⚙️ Moonshot готовит Kimi K3 — модель, которая догонит Opus 4.8 от Anthropic

Китайская AI-лаборатория Moonshot AI готовит к выпуску Kimi K3 — новую версию своей флагманской модели. По данным Financial Times, модель будет содержать от 2 до 3 триллионов параметров, что делает её крупнейшей открытой AI-моделью из Китая. Ожидается, что по производительности Kimi K3 вплотную приблизится к Anthropic Opus 4.8 — одной из сильнейших моделей на рынке.

Kimi K3 станет значительным шагом вперёд для Moonshot: предыдущая версия, Kimi K2, вышла в начале 2026 года и уже демонстрировала конкурентоспособные результаты в бенчмарках. Новая модель ориентирована на задачи логического вывода, работы с длинным контекстом и мультимодального анализа. Moonshot делает ставку на открытость — веса модели, вероятно, будут доступны для загрузки, что важно для исследователей и разработчиков, работающих с open-source AI.

Для рынка это означает усиление конкуренции в сегменте тяжёлых фундаментальных моделей. Если Kimi K3 действительно догонит Opus 4.8, у разработчиков появится реальная альтернатива проприетарным решениям Anthropic и OpenAI — особенно в сценариях, где важны контроль над данными и возможность тонкой настройки.

#AI #Moonshot #KimiK3 #Anthropic #Opus48

↗️ Самая дорогая китайская LLM: Kimi K3 стоит в 3–15 раз дороже DeepSeek

Moonshot AI установила цены на Kimi K3: $3 за миллион входных токенов и $15 за миллион выходных — в 3–4 раза выше, чем у предыдущей K2.6. Это делает K3 самой дорогой китайской моделью по API, выходящей в ценовой диапазон средне-высоких американских моделей. Стратегия знаменует отказ от гонки за удешевление: DeepSeek и другие китайские модели стоили на 60–90% дешевле аналогов из США.

K3 использует 2,8 трлн параметров с 896 экспертами (16 активных на инференс), контекст в 100 млн токенов и нативное понимание изображений. Модель нацелена на длительные агентные задачи в кодинге, софт-инжиниринг и сложную интеллектуальную работу. По данным Artificial Analysis, K3 набирает 57 баллов общего интеллекта, приближаясь к Claude Opus 4.8. В слепых тестах фронтенд-кодинга модель временно занимала первое место на Arena, обойдя Fable 5. Средняя стоимость задачи ($0,94) сопоставима с GPT-5.6 Sol и ниже, чем у Claude Opus 4.8 — более высокие цены за токен компенсируются меньшим числом попыток.

Если Moonshot удержит премиальное ценообразование на фоне open-source альтернатив, это докажет, что китайские AI-компании могут строить устойчивый бизнес на качестве модели, а не на субсидиях. Это станет структурным сдвигом: Китай перестанет быть «эффективным имитатором» и войдет в клуб премиальных провайдеров frontier AI.

#AI #KimiK3 #Agents #MoonshotAI #LLM #API

🤩 WAIC 2026: Китайские чипы достигли критической массы — 108 процессоров и 261 модель на выставке

WAIC 2026 стала демонстрацией зрелости китайской AI-инфраструктуры: 108 чипов, 261 большая языковая модель, 208 AI-терминалов и более 300 реальных роботов на площади свыше 100 000 кв. м. В зоне Zhangjiang представлены более 40 производителей, включая Huawei, Muxi, Moore Threads и Tianshu Zhixin.

Ключевой тренд — супернод-решения. Huawei Atlas 950 SuperPoD демонстрирует 1024 карты Ascend с полным переходом на 800G оптические модули — значительный апгрейд по сравнению с медным CloudMatrix 384 прошлого года. ZTE, Muxi, Biren Technology и Moore Threads показали конкурирующие системы. Компании Tsingway и Dongfang Suanxin представили реконфигурируемые программируемые архитектуры, повышающие утилизацию без продвинутых техпроцессов.

Проблема совместимости ПО уходит: из-за невозможности поставок NVIDIA в Китай и поглощения мощностей американским AI-строительством, заказчики вынуждены переходить на местные чипы. Как отметил инсайдер, «когда нет альтернативы, вопросы экосистемы решаются сами собой». Модель Kimi K3 с 2,8 трлн параметров и фреймворком Stable LatentMoE (896 экспертов, 16 активных на инференс) стала хитом конференции благодаря доступной цене. Большинство экспонентов сосредоточены на вертикальных применениях: медицина, образование, туризм — где не нужны frontier-модели, а важна экономичная инфраструктура.

