Пока одни обсуждали заявление Альтмана про сингулярность, в тени этой новости прошло событие, которое лично мне интереснее с практической стороны: китайская компания Moonshot AI выложила в открытый доступ веса своей модели Kimi K3 — и это, по всем признакам, крупнейшая открытая ИИ-модель за всю историю таких релизов.
2,8 триллиона параметров. Для сравнения — это в разы больше, чем у большинства открытых моделей, с которыми обычно возится домашний энтузиаст на своей видеокарте. Цифра настолько большая, что первый вопрос, который у меня возник: а кто вообще может её запустить не в дата-центре, а у себя?
Я уже писал про свою домашнюю сборку голосового помощника на открытых моделях — там счёт шёл на десятки гигабайт, а не терабайты. Поэтому разбираться в Kimi K3 я начал не из абстрактного интереса к рекордам, а с конкретного практического вопроса: это вообще про меня и таких же энтузиастов, или это чисто корпоративная история.
Что вышло и какие у модели цифры
Kimi K3 — модель с архитектурой Mixture-of-Experts (MoE): вместо одной гигантской сети, которая обрабатывает каждый запрос целиком, работает набор из 896 «экспертов», из которых на каждый токен активируется только 16. Из-за этого при заявленных 2,8 триллиона параметров реально задействуется на каждый конкретный запрос около 50 миллиардов — то есть по вычислительной нагрузке на токен модель ведёт себя скорее как модель среднего размера, а не как исполинский монолит.
Контекстное окно — 1 миллион токенов, модель принимает на вход текст, изображения и видео. Веса в формате MXFP4 (4-битная точность) занимают около 1,4 терабайта — именно эта цифра стала главным поводом для шуток в комментариях под новостью: «открытая» не значит «доступная простому смертному».
По независимым замерам, на бенчмарке Frontend Code Arena Kimi K3 набрала 1679 очков, обойдя Claude Fable 5 (1631), GPT-5.6 Sol (1618) и GLM-5.2 (1587). Это не единственный бенчмарк в индустрии и не универсальный показатель «лучшая модель вообще», но по конкретно этому замеру результат сильный и подтверждён независимо от самой Moonshot AI.
Как её вообще можно запустить
Вот тут начинается разница между «открытая модель» в теории и «открытая модель» на практике. 1,4 терабайта весов — это не то, что скачивается и запускается на домашнем игровом компьютере с одной видеокартой, даже мощной. Речь идёт о серверном оборудовании с объёмом видеопамяти, который недоступен подавляющему большинству частных пользователей.
Практический путь для обычного энтузиаста — не локальный запуск, а хостинг у сторонних провайдеров. Together AI и Modal уже в день релиза предоставили доступ к модели через свою инфраструктуру — то есть попробовать Kimi K3 можно, не покупая собственный дата-центр, но это будет использование через чужие серверы и по их тарифам, а не бесплатный локальный запуск, как с моделями поменьше вроде Whisper или Qwen, которые я гоняю у себя дома.
Разница принципиальная: «открытые веса» означают, что код и параметры модели опубликованы и любой может их изучать, дообучать и разворачивать — в отличие от закрытых моделей вроде GPT или Claude, где доступ идёт только через API компании-разработчика. Но «открытая» не равно «доступная для запуска на бытовом железе» — тут Kimi K3 скорее история для компаний и исследовательских лабораторий, чем для домашней сборки.
В чём разница с закрытыми моделями вроде GPT и Claude
Открытые веса дают три вещи, которых нет у закрытых моделей: полный контроль над тем, где физически хранятся и обрабатываются данные (актуально для тех, кто по работе не может отправлять данные на серверы стороннего облака), возможность дообучать модель под свою узкую задачу и полная прозрачность в том, что модель делает, — без чёрного ящика API, который завтра могут изменить или подорожать без предупреждения.
Один из источников, разбиравших релиз, подчёркивал именно этот момент — самостоятельный хостинг снимает риски передачи данных за пределы своей инфраструктуры, чего API никогда не может гарантировать полностью, даже при всех уверениях провайдера. Для компаний, работающих с чувствительными данными, это не абстрактный аргумент, а конкретная причина выбрать именно открытую модель, несмотря на все сложности с её запуском.
