Qwen 3.8 vs Kimi K3: Çin'in İki Dev Açık Kaynak Yapay Zeka Modeli Karşılaştırması

Temmuz 2026, açık ağırlıklı öncü modeller için iki atlı bir aya dönüştü ve her iki at da Çin'den çıktı. Moonshot AI, Kimi K3'ü 16 Temmuz'da piyasaya sürdü. Üç gün sonra Alibaba, Qwen 3.8-Max'in ön gösterimini yaptı ve ardından Ağustos başında genel kullanıma sundu. Her ikisi de trilyon parametreli uzman karışımı (MoE) modellerdir. Her ikisi de açık ağırlıklar vaat ediyor veya sunuyor. Her ikisi de Claude Code tarzı ajan kurulumlarına bağlanabiliyor. Ayrıca her ikisi de ABD öncü laboratuvarlarının fiyatlarını aşağı çekiyor.

Apidog'u bugün deneyin

Yüzeydeki benzerlikler, pratikteki önemli farkları gizliyor: bugün ne indirebileceğiniz, modellerin hangi giriş türlerini kabul ettiği ve yoğun kullanımda aylık maliyetiniz. Bu karşılaştırma, 3 Ağustos 2026 itibarıyla doğrulanabilen eksenleri ele alır. Alibaba'nın yeni amiral gemisinin ayrıntıları için önce Qwen 3.8-Max açıklayıcımıza bakın.

Kısa dürüstlük notu: Bu iki model için henüz bağımsız bir karşılaştırmalı test yoktur. Bu makaledeki sayılar satıcıların kendi tablolarından gelir ve kaynakları belirtilmiştir. Karşılaştırma bölümünü kesin hüküm olarak değil, uygulama kararınıza yardımcı olacak bir başlangıç noktası olarak değerlendirin.

Zaman çizelgesi: kim, ne zaman, neyi piyasaya sürdü?

Çıkış sırası burada normalden daha önemlidir; çünkü “açık ağırlıklar” şu anda iki model için farklı anlama gelir.

Kimi K3, 16 Temmuz 2026'da yayımlandı. Moonshot, lansmanda açık ağırlıklar sözü verdi ve bu sözü 11 gün sonra yerine getirdi: ağırlıklar 27 Temmuz'da Hugging Face'e 594 GB'lık MXFP4 sürümü olarak geldi.

Bugün K3'ü indirebilir, daha düşük hassasiyette nicemleyebilir ve kendi donanımınızda çalıştırabilirsiniz. Bu yalnızca bir yol haritası vaadi değildir; kullanılabilir durumdadır.

Qwen 3.8-Max, 19 Temmuz'da ön gösterime çıktı ve resmi Qwen çıkış gönderisine göre Ağustos başında Alibaba Cloud Model Studio'da genel kullanıma açıldı. Ağırlıkların Hugging Face ve ModelScope için “gelecek hafta” yayımlanacağı söylendi; bu yaklaşık 10 Ağustos'a karşılık geliyor.

3 Ağustos 2026 itibarıyla Qwen 3.8-Max ağırlıkları indirilebilir değildir. K3'ün lansman ile ağırlık yayını arasında 11 gün olması, bu gecikmenin olağan olabileceğini gösterir. Ancak bugün pratikte açık olan yalnızca K3'tür.

Kendi kendine barındırma karar kriterinizse, karşılaştırma burada bitebilir.

Parametreler: iki trilyon ölçekli MoE modeli

Her iki model de seyrek uzman karışımı mimarisi kullanır. Bu nedenle toplam parametre sayısı ile token başına etkinleşen parametre sayısı aynı anlama gelmez.

Özellik	Qwen 3.8-Max	Kimi K3
Toplam parametre	2.4T	2.8T
Token başına aktif parametre	95B	104B
Aktivasyon oranı	~%4	~%3,7
Mimari temel	Qwen 3.5 temelli, MoE	MoE
Açık ağırlık formatı	Vaat edildi (~10 Ağustos)	Hugging Face'te MXFP4, 594 GB

Qwen 3.8-Max, iki ölçümde de daha küçük bir modeldir:

• K3'ten 400 milyar daha az toplam parametreye sahiptir.
• Token başına 9 milyar daha az aktif parametre kullanır.