#Tech #WAIC2026 #ChinaCPU #HuaweiAscend #AiInfrastructure #KimiK3

🟰 Moonshot Kimi K3 обходит Fable 5 во фронтенд-коде, но проваливает сложную математику

Китайская модель Kimi K3 от Moonshot привлекла внимание западного AI-сообщества, показав неоднозначные результаты в двух ключевых бенчмарках. В тесте Code Arena: Frontend, основанном на рейтинге Elo по предпочтениям людей, Kimi K3 набрала 1 679 баллов, обойдя Claude Fable 5 (1 631) и GPT-5.6 Sol (1 618). Это первый случай, когда китайская модель заняла первое место в этом бенчмарке.

Однако на сложных математических задачах картина кардинально меняется. Согласно данным Epoch AI, на FrontierMath Tier 4 — самом трудном уровне экспертных задач — Kimi K3 показывает лишь около 39% точности. Для сравнения, модели OpenAI и Anthropic в некоторых случаях достигают почти 90%. Разрыв демонстрирует сохраняющееся отставание китайских моделей в областях, требующих глубокого логического вывода.

#AI #KimiK3 #Moonshot #Benchmark #Comparison

❗️Moonshot AI приостанавливает новые подписки на Kimi: дефицит вычислительных мощностей после запуска K3

Всего через три дня после глобального релиза модели Kimi K3, получившей высокие оценки от Илона Маска и Кремниевой долины, Moonshot AI объявила о немедленной приостановке новых потребительских подписок. Причина — острая нехватка вычислительных мощностей. Все доступные ресурсы перенаправлены на обслуживание текущих пользователей, чьи бенефиты полностью сохранены. Возобновление подписок будет происходить поэтапно по мере расширения инфраструктуры.

Модель K3 с 2,8 триллиона параметров и контекстным окном в 100 миллионов токенов вызвала ажиотаж: CEO Vercel Гильермо Раух опубликовал бенчмарки, где K3 заняла первое место по фронтенд-кодингу. Спрос превысил возможности инфраструктуры Moonshot в течение 72 часов после релиза. Компания также реструктурирует подписку: после возобновления Kimi Web, Kimi App и Kimi Work будут отделены от Kimi Code для точного распределения вычислений под разные нагрузки.

Ситуация подчеркивает структурную проблему китайских AI-компаний: K3 требует 896 экспертов в архитектуре MoE, а инференс в таком масштабе — огромных GPU-ресурсов на запрос. Хотя Moonshot зарезервировала значительные мощности, модель превысила все прогнозы использования. Это двойной сигнал для индустрии: китайские фронтальные модели достигли глобального спроса, но инфраструктура пока не поспевает за ним, смещая узкое место с качества модели на доступность вычислений.

#AI #MoonshotAI #KimiK3 #ComputingPower #China

🤩 Kimi K3 спроектировал чип за 48 часов: почему весь полупроводниковый рынок в панике

Moonshot AI провела эксперимент: их модель Kimi K3 полностью автономно выполнила весь цикл проектирования чипа — от архитектуры до топологии — за 48 часов. Использовались открытые EDA-инструменты и библиотека Nangate 45 нм. Результат — чип площадью ~4 мм² с 1,46 млн стандартных ячеек и 0,277 МБ SRAM, реализующий INT4 MAC-массив с замыканием таймингов на 100 МГц.

Акции Synopsys и Cadence немедленно упали: инвесторы пересматривают ценность традиционных EDA-пакетов, если ИИ способен заменить десятки инженеров на месяцы работы. Однако отрасль реагирует сдержанно: 45-нм академический дизайн далёк от коммерческих 3-нм чипов с миллиардами транзисторов и тысячами IP-блоков. Для сложных проектов полная замена EDA-стека пока нереальна.

Главный эффект — демократизация разработки. Сейчас для конкурентоспособного чипа нужно 50–200 специалистов. Kimi K3 показывает, что в будущем команда из 10 человек сможет делать работу сотни. Это критически важно для китайской полупроводниковой индустрии, где нехватка талантов ограничивает число проектов. Ключевым ресурсом становятся не параметры модели, а качественные данные: репозитории RTL, PDK, верификационные наборы — то, что сконцентрировано у горстки инкумбентов.

#Tech #MoonshotAI #KimiK3 #EDA #CPUDesign #SemiConductors

⚙️ Microsoft тестирует китайскую модель Kimi K3 для Copilot

По данным The Information, Microsoft изучает возможность интеграции модели Kimi K3 от китайского стартапа Moonshot AI в свой ИИ-ассистент Copilot. Часть инференс-запросов, которые сейчас обрабатываются моделями OpenAI и Anthropic, может быть переведена на Kimi K3. Окончательное решение пока не принято.

По оценкам Microsoft, перевод части нагрузки Copilot на Kimi K3 может сократить ежегодные расходы на облачную инфраструктуру до $600 млн. Это часть стратегии компании по диверсификации поставщиков ИИ-моделей и снижению зависимости от одного вендора при сохранении контроля над затратами на обработку большого объёма запросов.

Kimi K3 оценивается не только по производительности в задачах кодинга и рассуждений, но и по экономической эффективности для конкретных сценариев Copilot. Внедрение потребует решения вопросов интеграции, суверенитета данных, безопасности и экспортного контроля. На начальном этапе модель может применяться только для наименее чувствительных задач.

