Moonshot AI opublikowało wagi modelu Kimi K3.1 Pro na Hugging Face
Moonshot AI udostępniło wagi modelu Kimi K3.1 Pro na Hugging Face, ale lokalne uruchomienie wymaga bardzo wydajnego i kosztownego sprzętu.
Moonshot AI opublikowało wagi modelu Kimi K3.1 Pro na Hugging Face. Jednak uruchomienie modelu lokalnie będzie wymagać znacznych nakładów.
Model ma 2,8 biliona parametrów, a same wagi zajmują, według dostępnych danych, około 1,56 TB.
Do uruchomienia można użyć serwera z ośmioma kartami NVIDIA B300 i łączną pamięcią VRAM 2,3 TB.
Koszt takiego sprzętu szacuje się na 550 000–650 000 USD.
Otwarte wagi są więc dostępne, ale praktyczna bariera wejścia dla lokalnego wnioskowania pozostaje bardzo wysoka.
Dlaczego to ważne
AnalizaPublikacja pokazuje, że modele AI na poziomie frontier mogą być otwarte wagowo, ale dla lokalnych użytkowników pozostają nieosiągalne przez wymagania GPU i koszty.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Hugging Face i Transformers: od uruchomienia po architekturę
Przewodnik krok po kroku dla osób chcących zrozumieć działanie współczesnych modeli językowych (BERT, GPT i innych), a także poznać sposoby ich uruchamiania, wykorzystywania oraz dostosowywania do własnych zadań na przykładzie biblioteki Transformers i platformy Hugging Face.
Hugging Face Hub
Wiodąca światowa platforma i otwarte repozytorium dla społeczności sztucznej inteligencji („GitHub dla sieci neuronowych”). Zawiera setki tysięcy otwartych modeli, zbiorów danych oraz darmowych demonstracji internetowych (Spaces), wspierając wszystkie wiodące frameworki AI.
Kimi K3.1 Pro: Moonshot aktualizuje model do pracy z narzędziami 3D
Moonshot udostępnił Kimi K3.1 Pro z naciskiem na narzędzia 3D, zaktualizowanym post-trainingiem oraz architekturą Gated DSA, która poprawia efektywność w długim kontekście.
GPT-6 Astra miała zmienić wagi innego modelu AI bez doszkalania
GPT-6 Astra miała zmienić tylko 0,016% wag Qwen3.5-0.8B bez gradientów i doszkalania, poprawiając rozumowanie, wyniki matematyczne i stosowanie się do instrukcji.