AINews: Tranh cãi về mô hình mã nguồn mở và sự xuất hiện của Kimi K3

Mọi người hãy chào đón Richard MacManus, tân Trưởng ban Biên tập của chúng ta!

Cuộc tranh luận hiện nay về Open Weights (trọng số mở) là kiểu tranh luận tạo ra rất nhiều sự phô trương về một chủ đề, trong khi mọi người chờ đợi một nhóm nhỏ các đơn vị thực sự sẽ quyết định cục diện (theo bất kỳ hướng nào); điều này không mấy có lợi cho những người trong chúng ta đang cố gắng tập trung vào việc lọc tín hiệu nhiễu.

Đầu tiên là bức thư về các mô hình mở có chữ ký của NVIDIA và Microsoft, nhanh chóng biến thành các meme và mọi người trong hệ sinh thái (những người rõ ràng được hưởng lợi từ các mô hình mở hơn) đổ xô vào ký tên để ủng hộ một lập trường vốn đã mang tính dân túy. Trong khi đó, OpenAI được đồn là không ký, rồi sau đó lại ký, còn Anthropic thì không ký.

Tất cả đều rất dễ đoán và có phần mệt mỏi.

Trong khi đó, những người duy nhất thực sự phát hành open weights trong tuần này có khả năng là Moonshot AI, đơn vị đã thực hiện đúng lời hứa vào cuối tuần qua khi ra mắt Kimi K3. Mô hình này đã được xác thực độc lập nhiều lần là vượt qua Opus 4.8 đúng như kỳ vọng, qua đó giành lấy danh hiệu mô hình open weights tốt nhất thế giới.

Artificial Analysis@ArtificialAnlys

Trí tuệ open weights đã tiến thêm một bước hôm nay với sự ra mắt của Kimi K3. Khoảng cách giữa các mô hình độc quyền hàng đầu và các mô hình open weights hiện chỉ còn 4 điểm trên Chỉ số Trí tuệ của Artificial Analysis, mức nhỏ nhất kể từ khi GLM-5 ra mắt vào tháng 2 @Kimi_Moonshot's

2:17 sáng · 28 tháng 7, 2026 · 14,6 nghìn lượt xem

18 lượt trả lời · 27 lượt đăng lại · 268 lượt thích

Nếu bạn không làm luật, không sản xuất chip hay xây dựng mô hình, chúng tôi khuyên bạn nên đọc báo cáo kỹ thuật của Kimi K3 thay vì đọc 50 dòng tweet đầy những lời chỉ trích khó hiểu của giới bình luận dành cho tầng lớp lao động.

Tin tức AI từ 25/7/2026 đến 27/7/2026. Chúng tôi đã kiểm tra 12 subreddit, 544 tài khoản Twitter và không có thêm Discord nào. Trang web của AINews cho phép bạn tìm kiếm tất cả các số đã phát hành. Xin nhắc lại, AINews hiện là một chuyên mục của Latent Space. Bạn có thể chọn nhận/hủy nhận email theo tần suất!

Sự kiện ra mắt Kimi K3 Open-Weights của Moonshot và Kỷ nguyên Open Frontier 3T mới

Kimi K3 là bản phát hành thống trị trong ngày: Moonshot đã phát hành trọng số, báo cáo và cơ sở hạ tầng hỗ trợ của Kimi K3 dưới dạng gói open-weights: một mô hình MoE 2,8 nghìn tỷ tham số, 104 tỷ tham số hoạt động, 896 chuyên gia / 16 chuyên gia hoạt động mỗi token, ngữ cảnh 1 triệu token và khả năng hiểu hình ảnh gốc theo @Kimi_Moonshot. Các bài đăng đi kèm cũng mã nguồn mở FlashKDA (các nhân Kimi Delta Attention của họ), MoonEP (thư viện giao tiếp MoE) và AgentENV (cơ sở hạ tầng môi trường tác nhân phân tán) thông qua FlashKDA, MoonEP và AgentENV. Đây không chỉ là một bản phát hành mô hình; đó là một công thức khá hoàn chỉnh cho việc hậu đào tạo và phục vụ tác nhân quy mô lớn.

