> ## Content Index > Fetch the complete content index at: https://matveev.tech/llms.txt > Use this file to discover other available public pages before exploring further. # MiniMax M3 vs Kimi K2.7 vs GLM-5.2: что выбрать - URL: https://matveev.tech/minimax-m3-vs-kimi-vs-glm/ - Published: 2026-06-20T08:52:06.000Z - Updated: 2026-06-20T08:52:06.000Z - Description: Три открытые модели для кодинга вышли за две недели июня. Разобрал, чем MiniMax M3, Kimi K2.7 и GLM-5.2 отличаются по контексту, цене и бенчмаркам и кому какая подойдёт. - Author: Pavel Matveev - Tags: LLM, AI, Open Source, Агенты, Сравнение > TL;DR: Нужен один универсал — бери MiniMax M3: миллион токенов контекста, нативная мультимодальность и самые сильные заявленные цифры по кодингу. Kimi K2.7 Code берут под агентов с тяжёлым tool-use и ради экономии на токенах, а GLM-5.2 — если хочешь остаться в Claude Code и платить фиксированную подписку вместо счетов за API. За две недели июня 2026 вышли сразу три открытые китайские модели для кодинга: [MiniMax M3](https://matveev.tech/minimax-m3-obzor), [Kimi K2.7 Code](https://matveev.tech/kimi-k2-7-code) и [GLM-5.2](https://matveev.tech/glm-5-2-claude-code). Все три встают в Claude Code и другие агенты через Anthropic-совместимый эндпоинт, все стоят заметно дешевле Opus 4.8 и GPT-5.5, и у всех открытые (или вот-вот открытые) веса. Выбор между ними упирается в то, что тебе важнее: контекст, цена, мультимодальность или формат оплаты. Про то, «какая умнее», говорить сложно: независимых бенчмарков почти нет, все цифры пока от самих вендоров. Разберу каждую и сведу в таблицу. ## MiniMax M3 M3 от китайской MiniMax вышла 1 июня и метит сразу во фронтир. Это Sparse Mixture-of-Experts на собственной архитектуре внимания MSA (MiniMax Sparse Attention), которая и разблокировала дешёвый контекст до 1 млн токенов (с гарантированным минимумом 512K). Параметров около 428 миллиардов по более поздним оценкам, на запуске MiniMax число официально не раскрывала. Главный козырь — это единственная из тройки, у кого есть полный набор сразу: фронтирный кодинг, миллионный контекст и нативная мультимодальность (на вход идут текст, картинки и видео). По заявленным бенчмаркам M3 показывает 59,0% на SWE-Bench Pro (чуть выше 58,6% у GPT-5.5) и 83,5 на BrowseComp, обходя на нём Claude Opus 4.7\. Отдельно MiniMax хвасталась длинными автономными прогонами: в одном из кейсов модель почти 12 часов сама воспроизводила статью с ICLR 2025, в другом за сутки подняла утилизацию CUDA-ядра с 7,6% до 71,3%. По деньгам M3 самая агрессивная. На [OpenRouter](https://openrouter.ai/minimax/minimax-m3?ref=matveev.tech) базовая ставка $0,60 за миллион входных токенов и $2,40 за выходные, на старте была промо-скидка вдвое. Это примерно в десять раз дешевле Opus. Есть и подписки: Plus за $20, Max за $50, Ultra за $120 в месяц. Веса обещали открыть на HuggingFace вскоре после запуска, но лицензия вышла с условиями на коммерческое использование, и это уже вызвало вопросы у сообщества. Подробнее в [полном обзоре M3](https://matveev.tech/minimax-m3-obzor). ## Kimi K2.7 Code Kimi K2.7 Code от Moonshot AI появилась 12 июня и сделала противоположный выбор: никакого универсализма, только кодинг и только агентные сценарии. Архитектура MoE на триллион параметров, но на каждый токен активируется лишь 32 миллиарда, плюс визуальный энкодер MoonViT. Контекст 256K токенов — меньше всех в этой тройке. Формально модель мультимодальная, но весь акцент релиза на коде, а general-purpose версии на старте просто нет. Любопытная деталь: thinking-режим тут принудительный, выключить его нельзя. На сложной агентной задаче рассуждения окупаются, на тривиальном «переименуй переменную» ты всё равно платишь за размышления. Зато Moonshot заявляет снижение расхода thinking-токенов примерно на 30% относительно прошлой версии. По собственным бенчмаркам Kimi почти везде идёт третьей после GPT-5.5 и Opus 4.8, но