Ada yang aneh terjadi pada industri AI dalam delapan minggu terakhir.

Pada Juni, Z.ai merilis GLM-5.2 dan diam-diam menjadi model bobot terbuka pertama yang melewati 80% di Terminal-Bench. Pada Juli, Moonshot AI meluncurkan Kimi K3 — 2,8 triliun parameter, model bobot terbuka terbesar yang pernah diterbitkan — dan saham AI Tiongkok ikut anjlok. Lalu pada 3 Agustus, Alibaba menjawab dengan Qwen3.8-Max, 2,4 triliun parameter, dan untuk pertama kalinya dalam sejarah perusahaan merilis model kelas Max sebagai sumber terbuka.

Tiga model yang hampir setara frontier. Tiga filosofi lisensi yang berbeda. Tiga titik harga yang sangat jauh berbeda. Dan begitu banyak liputan yang keliru karena menganggap ketiganya bisa saling ditukar.

Ketiganya tidak bisa saling ditukar. Salah satunya tidak bisa melihat gambar. Salah satunya bahkan belum benar-benar bisa diunduh, meski seratus judul berita menyebutnya “sumber terbuka.” Dan salah satunya berbiaya lima kali lebih mahal per token keluaran daripada yang lain, padahal skornya lebih buruk di beberapa benchmark coding.

Perbandingan inilah yang menjernihkannya.

TL;DR — Vonis 30 detik

Kalau kamu mau kemampuan mentah terkuat dan sanggup membayarnya: Kimi K3. Model ini peringkat #4 di Artificial Analysis Intelligence Index dan #1 di Frontend Code Arena, dan hanya inilah satu-satunya dari ketiganya yang berani adu jotos dengan model unggulan Claude dan GPT. Kamu membayar $3/$15 per juta token untuk itu.

Kalau kamu mau rasio biaya-terhadap-kemampuan terbaik untuk coding: GLM-5.2. Dengan $1,40/$4,40 harganya kurang dari sepertiga harga keluaran K3, lisensinya benar-benar MIT, dan bobotnya sudah tersedia di Hugging Face sejak Juni. Hanya saja model ini tidak bisa memproses gambar.

Kalau kamu butuh masukan multimodal dan agen jangka panjang dalam satu model: Qwen3.8-Max. Teks, gambar dan masukan video, ditambah angka agen visi terkuat yang diterbitkan di antara ketiganya. Tapi sampai tulisan ini dibuat, bobotnya masih janji, bukan unduhan.

Kalau kamu membangun sesuatu yang serius: Pakai lebih dari satu. Bagian routing di bawah menjelaskan mengapa itu bukan jawaban menghindar.

Daftar isi

Mengapa perbandingan ini penting sekarang
Kenalan dengan para pesaing
Spesifikasi adu langsung
Telaah mendalam benchmark
Tanda bintang pada benchmark yang tak dibahas siapa pun
Harga: hitungan biaya yang sebenarnya
Apa arti “bobot terbuka” sebenarnya di sini
Bisakah kamu benar-benar menghosting ini sendiri?
Tiga jendela konteks 1M tidaklah sama
Model mana yang harus kamu pilih?
Strategi routing multi-model
Risiko, catatan, dan tanda bahaya
Apa yang akan datang berikutnya
Pertanyaan yang sering diajukan
Putusan akhir

Mengapa perbandingan ini penting sekarang

Sepanjang sebagian besar 2024 dan 2025, pembicaraan soal bobot terbuka hanya jadi ajang pelipur lara. Kamu memilih model frontier Barat untuk pekerjaan berat dan model terbuka untuk hal-hal murah bervolume tinggi. Jurangnya nyata dan semua orang tahu.

Kerangka berpikir itu runtuh musim panas ini.

Ketika Moonshot merilis Kimi K3 pada pertengahan Juli, reaksi pasar menceritakannya lebih baik daripada tabel benchmark mana pun. Saham Z.ai yang tercatat di Hong Kong anjlok hingga 30%. MiniMax turun hingga 16%. Alibaba melemah 4%. Investor tidak bereaksi pada makalah riset — mereka bereaksi pada model yang dipilih pengembang, dalam evaluasi buta berdampingan, di atas sistem-sistem terkemuka Amerika untuk pekerjaan coding front-end.

Lalu peluncuran Qwen3.8-Max dari Alibaba membuat sahamnya sendiri naik 7% di Hong Kong. Pada minggu yang sama, pendapatan harian Moonshot dilaporkan tumbuh setidaknya enam kali lipat setelah K3, dengan perusahaan mencapai pendapatan berulang tahunan $300 juta pada Juni — naik dari $200 juta pada April — sambil mencari putaran pendanaan dengan valuasi $50 miliar.

Ini bukan lagi cerita soal alternatif murah. Ini cerita soal apakah harga kemampuan sekelas frontier baru saja runtuh, dan kalau iya, mana dari ketiganya yang sebenarnya harus kamu pasang di produksi.

Kenalan dengan para pesaing

Kimi K3 (Moonshot AI)

Dirilis: July 16, 2026 (API) · July 27, 2026 (weights)

Kimi K3 adalah pilihan lewat skala. Dengan total 2,8 triliun parameter, ukurannya sekitar 75% lebih besar daripada V4 Pro milik DeepSeek, yang sebelumnya memegang gelar “model bobot terbuka terbesar yang banyak dipakai”. Tapi angka yang penting bagi siapa pun yang memikirkan biaya inferensi adalah angka sparse-nya: K3 memakai desain mixture-of-experts dengan 896 expert dan hanya 16 yang aktif per token, sehingga sekitar 50 miliar parameter bekerja di setiap forward pass.

Dua komponen arsitektur merupakan hasil Moonshot sendiri: Kimi Delta Attention, mekanisme atensi linear hibrida, dan Attention Residuals, yang menurut perusahaan merupakan pengganti langsung bagi koneksi residual standar yang terus memberi hasil seiring skala bertambah. Keduanya sudah diterbitkan sebagai riset terbuka di GitHub sebelum K3 dirilis.

