किमी K3 और डीपसीक V4 के बीच: नेटिव मल्टीमॉडलिटी का समय अंतराल

36Kr का यह लेख चर्चा करता है कि कैसे मूल मल्टीमॉडल क्षमताएँ Kimi K3 और DeepSeek V4 जैसे मॉडलों के बीच प्रतिस्पर्धात्मक अंतर पैदा करती हैं। एक मल्टीमॉडल शोधकर्ता ने नोट किया कि लंबी श्रृंखला वाले कार्यों के लिए, अकेले कोड-स्तरीय फीडबैक से त्रुटियों का संचय होता है, जबकि दृश्य फीडबैक अधिक सटीक और उपयोगकर्ता के इरादे के करीब होता है। यह लेख बताता है कि मूल मल्टीमॉडलिटी का अर्थ है कि छवियाँ और पाठ प्रशिक्षण-पूर्व (pre-training) से ही मुख्य मॉडल को संयुक्त रूप से आकार देते हैं, और यह प्रशिक्षण-पश्चात (post-training) और एजेंट धारणा (agent perception) तक जारी रहता है। Kimi K3 ने Arena Frontend Code लीडरबोर्ड में 1679 अंकों के साथ शीर्ष स्थान प्राप्त किया, और Puter द्वारा किए गए एक परीक्षण में, इसने बिना किसी गलत सकारात्मक (false positive) के सभी पाँच दृश्य विचलनों की पहचान की। यह लेख इसे DeepSeek के दृष्टिकोण से विपरीत करता है, जो पाठ-केवल मॉडलों और बाहरी उपकरणों पर केंद्रित है, और नोट करता है कि DeepSeek V4 की मजबूत कोडिंग और तर्क क्षमताओं के बावजूद, इसमें मूल दृष्टि (native vision) का अभाव है। Alibaba और ByteDance जैसी अन्य चीनी प्रयोगशालाएँ भी मूल मल्टीमॉडल पथ का अनुसरण कर रही हैं। यह लेख लागतों पर चर्चा करता है: दृष्टि को एकीकृत करने से भाषा, तर्क और कोडिंग क्षमताएँ कमजोर हो सकती हैं, जिसके लिए अधिक कंप्यूट और डेटा की आवश्यकता होती है। K3 2.8 ट्रिलियन पैरामीटर वाले मॉडल का उपयोग करता है, जिसमें प्रति टोकन 104 बिलियन सक्रिय पैरामीटर होते हैं, और एक कस्टम विज़न एनकोडर MoonViT-V2 का उपयोग करता है। यह लेख अभी कोडिंग में निवेश करने और भविष्य के मल्टीमॉडल के लिए तैयारी करने के बीच के व्यापार-संतुलन (trade-off) पर प्रकाश डालता है, और उल्लेख करता है कि K3 के जारी होने के बाद प्रतिभा शिकारी MoonShot AI के आस-पास उमड़ पड़े हैं।