Kimi K3-ის წონები და ტექნიკური რეპორტი საჯარო გახდა. ჩინურმა კომპანიამ Moonshot AI-მ 27 ივლისს Hugging Face-ზე გამოაქვეყნა 2.8 ტრილიონ პარამეტრიანი მოდელის ფაილები, ხოლო GitHub-ზე – 47-გვერდიანი ტექნიკური რეპორტი.
ეს ასრულებს პროცესს, რომელიც 16 ივლისს დაიწყო, როცა Moonshot Kimi K3 მხოლოდ API-ის სახით გახდა ხელმისაწვდომი. ახლა მოდელი შეიძლება ჩამოტვირთო, დააინსტალირო საკუთარ ინფრასტრუქტურაზე და გაუშვა.
სარჩევი
Kimi K3-ის წონები და ტექნიკური რეპორტი
წონებთან ერთად Moonshot-მა ინფრასტრუქტურის მნიშვნელოვანი ნაწილიც გამოაქვეყნა.
- სრული 2.8T MoE მოდელი
- მაღალწარმადობიანი attention კერნელები
- MoE-ის საკომუნიკაციო ბიბლიოთეკა
- ინფრასტრუქტურა აგენტური გარემოების მასშტაბურად გასაშვებად
- ინფერენსისა და დეპლოიმენტის კომპონენტები
მოდელის გაშვება შესაძლებელია vLLM-ით, SGLang-ით და Transformers-ით. Together AI და Modal პირველივე დღიდან სთავაზობენ ჰოსტინგს იმ გუნდებს, რომლებსაც საკუთარი ინფრასტრუქტურა არ აქვთ.
რას ამბობს ტექნიკური რეპორტი
47-გვერდიანი დოკუმენტი პირველად ხსნის დეტალურად, როგორ არის აგებული მოდელი: Kimi Delta Attention, Attention Residuals და Stable LatentMoE, რომელიც 896 ექსპერტიდან თითო ტოკენზე 16-ს ააქტიურებს.
ახალი ინფორმაცია რეპორტში ძირითადად ტრენინგის მხარეს ეხება – ნატიური კვანტიზაციის სისტემას და იმ სირთულეებს, რომლებსაც კომპანია პროცესში წააწყდა. Moonshot-ის თქმით, ეს სამი ტექნიკა სხვა ლაბორატორიებსაც დაეხმარება მომდევნო თაობის მოდელების წვრთნაში.
ლიცენზია: ღია წონები, არა ღია კოდი
რელიზამდე კოვერეიჯის დიდი ნაწილი ვარაუდობდა, რომ K3 Modified MIT ლიცენზიით გამოვიდოდა, როგორც Kimi-ს წინა მოდელები. საბოლოოდ Moonshot-მა საკუთარი, ცალკე დაწერილი Kimi K3 License გამოიყენა.
ლიცენზია ფართო უფლებებს აძლევს დეველოპერებსა და კომპანიების უმეტესობას: ჩამოტვირთვა, მოდიფიცირება, დატიუნება და კომერციული გამოყენება ნებადართულია. თუმცა მასში დამატებითი პირობებია, რომელიც კლასიკურ Apache 2.0-სა და MIT-ში არ გვხვდება.
კერძოდ, თუ კომპანია Model as a Service ბიზნესს უძღვება და მისი და აფილირებული პირების ჯამური შემოსავალი ნებისმიერ 12 თვეში 20 მილიონ დოლარს გადააჭარბებს, კომერციულ გამოყენებამდე Moonshot-თან ცალკე შეთანხმება სჭირდება.
თავად Moonshot არსად უწოდებს K3-ს ღია კოდის მოდელს და თანმიმდევრულად იყენებს ტერმინს “ღია წონები”. სასწავლო მონაცემები და ტრენინგის სრული კოდი გამოქვეყნებული არ არის, ანუ მოდელის ნულიდან აღდგენა შეუძლებელია.
ბენჩმარკები წონების გამოშვების შემდეგ
Artificial Analysis Intelligence Index-ზე Kimi K3-მა 57 ქულა დააგროვა. ის ჩამორჩება Anthropic-ის Claude Fable 5-ს (60) და OpenAI-ის GPT-5.6 Sol-ს (59), მაგრამ უსწრებს Claude Opus 4.8-ს (56).
Frontend Code Arena-ზე სურათი განსხვავებულია – იქ K3 პირველ ადგილზეა 1,679 Elo ქულით და ბრმა ტესტირებაში დეველოპერებმა ის Fable 5-ზე მეტად აირჩიეს. კოდირების ამოცანებში მისი ღირებულება დაახლოებით სამჯერ დაბალია, თუმცა პასუხის სიჩქარე შესამჩნევად ნელი.
