Moonshot AI, Zhipu AI та Alibaba випускають мовні моделі Kimi, GLM і Qwen, які за низкою бенчмарків наближаються до GPT-5 та Claude Opus 5, а коштують у рази дешевше за токен інференсу. У західному медіапросторі про них говорять значно менше, ніж про DeepSeek, хоча саме ці три родини сьогодні формують основний пул відкритих ваг з Китаю, придатних для реального продакшену.

Для команди, яка обирає модель під новий продукт, це різниця не лише в ціні. Kimi, GLM і Qwen поширюються з відкритими вагами під ліцензіями, що дозволяють комерційне використання, тому їх можна розгорнути на власній інфраструктурі й повністю контролювати, де зберігаються дані користувачів.

За даними Mezha, кожна з трьох родин моделей обрала власну стратегію конкуренції із західними лідерами — і саме ця різниця в підходах визначає, під яку задачу яку модель варто брати.

Хто стоїть за Kimi, GLM та Qwen?

За кожною назвою — окрема компанія з власною бізнес-моделлю. Kimi розробляє Moonshot AI, китайський стартап, який нещодавно подав документи на IPO в Гонконгу з оцінкою $50 млрд — тобто ставку на цю модель вже роблять інституційні інвестори, а не лише розробники. GLM випускає Zhipu AI (бренд Z.ai), одна з перших китайських лабораторій, що почала продавати доступ до великих моделей ще до буму ChatGPT. Qwen — продукт Alibaba Cloud, і саме тому має найширшу лінійку розмірів: від легких моделей до великих версій, порівнянних за масштабом із флагманами OpenAI й Anthropic.

Спільне в усіх трьох — відкриті ваги, доступні API з ціною в кілька разів нижчою за GPT і Claude, і активна присутність на Hugging Face, де їх регулярно допрацьовує спільнота.

Чим ці моделі відрізняються на практиці?

Kimi роблять ставку на роботу з довгим контекстом і агентні сценарії — задачі, де модель має утримувати в пам'яті великий обсяг документів або послідовно виконувати кроки без втрати контексту. GLM традиційно сильна в кодингу: за відгуками розробників вона впевнено конкурує з Claude на задачах рефакторингу й генерації коду при значно нижчій вартості запиту. Qwen виграє за рахунок різноманіття — під конкретний бюджет чи залізо можна підібрати модель потрібного розміру, від запуску на одному GPU до кластера.

Кому це реально здешевить продукт?

Найбільше виграють команди, для яких вартість інференсу — це не абстрактна цифра, а реальна стаття витрат: чат-боти з високим трафіком, агенти, що роблять багато послідовних викликів моделі, або продукти, де потрібен великий контекст на кожен запит. У таких сценаріях різниця в ціні між токеном GPT чи Claude і токеном GLM чи Qwen прямо конвертується в маржу продукту.

Є й зворотний бік. Відкриті ваги означають, що компанія сама відповідає за деплой, безпеку та оновлення інфраструктури — це вже не «включив API-ключ і забув». Для команд без окремого MLOps-ресурсу оренда готового API через хмарного провайдера часто виявляється практичнішим стартом, ніж самостійний хостинг.

Наш висновок: ігнорувати ці моделі — вже помилка

За нашою оцінкою в AiiN, головна цінність огляду Mezha не в тому, що Kimi, GLM чи Qwen десь обійшли GPT або Claude в топових бенчмарках, а в тому, що вони закрили розрив до рівня, коли ціна стає вирішальним аргументом. Ще два роки тому вибір «дешева китайська модель проти дорогої західної» майже завжди означав компроміс якістю. Зараз для конкретних задач — кодинг, довгий контекст, масовий агентний трафік — цей компроміс здебільшого зник, і його ігнорування означає переплату за токен без реальної переваги в результаті.

Чи законно використовувати китайські моделі в комерційному продукті поза Китаєм?

Ліцензії Kimi, GLM і Qwen у більшості версій дозволяють комерційне використання за межами Китаю, але умови відрізняються від моделі до моделі й від версії до версії. Перед продакшн-запуском варто окремо перевірити чинну ліцензію конкретної версії моделі, а не покладатися на репутацію родини моделей загалом.

Чим Kimi, GLM і Qwen відрізняються від DeepSeek?

DeepSeek отримав основну хвилю уваги на Заході ще на початку 2025 року, тоді як Kimi, GLM і Qwen розвивалися паралельно, без порівнянного медійного розголосу. Технологічно всі чотири родини належать до одного покоління китайських відкритих моделей і конкурують за ту саму нішу дешевого, але якісного інференсу.

Матеріал Mezha варто сприймати як відправну точку для власного бенчмарку — практична ефективність усе одно перевіряється лише на задачах конкретного продукту.