Kimi K3 menempati puncak daftar kode program front-end sebelum tampil, uji coba buta oleh manusia mengalahkan Claude Fable 5

月之暗面的 Kimi K3 dengan 1.679 poin naik ke puncak daftar kode front-end Arena.ai, meraih juara di 6 dari 7 subbidang, mengalahkan Claude Fable 5 dan GPT-5.6 Sol; tetapi bobot lengkapnya baru akan di-open source pada 27 Juli.
（Ringkasan sebelumnya: Moonshot AI dari Moonshot AI akan merilis Kimi K3! Dengan 2,8 triliun parameter dan jutaan long text, performanya hampir menyamai Anthropic Opus 4,8）
（Tambahan konteks: rilis open source Qwen3.6-27B dengan “Openclaw, Hermes pilihan utama”: performa AI menyamai Claude Opus 4,5 dengan biaya yang dipangkas 14 kali）

Daftar Isi

Toggle

• Peringkat yang dipilih lewat voting manusia
• Makna politik dari open source
• Janji yang belum terealisasi

Kimi K3 dari Moonshot, dengan 1.679 poin, menduduki puncak Arena.ai “Front-end Code Arena”, mengungguli Claude Fable 5 milik Anthropic (1.631 poin) dan GPT-5.6 Sol milik OpenAI (1.618 poin). Versi sebelumnya K2.6 baru berada di peringkat ke-18; kali ini langsung meloncat 17 peringkat ke posisi teratas.

Tapi ini tidak berarti “Kimi K3 adalah model paling kuat”. Front-end Code Arena menguji sesuatu yang sangat spesifik: dengan mendeskripsikan kebutuhan dalam bahasa alami, apakah model bisa menghasilkan halaman web front-end yang benar-benar dapat dieksekusi. Logika back-end, efisiensi algoritma, serta rancangan sistem end-to-end tidak termasuk dalam soal daftar ini.

Peringkat yang dipilih lewat voting manusia

Logika peringkat Arena.ai berbeda dari kebanyakan leaderboard benchmark. Tidak ada kumpulan soal tetap, dan bukan penilaian otomatis berbasis mesin. Sederhananya, pengguna sungguhan mengirim kebutuhan pengembangan front-end; dua model anonim masing-masing menghasilkan sebuah web yang bisa dieksekusi. Pengguna kemudian membukanya sendiri untuk memakai, merasakan mana yang lebih enak, lalu melakukan voting untuk menentukan pemenang; platform lalu menggunakan mekanisme Elo untuk menghitung skor berdasarkan hubungan menang-kalah antar model, sehingga menghasilkan peringkat akhir. Skor yang lebih tinggi berarti model lebih sering menang dalam uji buta oleh manusia dibanding lawannya; ini adalah leaderboard yang dibangun dari preferensi nyata, bukan sesuatu yang bisa digantikan oleh penilaian otomatis.

Dalam pengumuman resmi Arena.ai, dalam 7 bidang yang dibagi, Kimi K3 meraih 6 gelar juara: Brand & Marketing, desain berbasis referensi, Data & Analytics, produk konsumen, simulasi, serta alat kreasi konten. Satu-satunya yang kalah adalah pengembangan game, yang berada di peringkat kedua, kalah dari Claude Fable 5.

Big news: Kimi-K3 by @Kimi_Moonshot is now #1 in the Frontend Code Arena with 1679 pts, surpassing Claude Fable 5.

This is a 17-place jump from Kimi-k2.6 (#18 -> #1).

In Frontend, Kimi-K3 ranked #1 in 6 of 7 domains: Brand & Marketing, Reference-Based Design, Data & Analytics,… https://t.co/YDN3BufGkC pic.twitter.com/Oa6teaQnWp

— Arena.ai (@arena) July 16, 2026

Makna politik dari open source

Kimi K3 adalah model terkuat Moonshot AI saat ini, dengan jumlah parameter mencapai 2,8 triliun. Menurut laporan VentureBeat, pihak resmi menyebutnya sebagai model pertama dengan kategori “kelas 3T yang terbuka”, dan juga diklaim sebagai model open source terbesar sepanjang sejarah. Namun harga API Kimi K3 adalah 3 dolar AS per 1 juta token untuk input dan 15 dolar AS per 1 juta token untuk output, berada pada level yang sama dengan rangkaian Claude Sonnet milik Anthropic.

Generasi sebelumnya K2.6 cukup 0,95 dolar AS untuk input dan 4 dolar AS untuk output. Moonshot AI sebelumnya membuka pasar lewat harga rendah, tetapi kali ini justru berubah menjadi model dengan harga tertinggi yang ditetapkan hingga kini oleh laboratorium di Tiongkok; murah sudah bukan lagi nilai jual. Satu-satunya kekuatan penalarannya tetap berada di “max”, yakni varian yang paling boros token. Sikap open source ditampilkan, tetapi biaya untuk menggunakannya makin tinggi.

Janji yang belum terealisasi

Bobot model lengkap baru akan dipublikasikan pada 27 Juli 2026. Dengan kata lain, “model open source terbesar sepanjang sejarah” yang beredar saat ini, sebenarnya belum benar-benar di-open source; itu masih berupa cek yang belum dicairkan.

Hasil penilaian mandiri yang diumumkan resmi menunjukkan bahwa pada mayoritas proyek, Kimi K3 setara dengan Claude Opus 4,8 max dan GPT-5.5 high, tetapi pada sebagian proyek masih kalah dari Claude Fable 5 dan GPT-5.6 Sol. Ini adalah daftar nilai yang dipublikasikan sendiri oleh vendor; jadi hanya sebagai referensi, tidak perlu dianggap sebagai fakta netral.

Peringkat pertama dalam daftar kode front-end membuktikan bahwa Kimi K3 unggul atas Claude dan GPT dalam tugas spesifik “memahami kebutuhan, lalu menghasilkan web yang bisa dipakai”; namun apakah ia benar-benar model program paling kuat secara menyeluruh, masih terlalu dini untuk disimpulkan, terutama karena bobotnya pun belum dirilis.