Posisinya tidak ambigu — Moonshot membangun ini untuk rekayasa berjangka panjang. Kerangka berpikir perusahaan ini adalah tentang mempertahankan sesi berjam-jam, menavigasi repositori besar dan mengorkestrasi alat terminal dengan pengawasan minimal. Model ini hadir dengan pemahaman visual bawaan dan mode penalaran yang selalu aktif, dan kompatibel dengan OpenAI SDK, jadi integrasinya sebagian besar hanya mengganti base-URL.

Qwen3.8-Max (Alibaba)

Dirilis: July 19, 2026 (preview at WAIC Shanghai) · August 3, 2026 (general availability)

Qwen3.8-Max punya total 2,4 triliun parameter dengan sekitar 95 miliar aktif per token — hampir dua kali jumlah aktif K3, yang berdampak nyata pada biaya penyajian yang akan kita bahas lagi.

Yang benar-benar baru di sini bukan skalanya, melainkan modalitasnya. Ini adalah model Qwen pertama di atas satu triliun parameter yang menjadi multimodal, menerima teks, gambar dan dan video sebagai input. Dan ini pertama kalinya Alibaba berkomitmen menjadikan sebuah unggulan kelas Max sebagai sumber terbuka sama sekali. Semua model Max sebelumnya — Qwen3.7-Max, Qwen3.6-Max-Preview — tetap terkunci di balik API sementara lini bobot terbuka berlanjut terpisah pada ukuran yang lebih kecil.

Demo berjangka panjang Alibaba adalah pemasaran paling mencolok di antara ketiganya. Dalam salah satunya, model itu dilaporkan menghabiskan lebih dari sepuluh hari secara otonom membangun harness perangkat lunak yang berevolusi sendiri, memasukkan umpan balik dan melakukan iterasi melalui kode, pratinjau dan log tanpa campur tangan manusia. Dalam demo lainnya, model itu mereproduksi sebuah makalah riset pembelajaran mesin dari awal: 33 putaran pelatihan GPU selama sekitar 125 jam, 7.600 baris kode, lalu 18 ide perbaikan yang dihasilkan sendiri yang mengalahkan metode makalah aslinya. Saat diikutkan dalam kontes langsung melawan 526 tim manusia, model itu menempatkan diri di depan 87% peserta.

Anggap itu sebagai demo vendor, karena memang begitulah adanya. Tapi itu demo vendor yang luar biasa spesifik.

GLM-5.2 (Z.ai / Zhipu AI)

Dirilis: June 13, 2026 (Coding Plan preview) · mid-June 2026 (full open release)

GLM-5.2 adalah model terkecil di sini dengan selisih yang lebar dan yang paling tajam fokusnya. Dengan total sekitar 744–753 miliar parameter dan sekitar 40 miliar aktif per token, model ini dibangun untuk satu hal: pengodean agentik berjangka panjang.

Fokus itu muncul sebagai penghilangan yang disengaja. GLM-5.2 tidak punya encoder visual. Ia menerima teks dan kode. Beri ia tangkapan layar, PDF atau mockup UI dan ia akan error. Salah satu pendiri Z.ai, Jie Tang, terbuka soal alasannya — ia memandang penalaran berbasis teks, bukan input visual, sebagai kemampuan yang menaikkan batas atas kecerdasan mesin. Jajak pendapat komunitas pada Juni tentang fitur versi berikutnya menarik lebih dari 466.000 tampilan, dan visi adalah permintaan teratas secara luar biasa. Fitur itu masih belum dirilis.

Yang dimiliki GLM-5.2 adalah kisah lisensi paling bersih dalam perbandingan ini dan, dengan selisih cukup jauh, harga terendah. Model ini keluar di bawah lisensi MIT tanpa batasan dengan bobot aktif di Hugging Face, dan hadir dengan dukungan hari pertama di lebih dari dua puluh lingkungan pengodean pihak ketiga.

Spesifikasi adu langsung

	Kimi K3	Qwen3.8-Max	GLM-5.2
Pengembang	Moonshot AI	Alibaba	Z.ai (Zhipu AI)
Total parameter	2.8T	2.4T	~744–753B
Aktif per token	~50B (16 dari 896 pakar)	~95B	~40B
Arsitektur	Sparse MoE + Kimi Delta Attention	Sparse MoE	Sparse MoE + IndexShare attention
Jendela konteks	1 juta token	1M token (input maks 991K)	1 juta token
Output maksimum	—	131K token	128K–131K token
Input teks	✅	✅	✅
Input gambar	✅	✅	❌
Input video	❌	✅	❌
Mode penalaran	Berpikir selalu aktif	Standar / berpikir (anggaran 262K)	Tinggi / Max
Bobot tersedia	✅ 27 Juli 2026	⏳ Dijanjikan pekan 10 Agu	✅ Sejak Juni 2026
Lisensi	MIT yang dimodifikasi (dengan syarat)	Belum diumumkan	MIT (tanpa batasan)
Input API / 1M	$3.00	$2.00	$1.40
Output API / 1M	$15.00	$6.00	$4.40
Input cache / 1M	$0.30	$0.25	$0.26

Ada tiga hal yang menonjol dari tabel itu.

Pertama, GLM-5.2 melakukan lebih banyak dengan lebih sedikit. Ukurannya sekitar seperempat total K3 dan ia bersaing di benchmark pengodean — yang menunjukkan bahwa skala bukan segalanya pada 2026.

Kedua, Jumlah parameter aktif Qwen3.8-Max yang menyimpang dari pola. Dengan sekitar 95B aktif, jumlahnya hampir dua kali K3, meski totalnya lebih kecil. Parameter aktif menentukan biaya penyajian, jadi siapa pun yang berencana menghostingnya sendiri harus mencatat bahwa model unggulan Qwen lebih mahal dijalankan per token daripada model dengan 400 miliar parameter lebih banyak.

