Fala otwartych wag w połowie 2026 roku: Kimi K3, GLM-5.2 i dlaczego modele otwarte wciąż się poprawiają

Modele z otwartymi wagami zwróciły na siebie uwagę w połowie 2026 roku: kilka laboratoriów wydało lub zapowiedziało systemy, które pozycjonuje jako konkurencyjne wobec czołowych modeli zamkniętych. Moonshot AI zapowiedziało Kimi K3 16 lipca 2026 roku; GLM-5.2 od Z.ai można pobrać. Ich statusy i licencje są różne, więc praktyczny wybór zależy od tego, co chcesz uruchomić już teraz.

Image: Carl Lender, Wikimedia Commons, CC BY 2.0.

Kimi K3 to nagłówek, z realnymi zastrzeżeniami

Kimi K3 to bardzo duży otwarty model typu mixture-of-experts z klasy trzech bilionów parametrów, z podawanymi 2,8 biliona parametrów łącznie. To właśnie opublikowanie modelu tej skali jako modelu otwartego, a nie zamkniętego API, uczyniło tę zapowiedź godną uwagi. Moonshot AI pozycjonuje go jako system klasy frontier, a niezależni testerzy zaczęli potwierdzać część tych deklaracji.

W rankingu Arena Frontend Code Kimi K3 zajął pierwsze miejsce z wynikiem 1 679, wyprzedzając Claude Fable 5. W długoterminowej ocenie agentowej Artificial Analysis osiągnął Elo 1547, ustępując tylko Fable 5, przy koszcie około 0,94 dolara za zadanie. To wyniki zewnętrznych benchmarków; rankingi i koszt zadania zależą od konfiguracji użytej przez danego oceniającego.

W dniu publikacji, 20 lipca 2026 roku, wag Kimi K3 nie można było pobrać; Moonshot AI zapowiadało ich udostępnienie do 27 lipca. Oczekiwano licencji Modified-MIT, ale jej warunki nie były potwierdzone, więc zespoły nie mogły jeszcze ocenić, czy pozwolą im budować na tym modelu. Benchmarki z materiału premierowego częściowo opierały się na samoocenie; przytoczone wyżej wyniki Arena i Artificial Analysis pochodzą od zewnętrznych oceniających.

GLM-5.2 to model, którego można używać już dziś

Jeśli Kimi K3 jest nagłówkiem, to GLM-5.2 od Z.ai jest kotwicą. Jego wagi są dostępne już teraz na licencji MIT, a obecnie zajmuje pierwsze miejsce w warstwie otwartych wag rankingu Artificial Analysis Intelligence Index v4.1. To połączenie liberalnej licencji z czołową niezależną pozycją czyni go praktycznym wyborem dla zespołów, które chcą wdrożyć otwarty model, a nie tylko o nim czytać.

Specyfikacja to potwierdza. GLM-5.2 to model mixture-of-experts o 753 miliardach parametrów, z około 40 miliardami aktywnych parametrów na token, obsługujący okno kontekstu miliona tokenów. W niezależnych testach pokonuje GPT-5.5 w długoterminowych zadaniach programistycznych za około jedną szóstą kosztu. Głównym ograniczeniem jest to, że obsługuje wyłącznie tekst, więc nie przyjmuje danych wejściowych w postaci obrazu, dźwięku czy wideo jak niektóre systemy multimodalne. Mimo to dla wielu realnych zastosowań czołowy model tekstowy z milionem tokenów kontekstu i licencją MIT to dokładnie to, na co zespoły czekały.

Reszta fali

Kimi K3 i GLM-5.2 to dwa modele, które warto obserwować, ale nie są jedyne. DeepSeek V4 Flash jest najtańszym z otwartych modeli klasy frontier i wychodzi na licencji MIT, co czyni go atrakcyjnym dla obciążeń o dużej skali, gdzie decyduje koszt za token. MiniMax M3 jest multimodalny i obecnie prowadzi w otwartej stawce na SWE-bench Pro, dając wiarygodną otwartą opcję zespołom, które oprócz tekstu potrzebują wejść obrazowych lub dokumentowych. Dodając Nemotron 3 Ultra od NVIDIA, Qwen3.6 od Alibaby i Gemma 4 od Google, otrzymujemy pole, które łącznie oznacza, że otwarte wagi nie są już o krok za zamkniętym frontier, lecz o kilka tygodni, a czasem nawet nie. Praktyczny wniosek jest taki, że „otwarty" nie oznacza już „drugiej najlepszej opcji".

Co liczy się poza rankingami

Rankingi benchmarków są przydatne, ale trwalsza historia jest strukturalna. Otwarte modele coraz lepiej radzą sobie z rozumowaniem na długim kontekście, tanieją w przeliczeniu na zadanie i coraz częściej wychodzą na licencjach dopuszczających realne wdrożenie. Te trzy trendy wzajemnie się wzmacniają. Zespół budujący na otwartych wagach w połowie 2026 roku ma zdolniejsze modele, po niższym koszcie i z mniejszą liczbą ograniczeń prawnych niż zaledwie kwartał wcześniej.

Ma to bezpośrednie znaczenie dla tego, jak dalej poprawiają się transkrypcja, tłumaczenie i streszczanie spotkań. Telli.sh już używa otwartego modelu Qwen3 w swojej warstwie streszczania. Gdy otwarty ekosystem zyskuje dłuższe okna kontekstu, mocniejsze rozumowanie wielojęzyczne i bardziej liberalne licencje, warstwa otwartych modeli pod produktami takimi jak nasz staje się jednocześnie lepsza i tańsza. Kontekst miliona tokenów przestaje być abstrakcyjnym benchmarkiem, gdy oznacza, że długie spotkanie, cały wywiad lub całodzienne nagrania można przetworzyć w jednym przebiegu. Dobre rozpoznawanie mowy oczywiście wciąż potrzebuje warstwy produktowej, która zamienia transkrypcję w możliwe do przejrzenia notatki, decyzje i zadania, ale modele zasilające tę warstwę poprawiają się szybciej niż rok temu.

Wybieraj dostępne wagi, nie nagłówek rankingu

Jeśli chcesz coś wdrożyć teraz, odpowiedzią jest GLM-5.2: dostępny, na licencji MIT i niezależnie sklasyfikowany na szczycie warstwy otwartych wag. Jeśli chcesz wiedzieć, dokąd zmierza frontier, obserwuj Kimi K3 i sprawdź ponownie po 27 lipca 2026 roku, czy wagi i licencja pojawią się zgodnie z obietnicą. Tak czy inaczej kierunek jest jasny. Otwarte modele nadrabiają dystans, a warstwa produktowa zbudowana na nich to część, która zamienia surową zdolność w coś, czego zespół naprawdę może używać.

Rozpocznij notatkę AI na żywo

Źródła

• Simon Willison on GLM-5.2 (June 17, 2026)
• Simon Willison on Kimi K3 (July 16, 2026)
• OpenRouter, "The Open Weight Models that Matter: June 2026" (June 27, 2026)
• Tom's Hardware on Kimi K3 (July 2026)
• VentureBeat on GLM-5.2 (June 2026)
• Artificial Analysis on GLM-5.2
• Kimi K3 announcement (Moonshot AI)
• Wikimedia Commons image page