в одной дисциплине удивляет: на [MCP Mark Verified](https://www.marktechpost.com/2026/06/12/moonshot-ai-releases-kimi-k2-7-code-a-coding-model-reporting-21-8-on-kimi-code-bench-v2-over-k2-6/?ref=matveev.tech) она берёт 81,1 против 76,4 у Opus 4.8\. Для агентов, которые живут на вызовах внешних инструментов, это весомо. Цена API: $0,95 за миллион входных токенов, $4,00 за выходные, а кэш-хит стоит смешные $0,19\. В агентных циклах с повторяющимся контекстом это рекордно дёшево, примерно впятеро ниже Opus. Лицензия Modified MIT, веса уже лежат [на Hugging Face](https://huggingface.co/moonshotai/Kimi-K2.7-Code?ref=matveev.tech) — то есть это единственная из трёх, которую реально можно скачать прямо сейчас, без оговорок про «вот-вот выложим». Детали в [обзоре Kimi K2.7 Code](https://matveev.tech/kimi-k2-7-code). ## GLM-5.2 GLM-5.2 от Z.ai вышла 13 июня, и самое интересное здесь не сама модель, а схема использования. Ты оставляешь привычный Claude Code, меняешь пару строк в конфиге, и внутри работает китайская модель с контекстом в миллион токенов (максимальный вывод 131K). Платишь при этом фиксированную подписку, а не поминутную оплату API. Архитектуру и число параметров Z.ai на старте не раскрыла. С бенчмарками туго: для 5.2 компания [не опубликовала ни SWE-bench, ни LiveCodeBench](https://codersera.com/blog/glm-5-2-vs-claude-opus-4-8-coding-2026/?ref=matveev.tech). Z.ai заявляет уровень Opus 4.6–4.7, но это пока слова, а не независимые замеры. Ориентироваться можно разве что на предшественницу: GLM-5.1 набирала 58,4 на SWE-Bench Pro, обходя там GPT-5.4 и Opus 4.6\. Если 5.2 хотя бы сохранила этот уровень и добавила миллион токенов контекста, заявка выглядит обоснованной, но проверять придётся самому. Оплата устроена иначе, чем у конкурентов: подписка GLM Coding Plan с фиксированной ценой и лимитом запросов. Lite примерно $10 в месяц, Pro около $30, Max около $80\. Открытые веса под лицензией MIT [обещали выложить на неделе 16–20 июня](https://codersera.com/blog/glm-5-2-release-1m-context-coding-2026/?ref=matveev.tech), то есть на этих днях. Как поставить GLM в Claude Code пошагово — в [отдельном разборе](https://matveev.tech/glm-5-2-claude-code). ## Сравнение в таблице | | MiniMax M3 | Kimi K2.7 Code | GLM-5.2 | | -------------------- | ------------------------------------------ | -------------------------------------- | --------------------------- | | Разработчик | MiniMax | Moonshot AI | Z.ai | | Релиз | 1 июня 2026 | 12 июня 2026 | 13 июня 2026 | | Архитектура | SMoE + MSA, \~428B | MoE 1T / 32B активных | не раскрыта | | Контекст | до 1M (мин. 512K) | 256K | 1M (вывод 131K) | | Мультимодальность | нативная (текст, фото, видео) | формально есть, акцент на коде | не заявлена | | Заявл. SWE-Bench Pro | 59,0% | нет данных | 58,4% (у GLM-5.1) | | Оплата | API $0,60 / $2,40 за 1M + подписки $20–120 | API $0,95 / $4,00 за 1M, кэш-хит $0,19 | подписка $10–80/мес | | Цена против фронтира | примерно в 10 раз дешевле Opus | примерно в 5 раз дешевле Opus | фикс вместо счёта за токены | | Лицензия | open-weights, условия на коммерцию | Modified MIT | MIT | | Веса | обещаны на HuggingFace | уже на Hugging Face | обещаны 16–20 июня | | В Claude Code | да | да | да | | Для кого | универсал: контекст и мультимодальность | агенты с tool-use, экономия | замена Claude по фиксе | ⚠️ Все цифры по бенчмаркам в этой таблице — прогоны самих вендоров. Независимых замеров для всех трёх моделей на дату выхода нет, так что читай их как повод протестировать модель на своём коде, а не как готовый рейтинг. ## Почему бенчмарки нельзя сравнить напрямую Тут придётся честно остудить пыл. Сложить три модели в одну табличку и ткнуть пальцем в победителя не выйдет, и вот почему. Во-первых, у всех разные наборы тестов. M3 меряет себя на SWE-Bench Pro, Terminal-Bench и BrowseComp. Kimi гоняет собственные Kimi Code Bench v2 и MCP Mark. GLM для версии 5.2 не