Ketiga, selisih harganya sangat besar. Token output K3 berbiaya 3,4× milik GLM-5.2. Selama sebulan penggunaan agen yang berat, itu bukan pembulatan kecil.

Telaah mendalam benchmark

Performa pengodean dan agentik

Ke sinilah ketiga model mengarah, jadi di sinilah perbandingan ini benar-benar penting.

Benchmark	Kimi K3	Qwen3.8-Max	GLM-5.2
Terminal-Bench 2.1	88.3	86.6	81.0
SWE-bench Pro	—	67.7	62.1
FrontierSWE	81.2	73.5	74.4
SWE Marathon	42.0 (#1)	—	—
Program Bench	77.8 (#1)	—	—
DeepSWE	67.5	56.6	—
MCP-Atlas (penggunaan alat)	~Fable 5 −0.5	—	77.0

Sebagai konteks untuk angka Terminal-Bench itu: GPT-5.6 Sol pada penalaran maksimum mencetak 88,8, dan Claude Opus 4.8 serta Claude Fable 5 sama-sama berada di 84,6 dalam tabel yang dilaporkan Alibaba. Angka 88,3 milik Kimi K3 menempatkannya setengah poin dari puncak. Angka 86,6 Qwen3.8-Max melampaui kedua model Claude di tabel yang sama. Angka 81,0 GLM-5.2 saat itu menjadi skor bobot terbuka pertama yang melewati 80.

Kemenangan utama GLM-5.2 secara spesifik adalah melawan GPT-5.5: 62,1 vs 58,6 di SWE-bench Pro, dan 74,4 vs 72,6 di FrontierSWE — yang terakhir menempatkannya nyaris seri dengan Claude Opus 4.8 di 75,1. Pada penggunaan alat MCP-Atlas ia mencetak 77,0 melawan 75,3 milik GPT-5.5 dan 77,8 milik Opus 4.8.

Penalaran dan pengetahuan umum

Benchmark	Kimi K3	Qwen3.8-Max	GLM-5.2
GPQA Diamond	93.5	92.6	89.5
Artificial Analysis Intelligence Index	57,11 (#4 dari 189)	—	51.09
BrowseComp	91.2 (#1)	—	—
PaperBench	—	93,0 (teratas)	—
IFBench	—	82,8 (teratas)	—

Angka 93,5 K3 di GPQA Diamond saat peluncuran adalah skor terbaik yang pernah dipublikasikan model bobot terbuka mana pun pada benchmark itu. Di Artificial Analysis Intelligence Index yang independen ia mencetak 57,11, menempati peringkat keempat dari 189 model yang dilacak — di belakang Claude Fable 5 (59,86) dan kedua konfigurasi GPT-5.6 Sol (58,89 dan 57,65), tetapi unggul atas Claude Opus 4.8 di 55,69.

GLM-5.2 berada jauh lebih rendah pada indeks komposit itu di 51,09. Selisih itu adalah harga jujur dari keunggulan harganya pada penalaran umum — meski menyempit tajam pada pekerjaan pengodean murni.

Multimodal dan visi

Ini kategori yang tidak dimasuki GLM-5.2 sama sekali, dan di sinilah Qwen3.8-Max punya argumen terkuat.

Benchmark	Qwen3.8-Max	Catatan
OSWorld-Verified	86.1	Tugas agen penggunaan komputer
Parametric CAD Bench	91.5	Penalaran desain terstruktur
OmniDocBench 1.5	92.1	Pemahaman dokumen
Vision Arena	#2 global	Hanya kalah dari satu varian Fable 5

Qwen3.8-Max memuncaki sebagian besar baris visi di tabel yang diterbitkan Alibaba, dan peringkat keduanya di Vision Arena adalah sinyal independen yang benar-benar kuat. Kimi K3 memiliki pemahaman visual bawaan dan dilaporkan tampil baik pada pekerjaan bagan, dokumen, dan multimodal, tetapi Qwen menguasai kategori ini di antara ketiganya.

Peringkat preferensi manusia

Hasil arena buta yang dikumpulkan dari publik layak dibaca terpisah dari tabel benchmark, karena hasil itu menangkap sesuatu yang luput dari tabel.

Frontend Code Arena: Kimi K3 berada di peringkat #1 dengan 1.679 Elo, di atas Claude Fable 5 pada 1.631. Qwen3.8-Max berada di peringkat #4 dengan 1.668 — tertinggal 37 poin dari Claude Opus 5.
Text Arena: Qwen3.8-Max masuk sebagai model China dengan peringkat tertinggi, meski masih tertinggal dari beberapa produk Anthropic.
Code Arena: GLM-5.2 menempati posisi kedua di antara model coding pada papan peringkat buta.

Kimi K3 menang mutlak di Frontend Code Arena — mengalahkan Fable 5 — dan bisa dibilang merupakan hasil paling mengesankan di seluruh artikel ini.

Tanda bintang pada benchmark yang tak dibahas siapa pun

Setiap tabel di atas perlu disertai peringatan, dan versi jujur dari perbandingan ini harus mengatakannya secara terang-terangan.

Efek harness sangat besar. Benchmark agen coding tidak mengukur sebuah model. Ia mengukur model ditambah runtime di sekitarnya: akses alat, izin berkas, logika pemadatan konteks, perilaku percobaan ulang, aturan berhenti. Kimi Code, Claude Code, Codex, Terminus, dan mini-SWE-agent semuanya harness berbeda dengan kemampuan berbeda. Hasil berlabel “Kimi K3 + Kimi Code” tidak bisa dibandingkan langsung dengan hasil API mentah.

Tabel peluncuran Moonshot sendiri mencampur harness — KimiCode dan Claude Code untuk K3, Claude Code untuk baris Claude dan GLM, Codex untuk GPT. Beberapa skor pesaing berasal dari vendor pesaing itu sendiri. Dalam beberapa evaluasi, permintaan Fable 5 yang ditolak karena kebijakan penggunaan dialihkan ke Opus 4.8. Namun ada pemeriksaan kewajaran yang berguna tersembunyi di data: K3 mendapat 67,5 pada DeepSWE dengan KimiCode dan 67,3 dengan harness mini-SWE-agent milik benchmark itu sendiri. Selisih 0,2 poin menunjukkan efek harness pada tugas tertentu itu kecil.

