Kimi bemutatta a Kimi K3 modellt, egy 2,8 billió (2,8 trillion) paraméteres nyílt súlyú nagy nyelvi modellt, amely a cég szerint a legjobb nyílt forráskódú rendszerek közé tartozik és a nyugati, zárt fejlesztésű modellekhez mérhető teljesítményt mutat. Az utóbbi években kínai vállalatok — például a DeepSeek — egyre versenyképesebbekké váltak a nyílt súlyú modellek építésében és bevetésében; a K3 most ezen fejlődés legfrissebb és legszembetűnőbb példája.
Teljesítmény és korlátok
Kimi K3 erős pontszámokat ért el a nagy, tulajdonosi (proprietary) modelleket használó szabványos benchmarkokon, és tipikusan felveszi a versenyt, vagy csak kissé elmarad Claude Fable 5 és GPT 5.6 Sol teljesítményétől. A Kimi-csapat szerint “While its overall performance still trails the most powerful proprietary models, Claude Fable 5 and GPT 5.6 Sol, Kimi K3 demonstrated frontier-level performance across our evaluation suite, consistently outperforming other tested models.”
Ugyanakkor a csapat és külső megfigyelők is említik a modell bizonyos törékenységét: egyes viselkedések arra utalnak, hogy a fejlesztés és beállítás részben a benchmarkokon való kimagasló eredményekre lehet optimalizálva (ún. „benchmaxxing”), ami rontja a modell általánosítási képességének egyes aspektusait.
AI, ami AI-t fejleszt — korai kutatás-fejlesztési eredmények
Kimi bemutatott több olyan kísérleti eredményt is, amelyek az AI által végzett AI-fejlesztésre (recursive self-improvement) utalnak. Egyik ilyen példa, hogy a Kimi K3 képesnek bizonyult GPU-kompilerek írására: a modell létrehozott egy MiniTriton nevű, Triton-szerű, kompakt kompilert saját tile-szintű IR réteggel MLIR felett, optimalizációs lépésekkel és PTX kódgeneráló csővezetékkel. A Kimi csapata szerint a MiniTriton a támogatott roofline benchmarkokon Tritonhoz és torch.compile-hoz hasonló vagy jobb teljesítményt nyújt, egyes munkaterheléseknél pedig meg is előzi Tritont. A közlemény nem állítja, hogy ezek a komponensek jelenleg gyakorlatban is használatban vannak a K3 tréningjében, de a fejlesztés iránya azt sugallja, hogy a jövőben modellek segíthetnek új modellek hatékonyabb előállításában.
További példa: Kimi K3 „megtervezett egy chipet egy saját architektúrára épülő nano modell kiszolgálására”, és egyetlen, 48 órás autonóm futás során a modell nyílt forráskódú EDA eszközöket használva a Nangate 45nm könyvtáron építette, optimalizálta és verifikálta a chipet.
Mit jelent ez a gyakorlatban? Politika és kockázatok
Ha Kimi a tervek szerint valóban kiadja a K3 súlyait és kísérő kutatási dolgozatát a következő hetekben, az jelentős változást hozhat: a mostaninál sokkal szélesebb körben elérhető, erősebb AI-rendszerek terjednének. Sok jelenlegi AI-politika és AI-biztonsági megközelítés a kontrollt feltételezi — azt az elképzelést, hogy néhány nagy szereplő és zárt platform felett be lehet avatkozni (például classifieres tiltásokkal, know-your-customer megoldásokkal vagy platformszintű korlátozásokkal). Egy nyíltan elérhető, erős modellnél ez a kontroll nehezen gyakorolható.
A szélesebb körű hozzáférésnek komoly pozitív hozadékai is lehetnének: fellendülő vállalkozások, növekvő „szuverén intelligencia” bárki számára, aki képes a modellt futtatni. Ugyanakkor ismeretlen kockázatokat is növel — a rövid és középtávú években a proprietáris és a széles körben elérhető modellek közti különbség és társadalmi megjelenése fogja meghatározni a szabályozási vitákat.
Következő lépések
A Kimi bejelentése szerint a Kimi K3 súlyai néhány héten belül nyilvánosságra kerülnek, és megjelenik egy részletes kutatási dolgozat a modellről. A szakmai közösség és a szabályozók figyelme ezután különösen fontos lesz: a kiadás módja és kiterjedése befolyásolhatja, hogyan terjednek az erős, de kevésbé kontrollálható AI-képességek a következő időszakban.