Báo cáo kỹ thuật dường như quan trọng gần bằng chính mô hình: Một số chuyên gia đã nhấn mạnh sự cải thiện hiệu suất mở rộng ~2,5 lần của K3 so với K2, với các lựa chọn về kiến trúc và đào tạo tập trung vào sự ổn định số học ở quy mô cực lớn—xem phản hồi từ @eliebakouch, @suchenzang và @teortaxesTex. Các chi tiết cụ thể xuất hiện trong phần bình luận bao gồm trọng số MXFP4 / kích hoạt MXFP8 @teortaxesTex, đào tạo chung bộ mã hóa hình ảnh từ đầu để đảm bảo tính ổn định @iScienceLuvr, và sự chú trọng lớn vào các vấn đề định tuyến MoE / lan truyền tín hiệu. Báo cáo được cho là đã bỏ qua tổng số token đào tạo, một chi tiết quan trọng mà nhiều độc giả đã lưu ý @teortaxesTex.

Cấp phép là “open weights”, không phải OSS cho phép: Mô hình có thể sử dụng rộng rãi, nhưng không phải là mã nguồn mở theo kiểu MIT/Apache. Nhiều bài đăng lưu ý về hạn chế sử dụng thương mại: các nhà cung cấp dịch vụ lưu trữ lớn với doanh thu trên 20 triệu USD/năm cần một thỏa thuận riêng, và các sản phẩm có trên 100 triệu MAU hoặc doanh thu trên 20 triệu USD/tháng phải hiển thị “Kimi K3” trong giao diện người dùng, theo @natolambert, @petergostev và @ArtificialAnlys. Đây là một tín hiệu hữu ích cho thấy khái niệm “mở” ở biên giới công nghệ đang dần định hình: theo hướng source-available / open-weight với các điều khoản kinh doanh thay vì cấp phép kiểu OSI.

Việc phân phối diễn ra ngay lập tức và rộng khắp: K3 đã có sẵn từ ngày đầu tiên thông qua vLLM @vllm_project, Baseten @baseten, Modal @modal, Fireworks @Kimi_Moonshot, Nebius @Kimi_Moonshot, Together @Kimi_Moonshot, DigitalOcean @Kimi_Moonshot, Cursor @cursor_ai, Cognition/Devin @cognition, Ollama Cloud @ollama và Dell Enterprise Hub @jeffboudier. Sự phổ biến đó nhấn mạnh rằng các đợt ra mắt mô hình biên open-weight hiện nay là các sự kiện chuỗi cung ứng, không chỉ là các thông báo nghiên cứu.

Bảo mật AI mở, Chính trị về Open Weights và Lập trường của Anthropic

NVIDIA chính thức thành lập Open Secure AI Alliance: Jensen Huang đã nêu rõ luận điểm cốt lõi: những kẻ tấn công đã sở hữu AI mạnh mẽ, vì vậy những người phòng thủ cần một hệ sinh thái bao gồm cả các mô hình biên mở và đóng, cùng với các công cụ và nghiên cứu được chia sẻ. Tuyên bố quan trọng nhất đến từ @JensenHuang, với thông báo chính thức của NVIDIA tại @nvidia. Chi tiết thú vị nhất về mặt kỹ thuật trong thông điệp là tuyên bố rằng trong sự cố OpenAI/Hugging Face, một mô hình open-weight biên đã giúp ngăn chặn sự xâm nhập, trong khi một mô hình đóng lại chặn các dữ liệu pháp y thiết yếu—điều này được đồng tình bởi @AndrewYNg và @ZixuanLi_.

Liên minh nhanh chóng tập hợp được các thành viên về cơ sở hạ tầng và công cụ uy tín: Các bên tham gia xác nhận công khai bao gồm Hugging Face @huggingface, LangChain @LangChain, Nous Research @NousResearch, cùng sự ủng hộ từ các tiếng nói trong hệ sinh thái mở như @UnslothAI và @Yuchenj_UW. Lập luận ở đây không phải là “mở thì tự động an toàn hơn”, mà là khả năng phòng thủ và tính kiểm chứng đòi hỏi quyền truy cập mở vào các mô hình, bộ công cụ và dấu vết.

Anthropic cuối cùng đã làm rõ lập trường về open-weights: Sau khi bị chỉ trích liên tục vì không ký vào bức thư open-weights của NVIDIA, Anthropic đã công bố một tuyên bố lập trường cho biết họ “chưa bao giờ ủng hộ việc cấm các mô hình open-weights” và thay vào đó ủng hộ: kiểm soát chip đối với Trung Quốc, các biện pháp chống chưng cất mô hình ở quy mô công nghiệp và kiểm tra an toàn bắt buộc đối với các mô hình đủ năng lực, dù là mở hay đóng, theo @AnthropicAI. Các phản ứng chia làm nhiều luồng: “làm rõ hợp lý” @signulll, “tốt, nhưng vẫn cố gắng làm chậm sự phổ biến của công nghệ biên” @jachiam0, và những cách hiểu thù địch hơn từ các nhà ủng hộ open-weight như @Teknium.