Tabel vendor membuat penulisnya tampak lebih baik. Tabel perbandingan multimodal Alibaba menguji Qwen3.8-Max terhadap Qwen3.7-Plus, bukan Qwen3.7-Max — sehingga lompatan antargenerasi tampak lebih besar dari yang sebenarnya. Patut diakui, Alibaba juga menerbitkan kurva penskalaan RL yang tidak tidak menyanjungnya: performa memuncak di 0,725 sekitar 4.000 lingkungan pelatihan, lalu turun ke 0,719 dan 0,689. Itu artinya perusahaan menunjukkan imbal hasil yang menurun secara terbuka, lebih dari yang dilakukan sebagian besar lab.

Verifikasi independen tertinggal. GLM-5.2 dirilis tanpa tabel benchmark sama sekali; angka yang beredar muncul belakangan dari data vendor dan pengujian pihak ketiga. Lima skor terbitan Qwen3.8-Max dilaporkan vendor, tanpa evaluasi independen yang tersedia pada awal Agustus. Kimi K3 punya data pihak ketiga paling banyak — Artificial Analysis, Vals, Arena — dan bahkan di situ hasilnya saling bertentangan. Vals menempatkan K3 di peringkat kedua secara keseluruhan pada 17 Juli, di antara Fable 5 dan GPT-5.6 Sol, tetapi menempatkan Sol di atas K3 khusus pada Terminal-Bench 2.1 dan SWE-bench Verified.

Uji independen paling berguna yang saya temukan berasal dari Fireworks AI, yang menjalankan K3 melawan Claude Fable 5 pada sekitar 1.000 tugas agentik. Hasilnya bukan kemenangan bersih bagi siapa pun. K3 unggul pada pekerjaan keamanan, kripto, dan loop terminal panjang. Fable 5 menang pada tugas multibahasa serta visualisasi web/data. Tidak ada yang mendominasi.

Intinya: lakukan evaluasimu sendiri pada tugasmu sebelum mengambil keputusan. Setiap model ini cukup dekat satu sama lain sehingga posisi di papan peringkat tidak akan memprediksi hasilmu.

Harga: hitungan biaya yang sebenarnya

Tarif API per token

Model	Input / 1M	Output / 1M	Input cache / 1M
GLM-5.2	$1.40	$4.40	$0.26
Qwen3.8-Max	$2.00	$6.00	$0.25
Kimi K3	$3.00	$15.00	$0.30
Claude Sonnet 5	$2.00	$10.00	—
Claude Opus 5	$5.00	$25.00	$0.50
Claude Fable 5	$10.00	$50.00	—

Dua pengamatan yang lebih penting daripada angka mentahnya.

Harga Kimi K3 setara model kelas menengah Barat, bukan alternatif murah. Pada $3/$15, biayanya lebih tinggi per token output daripada Claude Sonnet 5 dan 3,4× lebih tinggi daripada GLM-5.2. Kalau kamu mengira “model bobot terbuka China” berarti “murah,” K3 membantah anggapan itu.

Caching adalah faktor penentu sebenarnya, bukan harga yang tertera. Input cache Qwen seharga $0,25 delapan kali lebih murah daripada input baru, dan dokumentasi Alibaba sendiri menyatakan bahwa stabilitas prefiks lebih menentukan biaya daripada panjang prompt. Untuk beban kerja agen dengan prompt sistem yang stabil dan percakapan yang makin panjang, caching agresif akan lebih memengaruhi tagihanmu daripada pilihan model. Qwen juga menawarkan pembuatan cache eksplisit seharga $2,50 dan pembacaan eksplisit seharga $0,17 untuk beban kerja yang bisa kamu rencanakan.

Paket langganan

Kalau kamu pengembang solo atau tim kecil, bisa jadi kamu tidak membeli lewat harga per token sama sekali.

GLM Coding Plan punya tiga tingkatan. Tarif bulanan dasarnya adalah $18 (Lite), $72 (Pro), dan $160 (Max), dengan diskon menurut siklus penagihan — 10% bulanan, 20% triwulanan, 30% tahunan. Dengan penagihan tahunan, itu setara sekitar $12,60, $50,40, dan $112 per bulan. Setiap tingkatan memberimu kumpulan prompt yang disegarkan setiap lima jam, dan paket ini langsung berfungsi dengan Claude Code, Cline, Kilo Code, dan OpenClaw.

Satu hal yang perlu dipahami: konsumsi kuota memakai pengali. Penggunaan GLM-5.2 di luar jam sibuk berada di 1× hingga September 2026 sebagai promosi. Setelah itu kembali ke 2× di luar jam sibuk dan 3× pada jam sibuk — artinya kuota efektifmu sangat bergantung pada kapan kamu bekerja, bukan hanya seberapa banyak.

Qwen menawarkan langganan Token Plan mulai sekitar $6/bulan (39 CNY) di tingkat Lite sebagai alternatif dari penagihan per token.

Moonshot menjalankan tingkatan langganan untuk aplikasi Kimi yang dinamai menurut tanda tempo — Moderato, Allegro, Allegretto, dan Vivace — dengan aplikasinya sendiri gratis di bawah batas laju umum.

Biaya per tugas vs biaya per token

Inilah jebakannya: harga per token bukan biaya per tugas yang selesai.

Model yang menyelesaikan masalahmu dalam satu kali jalan dengan $15/1 juta output bisa jauh lebih murah daripada model yang butuh empat iterasi dengan $4,40/1 juta. Token penalaran ditagih dengan tarif output di ketiga model ini, dan K3 secara khusus selalu menjalankan mode berpikir — satu analisis mencatat K3 menyelesaikan rangkaian Artificial Analysis dengan total biaya sedikit lebih rendah daripada GPT-5.6 Sol meskipun menghasilkan token keluaran jauh lebih banyak, karena perlu lebih sedikit percobaan.