Bu farklar yeteneğe doğrusal biçimde dönüşmez. Ancak tüm diğer değişkenler eşitse, token başına 95B parametre etkinleştiren bir modeli sunmak, 104B etkinleştiren bir modele göre daha ucuz olabilir. Bu fark API fiyatlarında da görülür.

Kendi kendine barındırma açısından daha kritik sayı K3'ün indirme boyutudur: MXFP4 formatında 594 GB. Uzun bağlamlı kullanımda KV önbelleğini hesaba katmadan bile bu, çok düğümlü altyapı gerektirebilecek bir dağıtımdır.

Qwen 3.8-Max ağırlıkları geldiğinde, toplam 2.4T parametre nedeniyle benzer bir ağırlık sınıfında olması beklenebilir. Çoğu ekip için varsayılan seçenek barındırılan API uç noktaları olacaktır; kendi kendine barındırma ise uyumluluk, araştırma veya model denetimi gereksinimleri için saklanacaktır.

Bugün açıklık: canlı ağırlıklar ve verilmiş sözler

Bu başlık ayrı değerlendirilmelidir; çünkü iki taraf da “açık” ifadesini kullanıyor, ancak pratik durumları farklı.

Kimi K3 ağırlıkları herkese açıktır. Depoyu doğrulayabilir, lisansı inceleyebilir ve dosyaları hemen indirebilirsiniz. Bu yaklaşım şunları mümkün kılar:

• Üçüncü taraf sağlayıcılarda barındırma
• Topluluk nicemlemeleri
• İnce ayar
• Sabit bir model sürümüyle çalışma
• Modelin siz fark etmeden değiştirilmediğinden emin olma

Qwen 3.8-Max, açık ağırlıklarla yayımlanan ilk Qwen-Max sınıfı model olmayı hedefliyor. Alibaba'nın önceki Max düzeyi modellerini yalnızca API olarak sunması düşünüldüğünde, bu önemli bir strateji değişikliği olur.

Ancak Hugging Face deposu yayına girene kadar Qwen 3.8-Max, pratikte açık ağırlıklı bir model değil; açık ağırlık duyurusu bulunan bir API modelidir.

Bugün bu ekseni K3 lehine değerlendirin. Qwen ağırlıkları yayımlandığında lisans koşulları, nicemleme kalitesi ve topluluk desteğini yeniden karşılaştırın.

Modalite: Qwen görüntüleri görür, K3 metin okur

Bu eksende fark belirgindir.

Qwen 3.8-Max, resmi yapılandırmalarında aşağıdaki giriş modalitelerini belirtir:

{
  "input_modalities": ["text", "image"]
}

Yani model, metin ve görüntü girdisi kabul eder.

Alibaba'nın lansman gönderisi ayrıca 200 sayfayı aşan PDF'lerde uzun belge anlama ve bellek grafikleri üzerinden 100 saatlik video anlama örnekleri gösterir. Bunları belgelenmiş API giriş türlerinden ziyade blog demosu olarak değerlendirin.

Ancak görüntü girişi bugün API'de desteklenmektedir. Alibaba'nın satıcı karşılaştırmalarındaki en güçlü sonuçlar da çok modlu görevlerde görülür:

• MathVision: 95.2
• LogicVista: 91.9
• OSWorld-Verified: 86.1
• Güçlü OCR sonuçları

Kimi K3 ise metin modelidir. İş yükünüz şunları içeriyorsa ek bir görüntü modeli gerekir:

• Ekran görüntüsü analizi
• Taranmış belgeler
• Arayüz anlama
• Görsel tabanlı bilgisayar kullanan ajan görevleri

Bu ek katman, daha fazla yapıştırıcı kodu, ek gecikme ve ayrı bir hata yüzeyi anlamına gelir.

Yalnızca metin tabanlı kodlama veya ajan işleri için bu eksen önemsiz olabilir. Belge zekâsı ve bilgisayar kullanan ajanlar için ise Qwen 3.8-Max belirgin avantaj sağlar.