Обратная сторона: закрытые модели вроде GPT-5.6 Sol или Claude обычно удобнее для рядового пользователя именно потому, что вся сложность инфраструктуры спрятана за простым API или приложением — плати и пользуйся, не думая о серверах и видеокартах.
Кто уже успел её протестировать и что говорят
По независимым техническим разборам, вышедшим сразу после релиза, Kimi K3 действительно демонстрирует сильные результаты на задачах, связанных с генерацией и пониманием кода — отсюда и высокое место в Frontend Code Arena. Часть аналитиков называет релиз «эскалацией» в гонке открытых моделей — то есть не просто ещё одним релизом, а заметным повышением планки для конкурентов, которым теперь придётся отвечать чем-то сопоставимым.
Стоит сразу оговориться: независимая, длительная эксплуатация модели в реальных проектах ещё не накопилась — прошло слишком мало времени с момента релиза. Первые бенчмарки и обзоры — это ценный, но всё же предварительный срез, а не окончательный вердикт о качестве модели во всех сценариях использования.
По моему опыту с предыдущими громкими релизами открытых моделей, реальная картина обычно проясняется через месяц-два, когда разработчики успевают прогнать модель через свои собственные, не рекламные задачи и написать об этом честно, без маркетингового угла компании-разработчика.
Стоит ли обычному человеку возиться с этим
Честный ответ — почти наверняка нет, если речь о запуске у себя дома. Разница с моей историей голосового помощника принципиальная: там я использовал модели, которые физически помещаются на одну видеокарту и работают без интернета. С Kimi K3 такой сценарий недоступен рядовому энтузиасту без серьёзного бюджета на серверное оборудование.
Что доступно — попробовать модель через хостинг Together AI или Modal, если интересно оценить качество на своих задачах, особенно если это связано с разработкой и кодом, где модель показала сильные результаты. Для большинства бытовых задач — переписка, голосовой помощник, диктовка статей — разницы вы, скорее всего, не заметите по сравнению с моделями, которые я уже описывал в предыдущих статьях: они компактнее, доступнее и решают ту же задачу без необходимости арендовать чужую инфраструктуру.
Что это значит для рынка ИИ дальше
Здесь я снова обозначаю переход в зону предположений. Вероятно: релиз усилит конкуренцию среди разработчиков открытых моделей — китайские лаборатории в последний год явно наращивают темп релизов, и такой масштабный шаг заставит остальных отвечать. Также вероятно, что часть корпоративных заказчиков, которым важна независимость от американских облачных провайдеров, всерьёз рассмотрит развёртывание именно на своей инфраструктуре, несмотря на сложность.
Менее очевидно — как быстро подобные модели станут практически доступнее для небольших команд и энтузиастов. Тренд на квантизацию (сжатие весов, как в MXFP4 у Kimi K3) движется в сторону снижения требований к железу, но 1,4 терабайта даже в сжатом виде — это всё ещё далеко от домашнего компьютера.
Есть и третий вариант развития событий, тоже предположительный: сообщество может выпустить ещё более агрессивно сжатые версии модели специально под энтузиастов, как это уже случалось с другими открытыми релизами. Гарантии здесь нет — иногда такие адаптации появляются через недели, иногда не появляются вовсе, если модель оказывается менее востребованной, чем ожидалось на старте.
Для меня как для человека, который следит за такими релизами не из академического интереса, а чтобы понимать, какие инструменты реально доступны для практики, вывод простой: рекорд впечатляет, но конкретно эта модель — не тот инструмент, который завтра появится в моей домашней сборке. А вот следить за тем, как быстро подобные гиганты «усыхают» до размеров, доступных обычному пользователю, точно стоит — именно так на моём столе оказался Whisper, который ещё пару лет назад тоже казался вещью только для дата-центров.
Пока же для практики я продолжу пользоваться моделями, которые реально помещаются на одну видеокарту дома, а за Kimi K3 буду просто наблюдать со стороны — как за витриной того, что вообще становится возможным в индустрии, даже если лично мне это пока не по карману и не по железу.