चीनी कंपनी मूनशॉट एआयने (AI ने) आपले नवीन एआय मॉडेल किमी K3 सादर केले आहे. कंपनीचा दावा आहे की हे 2.8 ट्रिलियन पॅरामीटर्स असलेले जगातील पहिले ओपन मॉडेल आहे.

यात 1 दशलक्ष (मिलियन) टोकनची कॉन्टेक्स्ट विंडो दिली आहे. मागील मॉडेल किमी K2 च्या तुलनेत याची स्केलिंग कार्यक्षमता सुमारे 2.5 पट चांगली आहे.

हे एका सोप्या उदाहरणाने समजून घेऊया: समजा, एआय मॉडेल मानवी मेंदूप्रमाणे आहे, ज्याला एका खूप मोठ्या परीक्षेची तयारी करायची आहे.

1. पॅरामीटर्स म्हणजे काय?

पॅरामीटर्सना तुम्ही एआयचा ‘अनुभव’ मानू शकता. एक मूल मोठे झाल्यावर, ते जितक्या जास्त गोष्टी शिकते, तितका त्याचा मेंदू जलद चालतो. एआयच्या जगात ज्या मॉडेलकडे जितके जास्त पॅरामीटर्स असतात, ते तितकेच हुशार मानले जाते. 28 लाख कोटी पॅरामीटर्स असण्याचा अर्थ असा आहे की या मॉडेलचा मेंदू खूप विशाल आहे आणि ते खूप क्लिष्ट आणि कठीण प्रश्नांना मानवाप्रमाणे समजून सोडवू शकते.

2. 3T क्लास म्हणजे काय?

येथे ‘T’ चा अर्थ ट्रिलियन आहे. या मॉडेलमध्ये 2.8 ट्रिलियन पॅरामीटर्स असल्याने, जे 3 ट्रिलियन (3.0T) च्या खूप जवळ आहे, त्यामुळे याला ‘3T क्लास’ मॉडेल म्हटले गेले आहे. एआयच्या जगात 3T क्लासमध्ये पोहोचणे ही एक खूप मोठी उपलब्धी आहे, कारण इतके मोठे मॉडेल आतापर्यंत फक्त अमेरिकेच्या ओपन एआयसारख्या निवडक कंपन्यांकडेच होते.

3. 1 दशलक्ष टोकनची कॉन्टेक्स्ट विंडो म्हणजे काय?

कॉन्टेक्स्ट विंडो म्हणजे एआयची ‘स्मरणशक्ती’ किंवा एका वेळी वाचण्याची क्षमता. जेव्हा तुम्ही एआयशी चॅट करता, तेव्हा ते एका वेळी किती लांब परिच्छेद किंवा दस्तऐवज लक्षात ठेवू शकते, तीच त्याची कॉन्टेक्स्ट विंडो आहे.

उदाहरण: एका सामान्य एआय मॉडेलला तुम्ही 5-10 पाने दिल्यास, ते वाचेल, पण पूर्ण पुस्तक दिल्यास त्याचे हातपाय गळून पडतील. किमी K3 च्या 10 लाख टोकन क्षमतेचा अर्थ असा आहे की तुम्ही त्याला पूर्ण जाडजूड पुस्तक, हजारो ओळींचा संगणक कोड किंवा वर्षभराचे बँक स्टेटमेंट एकाच वेळी देऊ शकता; ते एका सेकंदात ती संपूर्ण माहिती लक्षात ठेवून तुम्हाला त्याचे अचूक विश्लेषण करून देईल.

4. स्केलिंग कार्यक्षमता 2.5 पट चांगली असण्याचा अर्थ काय?

‘स्केलिंग कार्यक्षमता 2.5 पट चांगली’ असण्याचा अर्थ असा आहे की मूनशॉट कंपनीने आपले सॉफ्टवेअर इतके कार्यक्षम बनवले आहे की ते त्यांच्या मागील मॉडेलच्या तुलनेत अडीच पट कमी संगणकीय शक्ती आणि खर्चात, त्याहून अधिक वेगाने आणि मोठे काम करू शकते.

5. ‘ओपन मॉडेल’ असण्याचा काय फायदा आहे?

आतापर्यंत अमेरिकेतील कंपन्या त्यांचे इतके मोठे मॉडेल्स लपवून ठेवतात. याला क्लोज्ड मॉडेल म्हणतात. त्या फक्त तुम्हाला ते वापरू देतात, पण ते आतून कसे बनवले आहे हे सांगत नाहीत. चीनच्या कंपनीने याला ‘ओपन मॉडेल’ ठेवले आहे.

याचा अर्थ असा आहे की ते या शक्तिशाली मेंदूची ‘ब्लूप्रिंट’ जगभरातील सॉफ्टवेअर डेव्हलपर्स आणि शास्त्रज्ञांसाठी विनामूल्य किंवा खुलेपणाने जारी करतील. यामुळे जगातील कोणताही सामान्य अभियंता हे एआय घेऊन आपल्या गरजेनुसार बदलू शकतो, नवीन ॲप बनवू शकतो किंवा आपल्या कामात वापरू शकतो.

मूनशॉट 27 जुलै रोजी आपले गुप्त सूत्र उघड करेल

मूनशॉट एआयने ब्लॉगमध्ये सांगितले की Kimi K3 ‘किमी डेल्टा अटेंशन’ आणि ‘अटेंशन रेजिड्यूल्स’वर आधारित आहे. यात नेटिव्ह व्हिजन क्षमता देखील आहेत. हे मॉडेल कोडिंग, नॉलेज वर्क आणि रिझनिंगसारख्या जटिल कामांसाठी डिझाइन केले आहे. कंपनीनुसार, याचे पूर्ण मॉडेल वेट्स 27 जुलैपर्यंत जारी केले जातील.

