公開された巨大AI3種を比較
Kimi K3 vs DeepSeek V4 Pro vs GLM-5.2: Open Trillion-Scale MoE Models Compared on Benchmarks, License, and Serving Cost
中国の3つの巨大な公開AIモデルが、性能や利用条件、運用コストで比較され、AI開発チームが最適なモデルを選ぶ際の重要な情報となります。
現在、中国の3つの研究機関がオープンウェイトのリーダーボードのトップを占めています。Moonshot AIのKimi K3、DeepSeek V4 Pro、Zhipu AIのGLM-5.2はすべて、数百万トークンのコンテキストウィンドウを持つ疎なMixture-of-Experts（MoE）モデルです。それぞれが、長期的なコーディングやエージェントのワークロードをターゲットとしています。この記事では、AIチームが実際に決定を下す3つの軸、すなわち測定された能力、ライセンス条件、および運用コストに基づいてこれらのモデルを比較します。'兆パラメータ'という表現は、Kimi K3（2.8T）とDeepSeek V4 Pro（1.6T）に当てはまります。GLM-5.2は合計744Bで、総パラメータ数では3つの中で最小です。K3が登場するまでオープンウェイト分野をリードしていたため、その地位を確立しています。3つの競合モデルKimi K3は、2.8兆パラメータのStable LatentMoEモデルで、トークンごとに896個のエキスパートのうち16個を活性化します。Moonshotは正確なアクティブパラメータ数を公開していません。K3はネイティブなビジョン、1Mトークンのコンテキストウィンドウ、そして常時稼働の推論機能を追加しています。Moonshotはこれを初のオープンな3Tクラスモデルと呼んでいます。当社のローンチ報道はこちらです。DeepSeek V4 Proは、1.6兆パラメータのMoEで、49Bのアクティブパラメータを持ち、384個のルーティングされたエキスパートと1つの共有エキスパートを使用しています。1Mトークンのコンテキストウィンドウと最大384Kの出力に対応しています。より小型のV4 Flashバリアント（合計284B、アクティブ13B）は、より安価なワークロードをカバーします。ウェイトはHugging Faceで公開されています。GLM-5.2は、7440億パラメータのMoEで、およそ40Bのアクティブパラメータと1Mトークンのコンテキストウィンドウを持っています。ZhipuはこれをHighとMaxの推論モードで提供しています。APIアクセスが付属しています。SpecKimi K3DeepSeek V4 ProGLM-5.2Total parameters2.8T1.6T744B (753B per Artificial Analysis)Active parametersNot disclosed (16/896 experts)49B~40BContext window1M1M (384K max output)1M (131K max output)ModalityText + vision + videoTextTextReleasedJuly 16, 2026April 24, 2026June 13, 2026BenchmarksVendor-reported
この記事について質問
記事の内容に答えます。記事外のことは都度ウェブで調べます。