Moonshot AI publie les poids de Kimi K3.1 Pro sur Hugging Face
Moonshot AI a publié les poids du modèle Kimi K3.1 Pro sur Hugging Face, mais l’exécution locale nécessite un matériel extrêmement puissant et coûteux.
Moonshot AI a publié les poids du modèle Kimi K3.1 Pro sur Hugging Face. Cependant, faire tourner le modèle localement demandera un investissement important.
Le modèle compte 2,8 billions de paramètres, et les poids seuls occupent, selon les données disponibles, environ 1,56 To.
Pour l’exécution, il est possible d’utiliser un serveur équipé de huit NVIDIA B300 avec 2,3 To de mémoire vidéo au total.
Le coût de ce matériel est estimé entre 550 000 et 650 000 dollars.
Les poids ouverts sont donc disponibles, mais la barrière pratique pour une inférence locale reste très élevée.
Pourquoi c'est important
AnalyseCette publication illustre le fait que les modèles d’IA à l’échelle frontière peuvent être ouverts en poids, tout en restant inaccessibles pour la plupart des utilisateurs locaux à cause de la mémoire et du coût des GPU.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Comprendre Hugging Face et les Transformers : de l'exécution aux architectures
Guide pas à pas pour ceux qui souhaitent comprendre le fonctionnement des modèles de langage modernes (BERT, GPT, etc.), comment les exécuter, les utiliser et les adapter à leurs propres tâches — en s'appuyant sur la bibliothèque Transformers et la plateforme Hugging Face.
Hugging Face Hub
Plateforme mondiale de premier plan et dépôt ouvert pour la communauté de l'intelligence artificielle (le « GitHub des réseaux de neurones »). Il contient des centaines de milliers de modèles, de jeux de données et de démonstrations web gratuites (Spaces), tout en prenant en charge tous les principaux frameworks d'IA.
Kimi K3.1 Pro : Moonshot met à jour le modèle pour les outils 3D
Moonshot a publié Kimi K3.1 Pro, avec un accent mis sur les outils 3D, un post-training actualisé et une architecture Gated DSA pour améliorer l'efficacité dans les longs contextes.
Des chercheurs du MIT montrent qu'un LLM peut lire et modifier les poids d'un modèle sans entraînement
MIT CSAIL a présenté Weight-Space Programming : Astra a lu et modifié les poids de Qwen3.5-0.8B sans descente de gradient ni fine-tuning, améliorant ses scores sur MATH-500 et GSM8K.