1. ‘किमी डेल्टा अटेंशन’ आणि ‘अटेंशन रेजिड्यूल्स’ काय आहे?

उदाहरणाने समजून घ्या: जेव्हा तुम्ही एखादे खूप जाड पुस्तक वाचता, तेव्हा तुम्ही प्रत्येक शब्दावर सारखेच लक्ष देता का? नाही. तुमचे मन फक्त मुख्य शब्द आणि महत्त्वाच्या ओळींवर ‘लक्ष’ (अटेंशन) देते आणि अनावश्यक शब्द सोडून देते.

फायदा: मूनशॉट AI ने ‘किमी डेल्टा अटेंशन’ आणि ‘अटेंशन रेजिड्यूल्स’ नावाचे जे नवीन सूत्र (फॉर्म्युला) तयार केले आहे, ते या AI ला हीच सुपर पॉवर देते. जेव्हा तुम्ही याला खूप मोठे काम किंवा लाखो शब्दांची फाइल देता, तेव्हा ही तंत्रज्ञान AI च्या मनाला भटकू देत नाही.

हे फक्त सर्वात महत्त्वाच्या मुद्द्यांवर लक्ष केंद्रित करते आणि पूर्वी वाचलेल्या गोष्टींचा ‘परिणाम’ (रेजिड्यूल्स) मनात टिकवून ठेवते. यामुळे AI न थकता आणि कोणतीही चूक न करता खूप वेगाने काम करू शकते.

2. ‘नेटिव्ह व्हिजन क्षमता’ म्हणजे काय?

उदाहरणाने समजून घ्या: पूर्वीचे AI फक्त मजकूर (टेक्स्ट) समजू शकत होते. जर तुम्ही त्यांना फोटो दाखवला, तर त्यांना आधी त्या फोटोला शब्दांमध्ये रूपांतरित करावे लागत असे, तेव्हा ते समजू शकत होते. पण ‘नेटिव्ह व्हिजन’ म्हणजे Kimi K3 कडे पाहण्याची क्षमता आहे.

फायदा: तुम्ही याला कोणताही फोटो, कोणताही क्लिष्ट ग्राफ, मेडिकल स्कॅन (जसे की एक्स-रे किंवा एमआरआय) किंवा कोणताही व्हिडिओ दाखवलात, तर ते मानवी डोळ्यांप्रमाणे पाहून लगेच समजून घेईल आणि त्यावर तुमच्या प्रश्नांची उत्तरे देईल.

3. कोडिंग, नॉलेज वर्क आणि रिझनिंग म्हणजे काय?

कंपनीचे म्हणणे आहे की हे मॉडेल तीन मोठी कामे करेल:

लॉन्ग-होरायझन कोडिंग : याचा अर्थ फक्त छोटा-मोठा कोड लिहिणे नाही. हे सॉफ्टवेअर अभियंत्यांप्रमाणे एकाच वेळी हजारो ओळींचा संपूर्ण मोठा संगणक प्रोग्राम किंवा ॲप स्वतः लिहू शकते आणि त्यातील त्रुटी शोधून दुरुस्त करू शकते.

ज्ञान कार्य: हे संशोधक, शास्त्रज्ञ आणि मोठ्या वकिलांप्रमाणे काम करू शकते. जुन्या फाइल्स तपासणे, मोठ्या कायदेशीर प्रकरणांचे विश्लेषण करणे किंवा एखाद्या विषयावर संपूर्ण संशोधन अहवाल तयार करणे हे याच्यासाठी अगदी सोपे काम आहे.

तर्कशक्ती (Reasoning): याचा अर्थ ‘विचार करण्याची, समजून घेण्याची आणि तर्क करण्याची क्षमता’ आहे. हे केवळ पाठ केलेल्या गोष्टी सांगणार नाही, तर माणसांप्रमाणे गणिताच्या कठीण प्रश्नांमध्ये किंवा व्यवसायाच्या गुंतागुंतीत ‘जर-तर’ लावून योग्य निर्णय घेण्यास मदत करेल.

अमेरिकेच्या नवीनतम AI मॉडेल्सपेक्षा Kimi K3 मागे

कंपनीने मान्य केले की Kimi K3 ची कामगिरी अमेरिकेच्या क्लॉड फेबल 5 (Claude Fable 5) आणि GPT 5.6 Sol सारख्या मॉडेल्सपेक्षा कमी आहे. तथापि, अनेक बेंचमार्क चाचण्यांमध्ये याने अमेरिकेच्या जुन्या मॉडेल्सना मागे टाकले आहे. मूनशॉट AI ला चीनी कंपन्या अलीबाबा (Alibaba) आणि टेनसेंटचा (Tencent) पाठिंबा आहे.

चीनी कंपन्यांनी 24 हजार बनावट खाती तयार करून डेटा चोरला

याच दरम्यान, अमेरिकन कंपन्यांनी चीनी कंपन्यांनी स्वस्त दरात मॉडेल जारी करण्यावर चिंता व्यक्त केली आहे. अँथ्रोपिकने (Anthropic) आरोप केला आहे की डीपसीक (DeepSeek), मूनशॉट (Moonshot) आणि मिनीमॅक्सने (MiniMax) त्यांच्या मॉडेलच्या क्षमता बेकायदेशीरपणे काढण्यासाठी मोठ्या प्रमाणावर मोहिम राबवली. अँथ्रोपिकनुसार, सुमारे 24,000 बनावट खात्यांमधून 1.6 कोटी वेळा क्लॉडचा (Claude) वापर करण्यात आला.