Ukur biaya per tiket yang terselesaikan, bukan biaya per juta token. Hanya angka itu yang mencerminkan kenyataan.

Apa arti “bobot terbuka” sebenarnya di sini

Di sinilah sebagian besar liputan tentang ketiga model ini berantakan, karena kata “open” memikul banyak makna di banyak judul berita.

Tiga keadaan berbeda dipadatkan menjadi satu kata:

Tersedia lewat API — bisa kamu panggil, tapi tidak bisa kamu miliki
Bobot terbuka — kamu bisa mengunduh parameternya
Sumber terbuka dengan lisensi permisif — kamu bisa mengunduh, memodifikasi, mendistribusikan ulang, dan mengomersialkan dengan bebas

Berikut posisi sebenarnya masing-masing model.

GLM-5.2: benar-benar terbuka

Lisensi MIT, tanpa batasan, bobotnya ada di Hugging Face dengan nama zai-org/GLM-5.2. Unduh, fine-tune, hosting sendiri, jual produk yang dibangun di atasnya. Tanpa ambang pendapatan, tanpa syarat atribusi, tanpa negosiasi. Ini lisensi bobot terbuka paling bersih, dan itu keunggulan kompetitif nyata yang kurang dibahas karena lisensi MIT bukan berita utama.

Kimi K3: terbuka dengan syarat

Bobot dirilis 27 Juli di bawah lisensi khusus yang disebut Moonshot sebagai Kimi K3 License. Penggunaan komersial luas diizinkan, tetapi dua syarat berlaku:

Perusahaan mana pun dengan pendapatan tahunan di atas $20 juta harus menegosiasikan kontrak dengan Moonshot sebelum menawarkan K3 kepada pelanggan eksternal sebagai layanan
Perusahaan mana pun dengan pendapatan bulanan di atas $20 juta atau lebih dari 100 juta pengguna aktif bulanan harus menampilkan atribusi Kimi K3 di setiap produk yang menyertakan model tersebut

Bagi pengembang indie atau startup, tidak ada syarat yang mengikat. Bagi perusahaan SaaS mapan yang berencana menjual kembali inferensi bertenaga K3, syarat pertama jelas mengikat. Baca lisensinya sebelum kamu membangun model bisnis di atasnya.

Qwen3.8-Max: belum terbuka

Bagian ini perlu dikatakan terang-terangan, karena banyak sekali judul berita sudah menyebut Qwen3.8-Max sebagai sumber terbuka.

Per 5 Agustus 2026, bobot Qwen3.8-Max belum bisa diunduh. Alibaba berjanji saat peluncuran akan merilis bobot “minggu depan” — yaitu pekan 10 Agustus — di Hugging Face dan ModelScope, untuk Qwen3.8-Max maupun checkpoint Qwen3.8-27B yang lebih kecil. Belum ada lisensi yang disebutkan. Pencarian Qwen3.8 di Hugging Face per 4 Agustus tidak menemukan kartu model resmi Alibaba, hanya unggahan komunitas dengan nama seperti Qwen3.8_4B_Distilled — hasil distilasi pihak ketiga, bukan model unggulan, dan mudah disalahartikan sebagai model asli kalau kamu memindainya sekilas.

Ada alasan untuk optimis dengan hati-hati: Alibaba punya rekam jejak sumber terbuka yang nyata, dengan lini Qwen3 dan Qwen3.5 dirilis di bawah Apache 2.0. Tapi ada juga pola sebaliknya — setiap model unggulan kelas Max sejak Qwen3-Max bersifat proprietary. Jika bobotnya hadir dengan lisensi permisif, pola itu benar-benar patah dan bisa dibilang lebih penting daripada jumlah parameternya. Sampai repositori dan berkas lisensi benar-benar ada, rencanakan berdasarkan API.

Bisakah kamu benar-benar menghosting ini sendiri?

Bobot terbuka hanya berguna kalau bisa kamu jalankan, dan di sinilah pemasaran dan kenyataan perangkat keras sangat berbeda.

Kimi K3 adalah unduhan 1,56 TB, dikirim dalam presisi MXFP4 untuk kompatibilitas perangkat keras yang lebih luas. Meski begitu, model 2,8 triliun parameter butuh infrastruktur kelas supernode — 64 akselerator atau lebih adalah angka yang direkomendasikan. Bagi sebagian besar tim, bobot itu adalah artefak riset dan jaminan kedaulatan, bukan rencana penerapan. Kamu akan memakai API.

Qwen3.8-Max pada total 2,4T juga merupakan artefak pusat data multi-node. Model Alibaba yang lebih kecil Qwen3.8-27B checkpoint adalah jalur on-premise yang realistis, dan itulah yang seharusnya menarik bagi siapa pun yang benar-benar berencana melakukan hosting sendiri.

GLM-5.2 pada total ~753B dan ~40B aktif adalah yang paling mudah dikelola dari ketiganya, tetapi “paling mudah dikelola” tetap berarti infrastruktur GPU yang serius. Usaha kecil umumnya tidak memilikinya.

Jadi mengapa bobot terbuka penting kalau hampir tidak ada yang bisa menjalankannya? Dua alasan, keduanya nyata.

Yang pertama adalah kedaulatan. Negara-negara yang membelanjakan miliaran untuk infrastruktur AI domestik umumnya memiliki perangkat kerasnya tetapi menyewa model dari penyedia Amerika. Model frontier dengan bobot terbuka mengubah perhitungan itu — sebuah pemerintah bisa menjalankannya di wilayahnya sendiri, melatih ulang untuk bahasa dan konteks hukumnya, serta menjaga data warga di dalam batas negaranya.