#AI #Microsoft #Copilot #MoonshotAI #KimiK3

📊 От DeepSeek до Kimi K3: 18 месяцев, изменивших логику AI-инвестиций — парадокс Джевонса подтверждает, что вычисления — король

Спустя 18 месяцев после того, как DeepSeek-R1 вызвал панику на рынках, намекнув, что дешёвое обучение обесценивает инвестиции в вычисления, вышел Kimi K3 с 2,8 трлн параметров (MoE). Реакция оказалась противоположной ожиданиям 2025 года: парадокс Джевонса работает — рост эффективности ведёт к увеличению общего потребления вычислительных мощностей.

Google повысил прогноз CapEx на 2026 год на $15 млрд, до $195–205 млрд, предупредив о дальнейшем росте в 2027-м. Аналитики ожидают, что совокупный CapEx топ-5 облачных провайдеров превысит $800 млрд в 2026 году, а к 2027-му может достичь $1–1,2 трлн. При этом акции гиперскейлеров в июне упали на 18% (худший месяц с IPO Meta в 2012) — инвесторы сомневаются в окупаемости. Зато аппаратные акции выросли на 16%: HBM, DRAM и GPU остаются в структурном дефиците. Самое узкое место — память: поставки HBM от SK Hynix ограничены на 2–3 года. Kimi K3 требует минимум 10 GPU GB300 для локального развёртывания. Даже если затраты на обучение снизятся на 40%, но частота тренировок удвоится, чистый спрос на вычисления вырастет на 20%.

Китайские компании, такие как Zhipu AI, уже строят дата-центры на 1 ГВт — эффективность не отменяет гонку за масштабом.

#AI #Investment #Paradox #DeepSeek #KimiK3

❗️Moonshot AI выпустила открытые веса Kimi K3 и инфраструктуру после сенсации на рынке frontier-моделей

Китайская компания Moonshot AI опубликовала веса модели Kimi K3 на Hugging Face, а также технический отчет и часть инфраструктуры: высокопроизводительные attention-ядра, библиотеку для MoE-коммуникаций и инструменты для масштабного запуска AI-агентов. Разработчики заявляют, что новая архитектура даёт в 2,5 раза больше «интеллекта» на единицу вычислений. Модель содержит 2,8 триллиона параметров и занимает 1,56 ТБ дискового пространства.

С момента анонса в середине июля Kimi K3 показала результаты, близкие к западным моделям вроде Fable 5 и GPT‑5.6 Sol, но при более низкой стоимости и с открытыми весами. Однако независимое тестирование британского Cyber Institute выявило серьёзное отставание модели в задачах кибербезопасности и сложной математике. Это может указывать на использование дистилляции — техники, при которой меньшая модель обучается на выходах более мощной. Хотя китайские модели часто обвиняют в этом, на Западе всё больше сторонников легитимизации дистилляции.

#AI #KimiK3 #MoonshotAI #OpenModel #Distillation

↗️ Открытая Kimi K3 вплотную приблизилась к закрытым фронтир-моделям

Аналитики BOCOM International считают, что Moonshot AI с моделью Kimi K3 вывела открытые ИИ на порог закрытых фронтиров. У Kimi K3 — 2,8 трлн параметров в нативной мультимодальной архитектуре MoE: на токен активируются 104,2 млрд, контекст — 1 млн токенов. В сторонних тестах Artificial Analysis модель набирает около 57 баллов, уступая лишь GPT-5.6 Sol (~59) и Claude Opus 5/Fable 5 (~60).

Отчёт ставит K3 на «границу Парето» по цене и качеству. Одна задача обходится примерно в $0,86 — около 70% от GPT-5.6 Sol и лишь 30–40% от флагманов Anthropic, при этом более дешёвые GLM-5.2 и DeepSeek V4 Flash заметно слабее. Такой баланс должен ускорить внедрение агентных приложений в enterprise.

Три архитектурных новшества расширяют пропускную способность: KDA с gated MLA эффективно обрабатывает миллионные последовательности, attention-остатки позволяют выборочно извлекать информацию между слоями, а стабильный латентный MoE смешивает 896 экспертов с 16 активными. KDA особенно важна для длинного контекста: память больше не растёт линейно с длиной последовательности. На системном уровне собственная инфраструктура MoonEP устраняет «вычислительные пузыри»: из-за 896 экспертов и лишь 16 активных обычная маршрутизация перегружала бы одни GPU и простаивала другие, MoonEP балансирует нагрузку и поднимает утилизацию кластера к физическому пределу.

Коммерческий контекст: Moonshot закрыла раунд Series F на $3,5 млрд, оценка выросла на 75% до $35–50 млрд, а pre-IPO целится в $50 млрд.

#AI #LLM #Ranking #Model #KimiK3 #OpenModel