Bağlam, çıktı ve API yüzeyi

Qwen 3.8-Max şu özellikleri sunar:

• 1.000.000 token bağlam penceresi
• 65.536 token maksimum çıktı
• reasoning_effort ile ayarlanabilen muhakeme seviyesi
• xhigh varsayılanı ile medium ve low seçenekleri
• Varsayılan olarak korunan düşünce çıktısı

Muhakeme ve muhakemesiz modlar aynı oranda fiyatlandırılır. Ancak düşünce tokenları çıktı tokenı olarak faturalandırıldığından, gerçek maliyet hesaplarında bunu ayrıca modellemeniz gerekir.

Qwen 3.8-Max'e Alibaba Cloud Model Studio üzerinden üç bölgesel temel URL ile erişilir:

• Pekin
• Singapur
• ABD-Virginia

Ayrıca aynı platformda iki API protokolü vardır:

• OpenAI uyumlu uç nokta
• Anthropic uyumlu uç nokta

Bu sayede Qwen 3.8-Max'i Claude Code tarzı bir kurulumda aşağıdaki gibi yapılandırabilirsiniz:

export ANTHROPIC_BASE_URL="https://<dashscope-anthropic-endpoint>"
export ANTHROPIC_MODEL="qwen3.8-max"

Tüm modeller ve bölgesel kullanılabilirlik için Model Studio modeller sayfasını kontrol edin.

Birden fazla bölgeyle çalışıyorsanız, Apidog gibi araçlarda her temel URL'yi ayrı ortam olarak tanımlayabilirsiniz. Böylece istek gövdesini değiştirmeden ortamlar arasında geçiş yapabilirsiniz.

Kimi K3 de Anthropic protokolünü destekler ve Claude Code tarzı kurulumlara bağlanabilir. Bu nedenle iki model aynı kullanım alanında rekabet eder: mevcut ajan altyapınızı daha düşük maliyetli bir öncü modele yönlendirmek.

K3'ün güncel uç nokta ayrıntıları ve limitleri için Kimi K3 açıklayıcımıza bakın.

Fiyatlandırma: düz fiyatlandırma ve çıktı maliyeti

Yayınlanan milyon token başına oranlar:

Oran	Qwen 3.8-Max	Kimi K3
Giriş	$2.00	$3.00
Çıkış	$6.00	$15.00
Önbellek isabetli giriş	$0.20	$0.30
Katmanlandırma	1M bağlam boyunca düz	Moonshot'un yayımlanmış tarifesine göre

Resmi Model Studio fiyatlandırma sayfasına göre Qwen 3.8-Max, sıfırdan bir milyon token bağlama kadar düz fiyatlandırma kullanır:

• Giriş: milyon token başına $2
• Çıkış: milyon token başına $6
• Açık önbellek oluşturma: giriş fiyatının %125'i
• Önbellek isabeti: giriş fiyatının %10'u

Ek olarak Singapur bölgesinde, 90 gün geçerli 1 milyon tokenlık ücretsiz kota bulunur.

K3 için yayımlanan oranlar:

• Önbellek isabeti: milyon token başına $0.30
• Giriş: milyon token başına $3
• Çıkış: milyon token başına $15

İş yükünüze göre maliyet hesabı

İyi önbellek disiplini olan giriş ağırlıklı iş yüklerinde fark daha küçüktür:

• Qwen önbellek isabeti: $0.20 / milyon token
• K3 önbellek isabeti: $0.30 / milyon token

Uzun sistem istemleri veya tekrar eden belge bağlamları kullanıyorsanız, bu fark tek başına karar vermek için yeterli olmayabilir.

Çıkış ağırlıklı iş yüklerinde ise fark büyür:

• Qwen çıkışı: $6 / milyon token
• K3 çıkışı: $15 / milyon token

Ajan döngüleri, yoğun muhakeme ve kod üretimi genellikle çok sayıda çıktı tokenı üretir. Bu senaryolarda Qwen 3.8-Max, liste fiyatı açısından daha avantajlıdır.

Qwen'e özgü önemli uyarı: reasoning_effort varsayılan olarak xhigh değerindedir ve düşünce tokenları çıktı olarak faturalandırılır. Bu nedenle gerçek faturalar, yalnızca giriş ve görünür çıktı tokenlarıyla yaptığınız tahminin üzerinde olabilir.

Görev başına maliyet hesabı için Qwen 3.8 fiyatlandırma dökümümüze bakın.