Yang kedua adalah pasar inferensi. Bobot terbuka berarti penyedia hosting mana pun bisa menyajikan model itu, sehingga harga per token turun melalui persaingan, bukan karena niat baik vendor. Itu sebagian besar alasan GLM-5.2 tersedia dengan harga input $1,00–$1,20 lewat router pihak ketiga, lebih rendah dari $1,40 milik Z.ai sendiri.

Tiga jendela konteks 1M tidaklah sama

Ketiga model mengiklankan jendela konteks 1 juta token. Itu sekitar 750.000 kata — seluruh codebase besar, atau sekitar 400 halaman dokumen, dalam satu permintaan.

Detailnya berbeda dalam hal-hal yang penting secara operasional:

Qwen3.8-Max membatasi input aktual pada 991K token, turun ke 983K saat thinking diaktifkan, dengan anggaran penalaran maksimum terpisah sebesar 262K. Output maksimum 131K token di kedua mode. Batas laju adalah 2 juta token per menit dan 15K permintaan per menit.
GLM-5.2 mendukung hingga 128–131K token output, cukup untuk diff multi-berkas besar dalam satu kali jalan. Jendela 1M-nya adalah lompatan sekitar 5× dari ~200K milik GLM-5.1, dan itulah peningkatan yang paling mengubah kemampuan model.
Kimi K3 menawarkan konteks 1M dengan sinyal pengambilan konteks panjang terkuat dari ketiganya, karena arsitekturnya memang dirancang khusus untuk sesi berhorizon panjang.

Pertanyaan yang lebih berguna daripada “seberapa besar jendelanya” adalah “apakah model tetap koheren di ujung jauhnya.” Konteks yang diiklankan dan konteks yang bisa dipakai memang berbeda, dan tidak satu pun dari ketiganya telah diuji stres secara independen pada panjang penuh dengan cara yang menurut saya meyakinkan. Jika beban kerjamu bergantung pada pengingatan 800K token yang sesungguhnya, ujilah sebelum kamu merancang arsitektur di sekitarnya.

Model mana yang harus kamu pilih?

Untuk pengembang solo atau indie hacker → GLM-5.2

Hitungan ekonominya menentukan. Lite Coding Plan seharga $12,60/bulan dengan tagihan tahunan memberimu agen coding yang benar-benar mumpuni di dalam Claude Code atau Cline, dengan uji coba gratis lima hari lewat ZCode (3 juta token GLM-5.2 plus 2 juta token GLM-5-Turbo per hari) untuk membentuk penilaian nyata sebelum membayar apa pun.

Kamu melepaskan kemampuan visual. Jika pekerjaanmu backend, CLI, scripting, atau pengembangan API, kamu jarang akan menyadarinya. Jika kamu mengerjakan front-end dari mockup desain, kamu akan langsung menyadarinya.

Untuk tim engineering startup → GLM-5.2 sebagai utama, Kimi K3 untuk eskalasi

Arahkan sebagian besar pekerjaan rutinmu — perbaikan bug rutin, refactor, pembuatan tes, boilerplate — ke GLM-5.2 dan simpan K3 untuk tugas-tugas di mana kemampuan ekstra benar-benar berubah menjadi tiket yang selesai. Selisih 7 poin SWE-bench Pro di antara keduanya nyata, tetapi itu hanya penting pada bagian tersulit.

Untuk perusahaan besar dan industri teregulasi → GLM-5.2 yang dihosting sendiri, atau Qwen3.8-27B saat sudah tersedia

Detail krusialnya: API cloud Z.ai melewati infrastruktur yang berbasis di Tiongkok. Untuk proyek pribadi dan sebagian besar startup ini bukan masalah. Bagi perusahaan teregulasi, ini menuntut tinjauan hukum atau peralihan ke hosting sendiri. Lisensi MIT membuat hosting sendiri benar-benar layak, sedangkan syarat ambang pendapatan K3 tidak.

Untuk alur kerja multimodal dan penggunaan komputer → Qwen3.8-Max

Jika agenmu perlu membaca tangkapan layar, mengurai dokumen secara visual, atau memproses video, GLM-5.2 tersingkir dan Qwen unggul atas Kimi pada angka visi yang dipublikasikan. OSWorld-Verified di 86,1 dan OmniDocBench di 92,1 adalah sinyal kuat untuk penggunaan komputer dan pemahaman dokumen. Cukup anggarkan akses API, bukan hosting sendiri, sampai bobot dan lisensinya benar-benar muncul.

Untuk peneliti dan penerapan yang berfokus pada kedaulatan → Kimi K3

Checkpoint bobot terbuka terbesar yang pernah diterbitkan, dengan laporan teknis yang mencakup desain, pelatihan, dan metodologi benchmark. Jika kamu mempelajari arsitektur MoE skala frontier, Kimi Delta Attention, atau Attention Residuals, ini model paling mumpuni yang benar-benar bisa kamu periksa.

Untuk kemampuan maksimum tanpa memedulikan biaya → Kimi K3

Peringkat keempat di Artificial Analysis, kedua di Vals Index, pertama di Frontend Code Arena, dan satu-satunya dari ketiganya yang secara konsisten bergantian menang melawan model unggulan Claude dan GPT. Harganya pun sesuai.

Strategi routing multi-model

Jawaban jujur atas pertanyaan “mana yang harus kamu pakai” adalah bahwa memilih satu biasanya kerangka yang keliru.

Ketiga model ini kompatibel dengan OpenAI SDK. GLM-5.2 juga menyediakan endpoint yang kompatibel dengan Anthropic, dan Qwen mendukung spesifikasi OpenAI maupun DashScope. Berpindah di antara ketiganya cukup dengan base URL dan ID model. Hampir tidak ada biaya lock-in.

