Kimi K3 ile DeepSeek V4 Arasında: Yerel Çok Modluluğun Zaman Farkı

36Kr'den alınan makale, yerli çok modlu yeteneklerin Kimi K3 ve DeepSeek V4 gibi modeller arasında nasıl bir rekabet farkı yarattığını tartışıyor. Çok modlu bir araştırmacı, uzun zincirli görevlerde kod seviyesindeki geri bildirimin hata birikimine yol açtığını, görsel geri bildirimin ise daha doğru ve kullanıcı niyetine daha yakın olduğunu belirtiyor. Yazı, doğuştan çok modluluğun, ön eğitimden başlayarak sonradan eğitim ve ajan algısına kadar görüntülerin ve metnin ana modeli birlikte şekillendirdiği anlamına geldiğini açıklıyor. Kimi K3, Arena Frontend Code liderlik tablosunda 1679 puanla zirvede yer aldı ve Puter tarafından yapılan bir testte beş görsel sapmayı da yanlış pozitif olmadan tespit etti. Makale, DeepSeek'in metin odaklı modeller ve harici araçlara odaklanan yaklaşımıyla karşılaştırıyor ve DeepSeek V4'ün güçlü kodlama ve muhakeme yeteneklerine rağmen yerli görüşe sahip olmadığını belirtiyor. Alibaba ve ByteDance gibi diğer Çinli laboratuvarlar da doğuştan çok modlu yolu izliyor. Yazı, maliyetleri tartışıyor: görüşü entegre etmek dil, muhakeme ve kodlama yeteneklerini seyreltebilir ve daha fazla hesaplama ve veri gerektirebilir. K3, token başına 104 milyar aktif parametreye ve özel bir görüş kodlayıcısı olan MoonViT-V2'ye sahip 2,8 trilyon parametrelik bir model kullanıyor. Makale, şimdi kodlamaya yatırım yapma ile gelecekteki çok modlu süreçlere hazırlanma arasındaki dengeyi not ediyor ve K3'ün yayınlanmasının ardından yetenek avcılarının Moonshot AI'nin yakınlarına akın ettiğinden bahsediyor.