Moonshot AI'nin Kimi K3'ü Duyuruldu: 2,8 Trilyon Parametreli En Büyük Açık Model

Çinli yapay zeka şirketi Moonshot AI, şimdiye kadar duyurulan en büyük açık ağırlıklı dil modelini tanıttı: Kimi K3. Model, 2,8 trilyon parametreye sahip ve kodlama ile ajan görevlerinde bazı kapalı kaynak rakiplerini geride bıraktığı iddia ediliyor.

Kimi K3, seyrek bir Mixture-of-Experts (MoE) mimarisi kullanıyor: toplam 2,8 trilyon parametreden her istek için yalnızca 896 uzmandan 16'sı devreye giriyor. Bu sayede model, devasa boyutuna rağmen çalıştırma maliyetini makul seviyede tutuyor. Bağlam penceresi 1 milyon token'a kadar çıkıyor — yani model tek seferde çok uzun kod tabanlarını veya belge yığınlarını işleyebiliyor.

Moonshot, modelin mimarisine iki yeni teknik eklediğini açıkladı: Kimi Delta Attention (KDA), çıkarım hızını yaklaşık 6,3 kat artırıyor; Attention Residuals (AttnRes) ise eğitim verimliliğini yaklaşık %25 yükseltiyor. Tom's Hardware'in aktardığına göre model, Frontend Code Arena benchmark'ında Anthropic'in Claude Fable 5 modelini geride bıraktı. VentureBeat'e göre ise SWE Marathon ve BrowseComp gibi ajan görevi testlerinde de güçlü sonuçlar aldı — ancak DeepSWE ve FrontierSWE gibi bazı testlerde rakiplerinin gerisinde kaldı. Yani tabloya karışık bakmakta fayda var: Kimi K3 her alanda birinci değil, ama açık kaynak bir modelin kapalı kaynak devlerle aynı ligde tartışılması başlı başına önemli.

Modelin arkasındaki Moonshot AI, son bir yıldır art arda açık ağırlıklı modeller yayınlayan ve her seferinde boyut/performans sınırını biraz daha ileri taşıyan bir Çin girişimi. Şirketin stratejisi net: kapalı kaynak Batılı modellerin geliştirme hızına ayak uydururken, aynı zamanda modeli kendi sunucusunda çalıştırmak isteyen kurumsal müşterilere hitap etmek. 1 milyon token'lık bağlam penceresi, örneğin bir hukuk bürosunun onlarca sözleşmeyi tek seferde modele verip karşılaştırmalı analiz yaptırabilmesi ya da bir yazılım ekibinin tüm bir kod deposunu (repository) modele okutup mimari önerisi alabilmesi anlamına geliyor — bu, çoğu kapalı kaynak modelin bugünkü bağlam sınırlarının oldukça üzerinde.

Fiyatlandırma tarafında Moonshot, önbellek isabetli (cache-hit) girdi için milyon token başına 0,30 dolar, önbellek ıskalayan girdi için 3 dolar, çıktı için ise 15 dolar talep ediyor. Şirket, gerçek kullanımda önbellek isabet oranının %90'ın üzerinde seyrettiğini belirtiyor — bu da pratikte maliyeti oldukça düşük tutuyor. Modelin tam açık ağırlıkları 27 Temmuz'da yayınlanacak.

Neden önemli?

Kimi K3, geçen haftalarda hız kazanan bir trendin en büyük halkası: Çinli AI şirketleri, kapalı kaynak Batı modelleriyle performans farkını kapatırken açık ağırlık stratejisiyle fiyat baskısı da yaratıyor. Bir işletme için bu, "en güçlü model = en pahalı model" denkleminin artık her zaman doğru olmadığı anlamına geliyor. Ayrıca açık ağırlıklı olması, modelin ince ayar (fine-tuning) yapılarak belirli bir sektöre — örneğin hukuk, sağlık ya da üretim — özelleştirilebilmesi anlamına da geliyor; bu da kapalı API'lerde mümkün olmayan bir esneklik sağlıyor.

YZ Uzman ne düşünüyor?

Türkiye'deki KOBİ'ler ve yazılım ekipleri için asıl mesele modelin trilyon parametresi değil, ne kadara ve nasıl çalıştığı. Kimi K3 gibi açık ağırlıklı, düşük token maliyetli modeller, kendi sunucunuzda veya bulutta çalıştırıp veri egemenliğini korumak isteyen şirketler için gerçek bir seçenek sunuyor — özellikle KVKK kapsamında verinin yurt dışına çıkmasını istemeyen kurumlar açısından. Ama burada dikkatli olmak lazım: benchmark üstünlüğü her zaman "günlük iş için daha iyi" demek değil. Bizim önerimiz, bu tarz devasa açık modelleri önce dar kapsamlı bir pilot projede (örneğin iç doküman özetleme veya kod inceleme asistanı) test etmek, sonra üretime almak.

Kaynaklar: VentureBeat, Tom's Hardware, MarkTechPost