Karşılaştırmalar: iki satıcı tablosu, bağımsız hakem yok

Bu modelleri kıyaslarken şu ayrımı koruyun.

Mevcut olan:

• Alibaba'nın Qwen 3.8-Max için Claude Opus 4.8, Fable 5, GPT-5.6 Sol ve Qwen 3.7-Max ile karşılaştırma tablosu
• Moonshot'un Kimi K3 için önde gelen modellerle yayımladığı lansman tablosu

Mevcut olmayan:

• Qwen 3.8-Max ve Kimi K3'ü aynı donanım, aynı iskele ve aynı örnekleme ayarlarıyla test eden bağımsız değerlendirme
• Yazım sırasında Qwen 3.8-Max için Yapay Analiz sayısı
• Satıcıların birbirlerinin modellerini doğrudan test ettiği ortak bir tablo

Alibaba'nın kendi çalışmasından bazı sonuçlar aşağıdadır. Alibaba, değerlendirmelerin büyük ölçüde Claude Code altyapısı üzerinden yürütüldüğünü belirtmiştir.

Benchmark	Qwen 3.8-Max	Claude Opus 4.8	Fable 5	GPT-5.6 Sol
Terminal Bench 2.1	86.6	84.6	84.6	88.8
SWE-bench Pro	67.7	69.2	80.0	64.6
PaperBench	93.0	80.3	88.8	90.5
GPQA Diamond	92.6	92.0	92.6	94.1
HLE	43.6	45.7	53.3	47.2

Alibaba'nın tablosu yalnızca kazanımları değil, kayıpları da gösterir:

• Qwen 3.8-Max, SWE-bench Pro'da Fable 5'in gerisindedir.
• HLE'de listelenen tüm modellerin gerisindedir.

Öne çıkan Qwen satırları PaperBench, talimat takibi (IFBench 82.8) ve çok modlu görevlerdir. Ancak Alibaba'nın diğer güçlü sonuçlarının bir bölümü, QwenSWEBench ve CoWorkBench gibi şirket içi benchmark'lara dayanır. Bunlar doğrudan çapraz referans vermek için uygun değildir.

Moonshot tarafında K3'ün lansman tablosu, K3'ün seçili satırlarda Claude Opus 4.8'i geçtiğini; ancak genel olarak Fable 5 ve GPT-5.6 Sol'un gerisinde kaldığını öne sürer. Bu iddiaları ve sınırlılıklarını Kimi K3 vs Claude Opus 4.8 karşılaştırmamızda ele aldık.

İki satıcı tablosunu yan yana koyabilirsiniz. Ancak farklı donanım, iskele, araç kullanımı ve örnekleme ayarları nedeniyle tablolardan doğrudan “hangi model daha iyi?” sonucu çıkaramazsınız.

Dürüst özet şudur: Her iki satıcı da modelini ajan görevlerinde ABD öncü modelleriyle rekabetçi, bazı seçili alanlarda ise daha iyi gösteriyor. Bu tabloların hiçbiri Qwen 3.8-Max ile Kimi K3 arasında kesin kazananı belirlemez.

Alibaba'nın sonuçları için daha ayrıntılı inceleme: Qwen 3.8 benchmark analizimiz.

Kendi karşılaştırmanızı Apidog'da çalıştırın

Bağımsız hakem yoksa, en faydalı benchmark kendi iş yükünüzde çalıştırdığınız benchmark'tır.

Her iki model de OpenAI uyumlu sohbet tamamlama uç noktaları sunduğu için, Apidog ile yan yana test kurabilirsiniz.

