Kimi K3: 2.8 ट्रिलियन पैरामीटर और पेलिकन बेंचमार्क से हम अब भी क्या सीख सकते हैं

Moonshot AI

DeepSeek

Anthropic

OpenAI

Google/DeepMind

चीनी एआई लैब Moonshot AI ने Kimi K3 जारी किया है, जो 2.8 ट्रिलियन पैरामीटर वाला मॉडल है। दावा है कि यह Claude Opus 4.8 और GPT-5.5 से बेहतर प्रदर्शन करता है, लेकिन Claude Fable 5 और GPT-5.6 Sol से पीछे है। यह मॉडल वेबसाइट और एपीआई के माध्यम से उपलब्ध है, और 27 जुलाई 2026 तक ओपन वेट का वादा किया गया है। Simon Willison ने अपने 'पेलिकन ऑन अ बाइसिकल' एसवीजी बेंचमार्क से इसका परीक्षण किया, जिसमें उच्च लागत और भारी रीजनिंग टोकन उपयोग देखा गया।

Moonshot AI ने अपना सबसे सक्षम मॉडल Kimi K3 लॉन्च किया है, जिसमें 2.8 ट्रिलियन पैरामीटर हैं, और यह अब उनकी वेबसाइट और API के माध्यम से उपलब्ध है। इसका ओपन-वेट रिलीज़ 27 जुलाई 2026 को निर्धारित है। Moonshot का दावा है कि यह स्व-रिपोर्ट किए गए बेंचमार्क में Claude Opus 4.8 और GPT-5.5 से बेहतर प्रदर्शन करता है, लेकिन Claude Fable 5 और GPT-5.6 Sol से पीछे रह जाता है। मूल्य निर्धारण $3 प्रति मिलियन इनपुट टोकन और $15 प्रति मिलियन आउटपुट टोकन है, जो इसे अब तक का सबसे महंगा चीनी AI मॉडल बनाता है। Simon Willison ने OpenRouter के माध्यम से अपने पेलिकन SVG बेंचमार्क के साथ K3 का परीक्षण किया, और आउटपुट के लिए $0.25 का भुगतान किया। मॉडल ने 95 इनपुट टोकन और 16,658 आउटपुट टोकन (जिसमें 13,241 रीज़निंग टोकन शामिल हैं) का उपयोग किया। उत्पन्न SVG की दृश्य गुणवत्ता खराब थी, लेकिन ऑल्ट टेक्स्ट अच्छा था। Willison नोट करते हैं कि पेलिकन बेंचमार्क अब समग्र मॉडल गुणवत्ता का पूर्वानुमान लगाने में सक्षम नहीं है, लेकिन 'हैलो वर्ल्ड' परीक्षण, लागत अनुमान और बुनियादी क्षमता जांच के लिए उपयोगी बना हुआ है।

स्रोत: Simon Willison — मूल