Áp lực chính sách đang gia tăng xung quanh việc đánh giá trước khi phát hành: Các báo cáo riêng biệt cho thấy chính phủ Hoa Kỳ có thể tìm cách yêu cầu quyền truy cập trước khi phát hành lên tới 30 ngày đối với các hệ thống biên để các cơ quan như NSA và CAISI đánh giá, với việc xử lý mô hình mở so với đóng vẫn chưa được giải quyết, thông qua @kimmonismus và @leomschwartz. Cùng với tuyên bố của Anthropic và các cuộc họp báo của OpenAI tại Washington, hướng đi đã rõ ràng: việc phát hành mô hình biên đang trở thành một giao diện quản trị, không chỉ là một đợt ra mắt sản phẩm.

Điểm chuẩn, Đánh giá và Độ tin cậy của Tác nhân

Các đánh giá ban đầu của K3 rất mạnh mẽ, đặc biệt là đối với các tác nhân/lập trình: Trên Agent Arena, Kimi K3 Max được báo cáo xếp hạng #1 trong số các mô hình open-weight với mức cải thiện ròng +9,75%, dẫn đầu trên nhiều tín hiệu bao gồm thành công được xác nhận và khả năng điều khiển @arena. Nó cũng chiếm vị trí #1 tổng thể trong Frontend Code Arena giữa tất cả các mô hình trong một bài đăng sau đó @arena. Cognition cho biết K3 là mô hình mã nguồn mở đầu tiên họ thử nghiệm “tiệm cận hiệu suất cấp biên” trên FrontierCode 1.1, đạt 58,2% với tỷ lệ vượt qua 63,6% @cognition.

Claude Opus 5 cũng ghi nhận các con số bảng xếp hạng mạnh mẽ, nhưng phản hồi từ người dùng thực tế lại trái chiều: Arena báo cáo Opus 5 Max đứng #1 trong Frontend Code Arena và Text Arena về tính xác thực trên @arena, trong khi các con số WeirdML từ @htihle đưa Opus 5 high/max lên 91,6% / 91,8%, ngang ngửa với Fable 5 max. Tuy nhiên, một số lập trình viên đã báo cáo về hành vi thực tế gây thất vọng—quá phức tạp, lỗi, hành vi dừng kém—từ @abacaj, @davis7, @Teknium và @theo. Như thường lệ, sự gia tăng điểm số đánh giá công khai và tính hữu dụng trong sản xuất thực tế đang có sự khác biệt.

Công việc đánh giá mới tập trung vào sự suy giảm tuần tự và các lỗi hồi quy ẩn: @_philschmid đã nêu bật EvoCode, một bài đánh giá được xây dựng xung quanh 26 tác vụ / 227 vòng tuần tự trong một container bền vững, đo lường xem liệu các tác nhân có thể tuân theo các yêu cầu thay đổi mà không làm hỏng hành vi trước đó hay không. Song song đó, @omarsar0 đã tóm tắt một bài báo cho thấy “thuế hồi quy” từ các kỹ năng tác nhân: qua gần 6.000 lần chạy theo cặp, các kỹ năng tạo ra lợi ích nhưng cũng làm hỏng nhiều tác vụ đã được giải quyết trước đó. Đó là một lời cảnh báo thực tế chống lại việc nhồi nhét ngây thơ các kỹ năng thủ tục vào ngữ cảnh.

Các hệ thống RL đa mô-đun đang cho thấy “trôi dạt vai trò”: Một bản tóm tắt bài báo hữu ích khác từ @omarsar0 mô tả cách RL đầu cuối (end-to-end) có thể cải thiện độ chính xác của quy trình trong khi khiến các mô-đun âm thầm từ bỏ trách nhiệm dự định—ví dụ: một bộ phân tách nhúng câu trả lời thay vì cấu trúc vấn đề. Điều này ngày càng trở nên phù hợp khi các nhóm chuyển từ vòng lặp tác nhân đơn lẻ sang các ngăn xếp công cụ/prompt/mô-đun chuyên biệt.

