagihan Anda adalah yang berasal dari lalu lintas Anda.

Kimi K3 mengekspos API yang kompatibel dengan OpenAI, sehingga Anda dapat mengarahkan klien API seperti Apidog ke endpoint kimi-k3 dan meluncurkan perintah nyata Anda dalam satu sore. Kirim permintaan identik ke kimi-k3 dan ke apa pun yang Anda bayar hari ini, lalu bandingkan output, latensi, dan biaya token secara berdampingan. Periksa respons streaming, debug panggilan alat, simpan kunci Anda sebagai variabel lingkungan, dan simpan seluruhnya sebagai tes yang dapat diulang sehingga Anda mengukur, bukan menebak. Jika Anda belum pernah menghubungkan endpoint model mentah ke alat pengujian sebelumnya, panduan kami tentang pengujian API tanpa Postman mencakup polanya, dan Unduh Apidog jika Anda ingin mengikuti.

Lakukan itu sekali dan argumen berhenti menjadi ideologis. Anda akan memiliki tabel Anda sendiri, dibangun dari pekerjaan Anda sendiri, dan Anda akan tahu dalam sehari apakah model yang semua orang ributkan itu milik tumpukan Anda atau tidak. Untuk perbandingan langsung dengan model yang kebanyakan orang membayar lebih, baca Kimi K3 vs Claude Opus 4.8.

Intinya

Kimi K3 bukanlah model terbaik di dunia, dan siapa pun yang mengatakan demikian pasti punya agenda. Yang jelas, ini adalah momen ketika harga batas terdepan dan lokasi batas terdepan terlepas satu sama lain. Model terbuka mengalahkan model tertutup seharga 25 dolar pada tolok ukur model tertutup tersebut, dengan biaya yang jauh lebih murah, dan sebentar lagi dapat diunduh oleh siapa saja yang memiliki perangkat keras untuk menjalankannya.

Anda dapat terus membayar harga lama. Lakukan saja karena Anda memilihnya setelah menguji alternatifnya, bukan karena Anda berasumsi tidak ada. Sekarang ada. Namanya Kimi K3, dan lab-lab yang menghabiskan dua tahun mengatakan bahwa parit itu permanen adalah mereka yang terlihat paling gugup hari ini.

FAQ

Apakah Kimi K3 benar-benar lebih baik dari Claude Opus 4.8? Pada kelima tolok ukur yang diterbitkan Moonshot saat peluncuran, ya, termasuk DeepSWE pada 67,5 banding 59,0. Itu adalah angka yang dijalankan vendor, tidak direproduksi secara independen, jadi verifikasi pada beban kerja Anda sendiri. Keunggulan sisa Opus 4.8 adalah rekam jejak produksinya dan jaminan vendor yang dikelola, bukan skor tolok ukur.

Seberapa jauh lebih murah Kimi K3? K3 berharga 0,30 dolar per juta token pada cache hit, 3,00 dolar pada miss, dan 15,00 dolar untuk keluaran, dibandingkan dengan Opus 4.8 yang 5,00 dolar dan 25,00 dolar. Pada beban kerja pengkodean yang sangat bergantung pada cache, sisi masukan bisa lebih dari lima belas kali lebih murah. Lihat harga Kimi K3 untuk perhitungan lengkapnya.

Apakah Kimi K3 benar-benar open source? Moonshot mengatakan bobot penuh akan dirilis sekitar 27 Juli 2026, yang menjadikannya bobot terbuka (open-weight), bukan open-source dalam arti lisensi yang ketat. Sampai saat itu, hanya melalui API dan aplikasi. Perhatikan postingan peluncuran resmi dan halaman Hugging Face Moonshot untuk rilisnya.

Apa kelemahannya? Ada tiga. Tolok ukur adalah milik Moonshot sendiri sampai lab netral menjalankannya kembali, K3 tertinggal dari Fable 5 dan Sol pada penalaran tersulit menurut pengakuan Moonshot sendiri, dan menjalankan model 2,8 triliun parameter sendiri membutuhkan perangkat keras yang serius. Revolusinya adalah kesenjangan yang menyusut, bukan kemenangan telak.

Bagaimana cara mencoba Kimi K3 hari ini? Gunakan di aplikasi Kimi atau melalui API dengan ID model kimi-k3. Untuk mengevaluasinya terhadap model Anda saat ini, arahkan klien yang kompatibel dengan OpenAI seperti Apidog ke endpoint dan bandingkan output, latensi, dan biaya pada prompt nyata Anda. Mulailah dengan penjelasan apa itu Kimi K3 kami.