В Code Arena всплыли анонимы Kibitz и Kalmia: ждут Kimi K3.1 и Qwen 4

В Code Arena, разделе платформы Arena.ai (прежде LMArena), где модели соревнуются в задачах по программированию, за последние два дня замечены два неизвестных участника: Kibitz и Kalmia. Ни одна из лабораторий пока не заявила, что эти модели её. Тем не менее многие, кто проанализировал ответы анонимов, связывают их с новыми китайскими моделями. Называют Kimi K3.1 и Qwen 4.

Две незнакомые модели одновременно в одном разделе встречаются нечасто. Обычно в слепом тесте появляется один кодовый кандидат, и сообщество неделями гадает, кто за ним стоит. Здесь кандидатов сразу двое, поэтому версии об авторах разошлись быстро.

Как работает слепая проверка

Arena.ai строит рейтинги на парных сравнениях. Пользователь ставит задачу, получает два ответа от безымянных моделей и выбирает лучший. Имена раскрываются только после голосования. Для кодинга есть отдельный режим Code Arena, где оцениваются именно программистские способности.

Лаборатории используют этот механизм как полигон перед релизом. Модель получает живую обратную связь от тысяч людей, а конкуренты и пресса не видят бренда и не успевают сформировать предубеждение. Один из известных примеров: в 2024 году на LMArena под именем im-also-a-good-gpt2-chatbot тестировали модель OpenAI, которая вышла как GPT-4o. Анонимный дебют в арене давно считается рабочей практикой и нередко предшествует официальному анонсу.

Почему подозрение пало на Kimi и Qwen

Выводы сообщества строятся на косвенных признаках: стиле ответов, манере рассуждения, форматировании кода, реакции на специфические запросы. Такие признаки дают основания для версий, но не доказательство. Названия Kimi K3.1 (разработка Moonshot AI) и Qwen 4 (семейство моделей Alibaba) пока остаются предположениями комментаторов. Сами компании ничего не подтвердили.

Заметно другое: обе линейки давно конкурируют в открытых и коммерческих моделях для программирования, и именно кодинг стал главным полем сравнений. Если анонимы окажутся китайскими, то выход нового поколения сразу двух заметных семейств в одно время усилит давление на западных поставщиков кодовых ассистентов.

Что известно сейчас

• Платформа: Arena.ai, ранее LMArena
• Раздел: Code Arena, слепые парные сравнения в программировании
• Модели: Kibitz и Kalmia, появились в последние два дня
• Гипотезы сообщества: Kimi K3.1 и Qwen 4
• Статус: официальных заявлений от разработчиков нет

Как следить за анонимами в арене

Пока лаборатории молчат, полезнее наблюдать за практическими сигналами. Если вы работаете с моделями для кодинга, сравните Kibitz и Kalmia на собственных задачах, если арена выдаст их в ваших битвах. Рабочие репозитории, длинный контекст и работа с инструментами покажут больше, чем общий рейтинг.

Рейтинг на таких моделях в первые дни нестабилен: голосов мало, доверительные интервалы широкие, а позиция может заметно сместиться за неделю. Команды, которые выбирают поставщика модели для продакшена, разумнее дождаться официального релиза с описанием, лицензии и цен на API. Анонимные результаты стоит считать ранним ориентиром, а не основанием менять стек.

Официальные анонсы Moonshot AI и Alibaba покажут, были ли догадки верны. Если да, раскрытие имён, скорее всего, придёт вместе с релизом и публикацией бенчмарков.