Moonshot AI har lansert Kimi K3, en åpen vektmodell med 2,8 billioner parametere som genererer CUDA-kjerner for Nvidia H100 GPU-er 14,82 ganger raskere enn standard PyTorch. Ytelseshoppet utfordrer direkte ledende amerikanske AI-laboratorier og forsterker den allerede intense AI-konkurransen mellom USA og Kina.
Hva hastighetsøkningen betyr
Forbedringen på 14,82 ganger i forhold til PyTorch er ikke en syntetisk benchmark – det er en reell hastighet for kjernegenerering. Det betyr at Kimi K3 kan skrive og optimalisere GPU-kode på lavt nivå langt raskere enn det mye brukte PyTorch-rammeverket. For utviklere som kjører storskala trening eller inferens på H100-klynger, gir forskjellen seg utslag i betydelig kortere ventetid og lavere datakostnader. Moonshot AI hevder modellen er åpen vekt, slik at forskere utenfor selskapet kan inspisere og tilpasse arkitekturen.
Kimi K3 lanseres samtidig som Washington strammer inn eksportkontrollen av avanserte brikker til Kina. Amerikanske laboratorier som OpenAI, Google DeepMind og Meta har lenge dominert frontlinjen for store språkmodeller og GPU-optimalisering. Moonshot AIs modell viser at kinesiske selskaper fortsatt kan presse maskinvareytelsen uten tilgang til de nyeste Nvidia-brikkene – H100 er eksportbegrenset, men allment tilgjengelig i Kina gjennom lagre før forbudet. Med 2,8 billioner parametere er Kimi K3 blant de største åpne vektmodellene som noensinne er utgitt, og utfordrer størrelsen på lukkede modeller fra amerikanske ledere.
Hva åpen vekt betyr
Ved å gjøre Kimi K3 åpen vekt inviterer Moonshot AI utviklere over hele verden til å bygge videre på arbeidet deres. Det kan akselerere bruken i Kina og andre steder, mens amerikanske selskaper vanligvis holder sine mest avanserte modeller proprietære. Trekket legger også press på amerikanske laboratorier til enten å åpne sine egne modeller eller risikere å falle bak i økosystemet for tredjepartsoptimalisering. Nvidias CUDA-plattform forblir den dominerende GPU-programmeringsplattformen, men en modell som skriver CUDA-kjerner raskere enn PyTorch kan endre hvordan utviklere nærmer seg ytelsesoptimalisering.
Moonshot AI har ikke offentliggjort treningskostnadene eller den nøyaktige maskinvaren som ble brukt til å trene Kimi K3. Selskapet har heller ikke sagt om modellen vil bli oppdatert, eller om de planlegger å gi ut en versjon optimalisert for Nvidias kommende Blackwell-arkitektur. Foreløpig er modellen tilgjengelig for nedlasting, og de første uavhengige benchmarkene forventes i løpet av ukene.