Itu membuat arsitektur routing murah untuk dibangun dan mahal untuk dilewatkan:

Lapisan murah untuk pekerjaan bervolume tinggi dengan risiko rendah. Klasifikasi, peringkasan, penyuntingan sederhana. GLM-4.7 dengan harga $0,60/$2,20 menangani lebih banyak dari yang orang duga — model ini masih mencatat 73,8% di SWE-bench Verified.
Lapisan default untuk sebagian besar pekerjaan nyata. GLM-5.2 atau Qwen3.8-Max tergantung apakah kamu butuh kemampuan visual.
Lapisan eskalasi untuk bagian tersulit. Kimi K3, atau model unggulan Barat, untuk tugas di mana kegagalan mahal dan biaya iterasi melebihi biaya token.
Routing spesialis berdasarkan jenis tugas. Data Fireworks memberi pelajaran di sini — K3 unggul dalam keamanan dan loop terminal panjang, sementara Fable 5 menang di multibahasa dan visualisasi data. Itu perbedaan yang bisa dirutekan, bukan sekadar derau.

Tim yang paling banyak memanfaatkan lanskap model 2026 bukan yang memilih dengan benar. Mereka yang membangun sakelarnya.

Risiko, catatan, dan tanda bahaya

Tuduhan distilasi. Michael Kratsios, direktur Kantor Kebijakan Sains dan Teknologi Gedung Putih, secara publik menuduh Moonshot membangun Kimi K3 dengan mendistilasi model Claude Fable milik Anthropic. Moonshot tidak mengakui hal ini. Ini sengketa yang belum selesai dengan potensi implikasi hukum dan pengadaan, dan jika kamu berada dalam konteks di mana asal-usul model penting — misalnya kontrak pemerintah — hal ini masuk dalam daftar risikomu.

Routing data dan yurisdiksi. Ketiga perusahaan beroperasi terutama di bawah yurisdiksi Tiongkok. Panggilan API melewati infrastruktur mereka. Hosting sendiri menyelesaikan ini; penggunaan API tidak. Ini pertanyaan kepatuhan, bukan politik, dan ada jawaban teknis yang jelas jika persyaratanmu menuntutnya.

Verifikasi benchmark benar-benar tipis. Tabel benchmark Qwen3.8-Max sepenuhnya dilaporkan vendor tanpa replikasi independen yang dipublikasikan. Angka GLM-5.2 muncul setelah peluncuran dari sumber campuran. Hanya K3 yang punya evaluasi pihak ketiga substansial, dan evaluasi-evaluasi itu saling bertentangan.

Ketidakpastian lisensi pada Qwen. Preseden bukan komitmen. Sampai ada repositori Hugging Face dengan berkas lisensi yang sebenarnya, rencana apa pun yang bergantung pada bobot Qwen3.8-Max adalah rencana yang dibangun di atas siaran pers.

Mekanisme kuota berubah. Promosi pengali 1× di luar jam sibuk GLM berakhir pada September 2026, setelah itu konsumsi kuota kira-kira dua kali lipat di luar jam sibuk dan tiga kali lipat pada jam sibuk. Jika kamu menentukan ukuran langganan berdasarkan throughput efektif saat ini, hitung juga angka setelah promosi.

Kadensi rilisnya brutal. GLM-5 dirilis Februari, 5.1 April, 5.2 Juni. Kimi merilis K2.5 Januari, K2.6 April, K2.7 Code Juni, K3 Juli. Apa pun yang kamu simpulkan hari ini punya masa berlaku dalam hitungan minggu.

Apa yang akan datang berikutnya

Model unggulan berikutnya dari Z.ai adalah rilis jangka pendek yang paling dinanti. Catatan riset JPMorgan, yang dilansir Reuters dan CGTN, menunjuk jendela Agustus 2026. Bocoran komunitas menggambarkan model di atas satu triliun parameter dengan jendela konteks 1M yang dibawa serta dan bobot terbuka, berfokus pada agen coding yang berjalan lama. Bahkan namanya masih diperdebatkan — GLM-5.3, GLM-5.5, dan GLM-6 semuanya muncul dalam diskusi saat ini, dengan beberapa laporan menyiratkan Z.ai mungkin melewati 5.3 dan 5.4 sepenuhnya. Per 4 Agustus, dokumentasi Z.ai masih mencantumkan GLM-5.2 sebagai rilis terbaru. Dukungan visi adalah permintaan komunitas paling lantang dengan selisih yang lebar.

Bobot Qwen3.8-Max adalah peristiwa konkret terdekat, dijanjikan untuk pekan 10 Agustus bersama Qwen3.8-27B. Checkpoint 27B adalah yang perlu diperhatikan untuk penerapan on-premise yang praktis.

Laporan teknis lengkap Kimi K3 yang mencakup desain, metodologi pelatihan, dan reproduksi benchmark diperkirakan menyusul setelah rilis bobot.

Saya akan memperbarui perbandingan ini saat masing-masing hal itu terwujud.

Pertanyaan yang sering diajukan

Mana model AI bobot terbuka terbaik saat ini?

Dari segi kemampuan mentah, Kimi K3 — peringkat keempat dari 189 model di Artificial Analysis Intelligence Index dan pertama di Frontend Code Arena. Dari segi nilai untuk pekerjaan coding, GLM-5.2, dengan biaya output kurang dari sepertiga K3 dan lisensi MIT yang benar-benar tanpa batasan. “Terbaik” sepenuhnya bergantung pada apakah kamu mengoptimalkan kemampuan atau biaya per tugas yang terselesaikan.

Apakah Qwen3.8-Max benar-benar sumber terbuka?

Belum. Per 5 Agustus 2026, model ini hanya tersedia lewat API. Alibaba berjanji merilis bobot pada pekan 10 Agustus di Hugging Face dan ModelScope, tetapi belum ada repositori atau lisensi yang muncul. Judul berita yang menyebutnya sumber terbuka sedang menggambarkan komitmen, bukan unduhan.

Bisakah GLM-5.2 memproses gambar?

Tidak. GLM-5.2 tidak punya encoder visual — model ini hanya menerima teks dan kode. Ini keputusan arsitektur yang disengaja, bukan kelalaian, dan visi adalah permintaan komunitas teratas untuk rilis berikutnya.

Berapa biaya Kimi K3?