1. İki ortam oluşturun

İlk ortam için:

BASE_URL = <DashScope temel URL'si>
MODEL = qwen3.8-max
API_KEY = <Qwen API anahtarı>

İkinci ortam için:

BASE_URL = <Moonshot temel URL'si>
MODEL = <Kimi K3 model kimliği>
API_KEY = <Moonshot API anahtarı>

2. Tek bir taşınabilir istek tanımlayın

Örneğin OpenAI uyumlu bir sohbet tamamlama isteği:

{
  "model": "{{MODEL}}",
  "messages": [
    {
      "role": "system",
      "content": "Sen deneyimli bir yazılım mühendisisin. Yanıtı yapılandırılmış JSON olarak döndür."
    },
    {
      "role": "user",
      "content": "{{PROMPT}}"
    }
  ]
}

İstek URL'sini ortam değişkeniyle oluşturun:

{{BASE_URL}}/chat/completions

3. Yapay benchmark yerine gerçek görevinizi kullanın

Ürününüzden veya deponuzdan gerçek bir görev seçin:

• Bir hata raporunu analiz etme
• Kod inceleme yorumu üretme
• Test yazma
• Bir API şemasından istemci kodu çıkarma
• Uzun bir teknik dokümanı özetleme
• Ekran görüntüsündeki arayüzü yorumlama

Aynı istemi iki ortamda çalıştırın. Böylece yalnızca model yanıtını değil, kendi iş akışınızdaki davranışı ölçersiniz.

4. Kontroller ekleyin

Tekrarlanabilir bir test için aşağıdaki kontrolleri ekleyin:

• Yanıt şeması doğrulaması
• Maksimum gecikme eşiği
• Çıktıda gerekli anahtar kelimeler
• JSON ayrıştırılabilirliği
• Beklenen araç çağrısı veya fonksiyon adı
• Boş olmayan yanıt kontrolü

Örnek kontrol mantığı:

pm.test("HTTP durumu 200 olmalı", () => {
  pm.response.to.have.status(200);
});

const body = pm.response.json();

pm.test("Yanıt içeriği bulunmalı", () => {
  pm.expect(body.choices?.[0]?.message?.content).to.exist;
});

5. Akış davranışını inceleyin

SSE akışı kullanıyorsanız, her modelin muhakeme içeriğini ve çıktı tokenlarını nasıl aktardığını da inceleyin. Bu özellikle kullanıcı arayüzünüz düşünce tokenlarını, araç çağrılarını veya kısmi yanıtları işliyorsa önemlidir.

On gerçek istemi iki uç noktada çalıştırmak, çoğu durumda herhangi bir satıcı tablosundan daha faydalı karar verisi üretir.

Karşılaştırmayı kurmak için Apidog'u ücretsiz indirin.

Değerlendirme kartı

Eksen	Bugünkü kazanan	Uyarı
Toplam/aktif parametreler	Qwen 3.8-Max — daha yalın: 2.4T/95B vs 2.8T/104B	Daha küçük olmak tek başına daha iyi veya daha kötü değildir; ağırlıklı olarak hizmet maliyetini etkiler
Bugün açık ağırlıklar	Kimi K3 — Hugging Face'te canlı, 594 GB MXFP4	Qwen ağırlıkları ~10 Ağustos'ta bekleniyor; bu eksen yakında berabere kalabilir
Modalite	Qwen 3.8-Max — metin + görüntü girişi	Video ve uzun belge iddiaları blog demosudur; belgelenmiş API giriş türü değildir
Bağlam penceresi	Qwen 3.8-Max — 1M düz katman, 65.536 maksimum çıktı	K3 limitlerini kullanım durumunuz için Moonshot belgelerinden doğrulayın
Fiyat	Qwen 3.8-Max — $2/$6 vs $3/$15	Varsayılan xhigh muhakeme, Qwen'in gerçek çıktı maliyetini artırabilir
Karşılaştırmalar	Karar verilemez	Her iki tablo da satıcı tarafından yürütülmüştür; bağımsız karşılaştırma yoktur
Araç ekosistemi	Berabere	İki model de Anthropic uyumlu uç noktalarla Claude Code tarzı araçlara bağlanır
Vaatler konusunda geçmiş performans	Kimi K3	Ağırlıklar lansmandan 11 gün sonra yayımlandı; Qwen'in sözü hâlâ beklemede

Hangisini ne zaman seçmelisiniz?