опубликовала вообще ничего, кроме обещаний. Во-вторых, почти все цифры — это прогоны самих вендоров, а независимые лидерборды свои замеры на дату выхода ещё не дали. В-третьих, даже там, где наборы пересекаются, харнессы, обвязка агента и промпты отличаются, и пара процентов легко набегает на одной методологии. Точек прямого сравнения остаётся всего две, и обе с оговорками. На SWE-Bench Pro у M3 заявлено 59,0%, а 58,4% есть у GLM-5.1 — но это прошлая версия GLM, не 5.2\. На MCP Atlas M3 показывает 74,2%, а Kimi 76,0% — но это разные прогоны разных команд. Вывод простой: читай эти числа как повод протестировать модель на своём коде, а не как доказательство, что она улучшит конкретно твой проект. ## Что выбрать Однозначного лидера тут нет, и притворяться, что есть, смысла нет. Зато под конкретный сценарий выбор довольно ясный. Бери **MiniMax M3**, если нужен один универсал на всё: самый полный пакет возможностей, миллион токенов контекста, работа с картинками и видео, плюс самая агрессивная цена за токен. Это дефолтный выбор, если не хочешь держать зоопарк моделей. **Kimi K2.7 Code** берут под другое: агентный пайплайн с тоннами вызовов инструментов, где каждый цент на токенах превращается в реальные деньги. Она сильна именно в tool-use, кэш-хит по $0,19 почти неприлично дёшев на повторяющемся контексте, а веса под Modified MIT уже доступны без всяких «вот-вот». Минус честный: только код, никакого general-purpose, и в большинстве бенчмарков она третья. **GLM-5.2** — вариант для тех, кто живёт в Claude Code, упёрся в счета Anthropic и хочет фиксированную подписку вместо оплаты за API, не меняя инструмент. Миллион токенов контекста и предсказуемая цена — сильная пара. Минус тоже честный: бенчмарков для 5.2 на старте нет, и до выхода независимых тестов это покупка на доверии к Z.ai. Если совсем коротко про мой взгляд: основным я бы сегодня поставил M3 за полноту и цену, Kimi держал бы для агентов с тяжёлым tool-use, а GLM пробовал бы, если уже сижу в Claude Code и плачу Anthropic слишком много. Но все три пока ставка вслепую до независимых замеров, так что финальное слово за прогоном на твоих собственных задачах. ✈️ Разбираю, как открытые модели месяц за месяцем сбивают цены на AI-кодинг и подбираются к фронтиру — [подписывайся в телеге](https://t.me/ctospeech?ref=matveev.tech). ## FAQ **Какая из трёх моделей лучшая для кодинга?** Зависит от задачи. У M3 самый полный пакет и сильные заявленные цифры, Kimi выигрывает в работе с инструментами, GLM удобнее всех ставится в Claude Code. Независимых бенчмарков, которые расставили бы их по местам, на дату выхода нет. **Можно ли запустить их локально?** Да, но железо нужно серьёзное. Веса Kimi уже на Hugging Face (около 240 ГБ в квантованном виде, до 600 ГБ в полном). Веса M3 обещаны на HuggingFace, GLM-5.2 под MIT — на неделе 16–20 июня. Домашней видеокартой ни одну из трёх не поднять. **Какая дешевле всего?** На повторяющемся контексте рекордсмен Kimi с кэш-хитом по $0,19 за миллион входных токенов. По обычной ставке дешевле всех M3 ($0,60 / $2,40). GLM работает по фиксированной подписке от $10 в месяц, что выгоднее при стабильно высокой нагрузке. **Работают ли они в Claude Code?** Да, все три цепляются к Claude Code через Anthropic-совместимый эндпоинт, а также к Cline, Roo Code и другим агентам с поддержкой кастомных моделей. ## Что ещё почитать - [MiniMax M3: открытая модель бьёт GPT-5.5 в кодинге](https://matveev.tech/minimax-m3-obzor) — полный обзор архитектуры MSA, бенчмарков и цен - [Kimi K2.7 Code: обзор открытой модели для кодинга](https://matveev.tech/kimi-k2-7-code) — подробно про tool-use, экономию токенов и запуск - [GLM-5.2 в Claude Code: 1M контекста дешевле Claude](https://matveev.tech/glm-5-2-claude-code) — пошаговая настройка замены Claude - [Claude Opus 4.8: что нового против Opus 4.7](https://matveev.tech/claude-opus-4-8) — фронтир, с которым все три модели себя сравнивают