$3 per juta token input dan $15 per juta token output, dengan input cache $0,30. Itu menjadikannya yang termahal dari ketiganya dengan selisih lebar, meski masih jauh di bawah Claude Opus 5 pada $5/$25 dan Claude Fable 5 pada $10/$50.

Bisakah kamu menjalankan model ini di perangkat kerasmu sendiri?

Secara realistis, bukan model unggulannya. Kimi K3 adalah unduhan 1,56 TB yang membutuhkan 64+ akselerator. Qwen3.8-Max pada 2,4T adalah penerapan pusat data multi-node. GLM-5.2 pada total ~753B dan ~40B aktif adalah yang paling mudah dikelola tetapi tetap butuh infrastruktur GPU serius. Qwen3.8-27B yang akan datang adalah opsi on-premise yang realistis.

Model mana yang terbaik untuk agen coding?

Kimi K3 memimpin di Terminal-Bench 2.1 (88,3), Program Bench, dan SWE Marathon. GLM-5.2 menawarkan rasio biaya-terhadap-kemampuan terbaik pada 81,0 di Terminal-Bench dan 62,1 di SWE-bench Pro. Qwen3.8-Max berada di antara keduanya pada 86,6 dan 67,7 sambil menambahkan input multimodal. Ketiganya berfungsi dengan Claude Code, Cline, dan harness serupa.

Apakah model-model ini mengalahkan Claude dan GPT?

Pada benchmark tertentu, kadang-kadang. Kimi K3 memimpin Frontend Code Arena atas Claude Fable 5 dan skornya di atas Claude Opus 4.8 pada indeks Artificial Analysis. Tetapi Moonshot sendiri mengakui K3 masih tertinggal dari Fable 5 dan GPT-5.6 Sol secara keseluruhan, dan pengujian independen menunjukkan hasil campuran menurut kategori tugas, bukan pemenang yang jelas.

Mana yang punya lisensi terbaik untuk penggunaan komersial?

GLM-5.2, tanpa keraguan. MIT tanpa batasan, tanpa ambang pendapatan atau syarat atribusi. Lisensi khusus Kimi K3 mengizinkan penggunaan komersial luas tetapi menambahkan syarat bagi perusahaan dengan pendapatan di atas $20 juta yang menjualnya kembali sebagai layanan. Qwen3.8-Max belum mengumumkan lisensi sama sekali.

Apakah aman memakai model AI Tiongkok untuk data bisnis?

Panggilan API melewati infrastruktur di bawah yurisdiksi Tiongkok. Untuk proyek pribadi dan sebagian besar startup ini bukan masalah. Bagi industri teregulasi, ini memerlukan tinjauan hukum atau hosting sendiri — itulah sebabnya lisensi MIT GLM-5.2 lebih penting daripada skor benchmark-nya bagi sebagian organisasi.

Apa perbedaan antara parameter total dan parameter aktif?

Model mixture-of-experts hanya mengaktifkan sebagian kecil parameternya per token. Kimi K3 punya total 2,8T tetapi mengaktifkan sekitar 50B (16 dari 896 expert). Qwen3.8-Max punya total 2,4T dengan ~95B aktif. GLM-5.2 punya ~753B dengan ~40B aktif. Parameter aktif menentukan biaya inferensi — itulah sebabnya model unggulan Qwen lebih mahal untuk disajikan daripada K3 yang lebih besar.

Putusan akhir

Hal terpenting yang diungkapkan perbandingan ini bukanlah model mana yang menang. Melainkan bahwa pertanyaannya sudah berubah.

Dua tahun lalu, pertanyaan menarik tentang model bobot terbuka adalah seberapa jauh mereka tertinggal. Pertanyaan itu sekarang membosankan, karena jawabannya adalah “cukup dekat sehingga tergantung tugasmu.” Kimi K3 mengalahkan Claude Fable 5 pada papan peringkat preferensi manusia secara buta untuk kode front-end. GLM-5.2 mengalahkan GPT-5.5 dalam perbaikan bug nyata dengan biaya seperenamnya. Ini bukan hasil dari bracket penghiburan.

Pertanyaan menariknya sekarang adalah apa yang sebenarnya kamu beli. Dan jawabannya berbeda untuk masing-masing dari ketiganya dengan cara yang tidak ada hubungannya dengan posisi benchmark:

GLM-5.2 menjual kepadamu kemandirian. Bobot MIT, tanpa syarat, tanpa negosiasi, harga terendah dalam perbandingan. Kamu membeli hak untuk berhenti bergantung pada vendor.
Kimi K3 menjual kepadamu kemampuan. Skor terkuat di sini, dengan harga yang mencerminkannya, plus syarat lisensi yang hanya berdampak kalau kamu tumbuh besar.
Qwen3.8-Max menjual kepadamu keluasan. Teks, gambar, dan video dalam satu model, angka agentic yang kuat, didukung komitmen infrastruktur Alibaba senilai $53 miliar — dan, untuk saat ini, janji tentang bobot alih-alih bobot itu sendiri.

Jika harus saya ringkas menjadi satu baris masing-masing: pilih GLM-5.2 kalau kamu sendiri yang membayar tagihannya, Kimi K3 kalau kemampuan sepadan dengan harga premiumnya, dan Qwen3.8-Max kalau agenmu butuh mata.

Dan apa pun yang kamu pilih, bangun routernya. Dalam lanskap di mana tiga model yang mendekati frontier dirilis dalam delapan minggu, kemampuan untuk berpindah lebih bernilai daripada kemampuan memilih dengan benar.

Terakhir diperbarui: 5 Agustus 2026. Harga, benchmark, dan lisensi di bidang ini berubah setiap minggu — verifikasi angka terkini terhadap dokumentasi resmi sebelum mengambil keputusan pengadaan. Sumber termasuk VentureBeat, MarkTechPost, Fortune, SCMP, Quartz, Artificial Analysis, Northflank, dan dokumentasi vendor dari Moonshot AI, Alibaba Qwen, dan Z.ai.