Kimi K3'ü seçin, eğer:

• Bu hafta kendi donanımınızda ağırlıklara ihtiyacınız varsa
• Uyumluluk gereksinimleriniz sabitleyebileceğiniz ve denetleyebileceğiniz bir model gerektiriyorsa
• İş yükünüz tamamen metin tabanlıysa
• İş yükünüz giriş ağırlıklıysa ve önbellek fiyatlandırması belirleyiciyse

Qwen 3.8-Max'i seçin, eğer:

• İş yükünüz görüntü veya belge anlama içeriyorsa
• Çok sayıda çıktı tokenı üretiyorsanız
• Ajan döngüleri veya kod üretimi çalıştırıyorsanız
• Katmanlı fiyatlandırma sürprizi olmadan 1M token bağlam istiyorsanız

Bir hafta bekleyin, eğer:

• Bu modellere bakmanızın tek nedeni açık ağırlıklarsa
• Qwen'in ağırlıkları söz verildiği gibi yaklaşık 10 Ağustos'ta yayımlanırsa, açıklık farkı kapanacaktır
• Kararınız modalite, lisans, fiyat ve kendi değerlendirme sonuçlarınıza kalacaktır

Asıl hikâye, geliştiricilerin üç hafta içinde Çin'den iki güvenilir, düşük maliyetli ve ajan araçlarıyla uyumlu öncü seçeneğe sahip olmasıdır. Hangi modeli seçerseniz seçin, yol haritanızı bir satıcının tablosuna göre belirlemeden önce iki uç noktada kendi istemlerinizi çalıştırın.

SSS

Kimi K3, Qwen 3.8-Max'ten daha mı açık?

Bugün evet. K3 ağırlıkları 27 Temmuz 2026'dan beri Hugging Face'te 594 GB MXFP4 olarak bulunuyor. Qwen 3.8-Max ağırlıkları ise yaklaşık 10 Ağustos için vaat edildi ve henüz indirilemiyor.

Alibaba sözünü yerine getirirse iki model de açık ağırlıklı öncü model olacaktır. O noktada anlamlı farklar lisans koşulları, nicemleme kalitesi ve topluluk desteğine kayar.

Şimdilik yalnızca K3 kendi kendine barındırılabilir. Gereksinimleri görmek için yerel K3 rehberimize bakın.

Kodlama için hangi model daha iyi: Qwen 3.8-Max mi, Kimi K3 mü?

Bunu henüz kimse dürüstçe kesin olarak yanıtlayamaz.

Her iki satıcı da güçlü ajan-kodlama sonuçları yayımlıyor; ancak değerlendirmelerini kendi koşullarında yürüttüler ve bağımsız doğrudan karşılaştırma bulunmuyor.

Alibaba'nın kendi tablosunda bile Qwen 3.8-Max, SWE-bench Pro'da Fable 5'e kaybediyor. Satıcı tabloları bazı kayıpları kabul etse de satıcılar arasında doğrudan karşılaştırılabilir değiller.

Karar vermeden önce iki modeli de kendi deponuzdaki gerçek görevlerde çalıştırın.

Her iki modeli de Claude Code'da kullanabilir miyim?

Evet. İki model de Anthropic uyumlu uç noktalar sunar.

Qwen 3.8-Max için:

export ANTHROPIC_BASE_URL="https://<dashscope-anthropic-endpoint>"
export ANTHROPIC_MODEL="qwen3.8-max"

K3 de Moonshot uç noktası üzerinden aynı yapılandırma desenini destekler.

Bu ortak araç uyumluluğu, iki model arasında A/B testi kurmayı ucuz ve pratik hâle getirir.

Tipik bir ajan iş yükü için hangisi daha ucuz?

Liste fiyatına göre Qwen 3.8-Max daha ucuzdur:

• Qwen 3.8-Max: milyon token başına $2 giriş / $6 çıkış
• Kimi K3: milyon token başına $3 giriş / $15 çıkış

Ajan döngüleri genellikle çıktı tokenlarına ağırlık verir. Bu nedenle $15 ve $6 arasındaki 2,5 kat fark önemlidir.

İki istisnayı hesaba katın:

1. K3'ün $0.30 önbellek isabet oranı, iyi önbelleğe alınmış giriş ağırlıklı iş yüklerinde rekabetçi olabilir.
2. Qwen'in varsayılan xhigh muhakeme seviyesi düşünceyi çıktı olarak faturalandırır; bu nedenle gerçek maliyetler basit token tahminlerinin üzerinde olabilir.

Liste fiyatına değil, kendi giriş/çıkış/önbellek token karışımınıza göre maliyet modeli oluşturun.