რა სჭირდება Kimi K3-ის თვითჰოსტინგს
მოდელის ზომა სერიოზული ბარიერია. საკუთარ ინფრასტრუქტურაზე გასაშვებად საჭიროა დაახლოებით 64 NVIDIA H100 ან B200 ამაჩქარებელი რვა სერვერზე განაწილებული.
Moonshot თავად რეკომენდაციას უწევს დიდი სუპერნოუდების კონფიგურაციას. ეს ნიშნავს, რომ პრაქტიკული თვითჰოსტინგი მხოლოდ კარგად დაფინანსებული ორგანიზაციებისთვისაა რეალური, დანარჩენებისთვის კი API ან მესამე მხარის ჰოსტინგი რჩება ვარიანტად.
ასევე მნიშვნელოვანია, რომ Kimi Delta Attention ჯერ არ არის მხარდაჭერილი ლოკალური ინფერენსის პოპულარულ ინსტრუმენტებში – llama.cpp, Ollama და LM Studio ჯერჯერობით K3-ს ვერ უშვებენ. საზოგადოებრივი GGUF კვანტიზაციები, სავარაუდოდ, მომდევნო კვირებში გამოჩნდება.
რას ნიშნავს ეს ბაზრისთვის
Kimi K3-ის დებიუტმა ჩინური AI კომპანიების აქციებზე მკვეთრი რეაქცია გამოიწვია: Z.ai-ის ფასი ჰონგ-კონგში 30 პროცენტამდე დაეცა, MiniMax Group-ის 16 პროცენტამდე, Alibaba-სი კი 4 პროცენტით.
Moonshot-ის დამფუძნებელი იან ჟილინი ღიად აცხადებს, რომ კომპანია მომხმარებელთა ბაზის ზრდას ღიაობითა და აშშ-ის დახურულ სისტემებზე მეტად ფართო ხელმისაწვდომობით ცდილობს. K3-ის გაშვების შემდეგ Moonshot-ის დღიური შემოსავალი მინიმუმ ექვსჯერ გაიზარდა.
ფრონტიერის დონესთან მიახლოებული მოდელი ერთ თვეზე ნაკლებ ხანში გავიდა ჰოსტინგიდან სრულ ჩამოტვირთვამდე. სწორედ ეს სისწრაფე და არა მხოლოდ ბენჩმარკების ციფრებია ამ რელიზის მთავარი შედეგი.
დასკვნა
წონების გამოშვება შეუქცევადი ნაბიჯია. დახურული მოდელი შეიძლება გამორთო, შეზღუდო ან პირობები შეუცვალო, ჩამოტვირთული ფაილი კი სამუდამოდ რჩება იმის ხელში, ვინც ის ჩამოტვირთა.
ეს კარგ მხარესაც ნიშნავს და ცუდსაც. ერთი მხრივ, ფრონტიერთან მიახლოებულ ინტელექტზე წვდომა აღარ არის რამდენიმე ამერიკული კომპანიის გადასაწყვეტი – მკვლევრებს, უნივერსიტეტებსა და პატარა ქვეყნების გუნდებს საკუთარ ინფრასტრუქტურაზე გაშვება შეუძლიათ.
მეორე მხრივ, ღია წონები ნიშნავს, რომ მოდელში ჩაშენებული შეზღუდვები
მოხსნილია და ამის შემდეგ არავის აქვს გამორთვის ღილაკი. ეს არ არის ჰიპოთეზა, ეს ღია მოდელებზე უკვე არაერთხელ დემონსტრირებულია.
ამავე კვირაში Anthropic-მა სწორედ ღია წონების მოდელებზე საკუთარი პოზიცია გამოაქვეყნა. კამათი იმაზე კი არ არის, ღიაობა კარგია თუ ცუდი, არამედ იმაზე, რომელ შესაძლებლობებთან ერთად ხდება ის სახიფათო.
ერთი რამ ცხადია: ეს ზღვარი ოდესმე მაინც გადაიკვეთებოდა. ის, რომ ახლა ხდება, მაშინ როცა მოდელების შესაძლებლობები ჯერ კიდევ შესამჩნევად ჩამორჩება უძლიერეს დახურულ სისტემებს, ალბათ საუკეთესო დროა ამ საკითხზე პასუხების საპოვნელად.
სხვა თემები
კოლექტიური კიბერთავდაცვა: OpenAI-ის ღია წერილი
GlucoFM – Google-ის ახალი AI მოდელი
Qwen3.8-Flash – Qwen4-ის არქიტექტურის ადრეული ვერსია