Cơ sở hạ tầng Mô hình và Hệ thống: Từ RL Tác nhân đến VLM Truyền phát

Microsoft và NVIDIA đều đã phát hành các bản cập nhật cơ sở hạ tầng/mô hình đáng chú ý: Microsoft đã phát hành Mage-VL 4B, được mô tả là một VLM truyền phát gốc codec để hiểu sự kiện trực tiếp, thông qua @HuggingApps. Nghiên cứu của NVIDIA cũng đưa ra Molt, một khung RL tác nhân gốc PyTorch được thiết kế đủ nhỏ gọn để con người—và các trợ lý lập trình AI—có thể suy luận về toàn bộ quy trình, được tóm tắt bởi @dair_ai. Ràng buộc thiết kế “cơ sở hạ tầng nghiên cứu AI có thể đọc được” là một sự thay đổi nhỏ nhưng đáng kể trong triết lý công cụ.

AMD đã thúc đẩy một bản phát hành MoE mở có khả năng tái lập cao hơn: Instella-MoE là LM MoE hoàn toàn mở đầu tiên của AMD: 16B tổng cộng / 2,8B hoạt động, được đào tạo trên MI300X/MI325X, với các bản phát hành bao gồm các điểm kiểm tra từ tiền đào tạo đến RL, cộng với cấu hình, hỗn hợp dữ liệu và mã nguồn @PrakamyaMishra. So với các bản phát hành mô hình thông thường, đây gần giống với một hiện vật nghiên cứu toàn diện hơn.

Cohere và các nhà cung cấp công cụ cho nhà phát triển tiếp tục chuyển dịch sang hướng “làm chủ bộ công cụ”: Cohere đã công bố North Automations, một lớp quy trình làm việc bằng ngôn ngữ tự nhiên trên nền tảng tác nhân bảo mật của mình @cohere. Thông điệp hệ sinh thái của LangChain tiếp tục nhấn mạnh rằng các doanh nghiệp nên sở hữu công cụ, prompt, ngữ cảnh và bộ nhớ, thay vì chỉ thuê quyền truy cập mô hình @sydneyrunkle. Cách tiếp cận này cũng xuất hiện trong nhiều bài đăng xung quanh các mô hình mở và triển khai tác nhân doanh nghiệp.

Các tweet hàng đầu (theo mức độ tương tác)

Ra mắt Kimi K3: Thông báo K3 của Moonshot là bài đăng kỹ thuật lớn nhất trong tập hợp, kết hợp bản phát hành open-weights 2,8T với các nhân, giao tiếp MoE và cơ sở hạ tầng môi trường tác nhân @Kimi_Moonshot.

Open Secure AI Alliance: Lập luận của Jensen Huang về AI phòng thủ mở—đặc biệt là giai thoại về sự cố Hugging Face—đã thúc đẩy sự tương tác lớn @JensenHuang.

SSI × NVIDIA: “Đã đến lúc mở rộng SSI đó” của Ilya Sutskever và các báo cáo tiếp theo chỉ ra một sự mở rộng tính toán lớn cho Safe Superintelligence trên Vera Rubin @ilyasut, @kimmonismus.

Sản phẩm hóa kinh tế/quy trình làm việc của OpenAI: Nghiên cứu về công việc của OpenAI và nỗ lực rộng lớn hơn xung quanh các tác nhân đám mây / chế độ Công việc tiếp tục báo hiệu sự chuyển dịch từ UX chatbot sang tự động hóa cá nhân và doanh nghiệp được nhúng @OpenAI, @gdb.

Trọng số Kimi K3 hiện đã được phát hành. (Hoạt động: 3442): Hình ảnh là ảnh chụp màn hình di động của trang Hugging Face cho moonshotai/Kimi-K3, hỗ trợ tiêu đề bài đăng rằng trọng số Kimi K3 đã được phát hành. Mô hình được hiển thị dưới dạng điểm kiểm tra Image-Text-to-Text Transformers sử dụng Safetensors / compressed-tensors, yêu cầu custom_code, theo giấy phép kimi-k3, với khoảng 3,8 nghìn lượt thích và 2.850 lượt tải xuống vào tháng trước. Các bình luận tập trung vào tính khả thi của phần cứng: một người dùng lưu ý “104B tham số được kích hoạt”, ngụ ý yêu cầu bộ nhớ suy luận rất lớn, trong khi các câu đùa như “Làm thế nào để tôi tải xuống RAM trong hugging face?” và “3090 của tôi đã sẵn sàng” làm nổi bật sự hoài nghi về việc chạy nó trên GPU tiêu dùng.

Một số người bình luận tập trung vào quy mô của mô hình, lưu ý rằng Kimi K3 được báo cáo sử dụng 104 tỷ tham số được kích hoạt, ngụ ý yêu cầu bộ nhớ/tính toán suy luận cao hơn đáng kể so với các thiết lập GPU tiêu dùng thông thường.