Китайският стартъп Moonshot пусна отворения ИИ-модел Kimi K2, който превъзхожда GPT-4

Китайският ИИ-стартъп Moonshot AI, създателят на популярния чатбот Kimi, тази седмица пусна големия езиков модел с отворен код Kimi K2. Той предизвиква най-съвременните модели на OpenAI и Anthropic, предоставяйки особено високи нива на производителност при кодиране и изпълнение на задачи за автономни ИИ-агенти.

Езиковият модел Kimi K2 с 1 трилион параметри, от които 32 милиарда са активни, е изграден на базата на подхода „Смес от експерти“ (Mixture of Experts). Това означава, че при обработка на заявка се стартира само част от цялостния модел, което увеличава скоростта и ефективността на алгоритъма. Стартъп компанията пусна едновременно две версии на AI-модела: базова версия за изследователи и разработчици и персонализируемата версия Kimi K2-Instruct, оптимизирана за чатботове и автономни агенти.

Отличителната черта на новия модел е неговата оптимизация за възможностите на AI-агентите: способността за автономно използване на инструменти, писане и изпълнение на програмен код и изпълнение на сложни многоетапни задачи без човешка намеса. По време на бенчмарк тестовете, Kimi K2 постигна точност от 65,8% в теста за разработка на софтуер SWE-bench Verified. Това е по-добър резултат от повечето алтернативи с отворен изходен код и е сравнимо с производителността на собствените модели.

Параметрите за производителност на Kimi K2 показват, че OpenAI и Anthropic трябва да обърнат внимание на алгоритъма. Това е така, защото Kimi K2-Instruct не само се конкурира с AI-моделите на големите компании, но и систематично ги превъзхожда по задачи, които са важни за корпоративните клиенти.

В един от най-подходящите тестове за кодиране, LiveCodeBench, Kimi K2 постигна точност от 53,7% — значително по-добър резултат от този на DeepSeek–V3 (46,9%) и GPT-4.1 (44,7%). Още по-впечатляващ е резултатът му в теста MATH-500, където Kimi K2 отбеляза 97,4%, докато GPT-4.1 демонстрира само 92,4%. Това може да показва, че Moonshot AI е направил фундаментален пробив в математическото мислене, който превъзхожда по-големите и по-добре финансирани конкуренти.

Струва си да се има предвид, че Moonshot постига тези впечатляващи резултати със значително по-малко ресурси и средства от по-големите компании. Например, OpenAI харчи стотици милиони долари, за да подобри постепенно своите AI-модели. Изглежда, че Moonshot е намерил по-ефективен подход за постигане на същия резултат. Последиците от това биха могли да надхвърлят простото самохвалство. Корпоративните клиенти отдавна чакат AI-системи, които действително могат да изпълняват сложни натоварвания, а не просто да създават лъскави демонстрации. Резултатите от тестовете на Kimi K2 показват, че това може да се случи скоро.

В техническата документация на Moonshot има детайл, който може би е по-важен от резултатите от тестването на новия алгоритъм: оптимизаторът MuonClip, който позволява процеса на обучение на AI-модел с трилион параметри да се осъществява без никакви пречки.

Това не е просто инженерно постижение, а може би промяна в парадигмата. Нестабилността в обучението се е превърнала в скрита пречка при разработването на големи езикови модели. Компаниите са принудени да провеждат скъпоструващо преквалифициране, да внедряват мерки за сигурност и да толерират неоптимална производителност, за да направят процеса на обучение по-стабилен.

Икономическите последици биха могли да бъдат също толкова впечатляващи. Ако MuonClip се окаже универсален, методът на компанията за обучение на моделите с изкуствен интелект би могъл драстично да намали разходите за изчислителна мощност. В индустрия, където разходите за обучение достигат десетки милиони долари, дори скромното повишаване на ефективността би могло да осигури така необходимото конкурентно предимство.

Заслужава да се отбележи още, че решението на Moonshot да предостави отворен код на Kimi K2, като същевременно предоставя достъп до API на алгоритъма на конкурентна цена, демонстрира задълбоченото разбиране на пазарната динамика. Ценообразуването на Moonshot от $0,15 на милион въведени токена и $2,50 на милион генерирани токена е значително по-ниско от това на OpenAI и Anthropic, докато AI-моделът на китайския стартъп предлага сравнима и в някои случаи превъзходна производителност. Важен стратегически ход е двойната наличност: корпоративните клиенти могат да използват API, за да внедрят незабавно услугата, а след това да преминат към автономни алгоритми, за да оптимизират разходите или да подобрят съответствието.

Това може да създаде проблеми за големите AI-компании. Ако достигнат цените на Moonshot, печалбите им ще намалеят. Ако не го направят, рискуват да загубят клиенти, които искат да преминат към по-евтин ИИ-модел, който се представя също толкова добре. В този случай статутът на модела с отворен код не е някаква благотворителност; това е съзнателен ход за привличане на клиенти. Всеки разработчик, който изтегли Kimi K2 и експериментира с алгоритъма, става потенциален корпоративен клиент на Moonshot. В същото време всяко подобрение, което общността прави, намалява разходите за разработка на компанията.

Демонстрациите на Moonshot показват, че изкуственият интелект постепенно става все по-полезен. Например, при анализа на заплатите, Kimi K2 не просто отговаря на въпроси относно данните, а автономно изпълнява 16 операции, за да извърши статистически анализ и да генерира интерактивни визуализации. Демонстрацията за планиране на концерти в Лондон изискваше използването на 17 инструмента в множество платформи – търсене, календар, имейл, полети, настаняване и резервации в ресторанти. И това не бяха презентации, подготвени от мениджъри, а реални демонстрации на изкуствен интелект, изпълняващ автономно сложни, многоетапни задачи.

Това е различно от начина, по който работят настоящите ИИ-асистенти, които се отличават с воденето на разговори, но се затрудняват с изпълнението на задачи. Докато конкурентите работят, за да направят своите чатботове по-човешки, Moonshot дава приоритет на това да направи алгоритмите по-полезни. Това е важно, защото бизнесите искат не изкуствен интелект, който може да премине теста на Тюринг, а такъв, който може да изпълнява ефективно продуктивни задачи.

Истинският пробив не е в една единствена възможност, а в координираната работа на много инструменти и услуги. Предишните версии на AI-агенти изискваха внимателно проектиране, планиране на работния процес и постоянен човешки надзор. Kimi K2 изглежда е способен автономно да се справя с когнитивните натоварвания, свързани с разделянето на задачи, избора на инструменти за решаването им и коригирането на грешки.

За разлика от предишните „убийци на GPT“, които успяваха в тесни области, но нямаха практическо приложение, Kimi K2 демонстрира висока компетентност в широк спектър от задачи. Алгоритъмът може да пише програмен код, да решава математически проблеми, да използва различни инструменти и да изпълнява сложни работни задачи. В същото време алгоритъмът е достъпен за модификация и експериментиране, благодарение на което разработването му може да протича по-бързо.