Đánh giá Kimi K3: Sức mạnh thực tế và những tranh cãi xoay quanh

Kimi K3 là một mô hình rất tốt với các kết quả benchmark xuất sắc. Nếu trọng số của nó được phát hành như kế hoạch, xét thuần túy về năng lực thô, đây sẽ trở thành mô hình mở mạnh mẽ nhất.

Đừng quá phấn khích. Đừng chỉ đánh giá Kimi K3 dựa trên những ưu điểm tương đối của nó. Tổng thể mà nói, nó vẫn chậm hơn vài tháng so với các mô hình đóng tiên tiến nhất, ít nhất là bốn tháng và dự đoán trung bình của tôi là sáu tháng, với giai đoạn hậu huấn luyện (post-training) gần hơn và giai đoạn tiền huấn luyện (pre-training) xa hơn. Khoảng cách này đã ngắn hơn trước, nhưng các tháng hiện tại lại chứa đựng nhiều tiến bộ dày đặc hơn.

Nó phần nào được chưng cất (distilled). Hiệu suất trên các bài kiểm tra benchmark có khả năng cao hơn so với hiệu suất thực tế. Tất cả các benchmark của nó đều được thực hiện với nỗ lực tối đa, thường sử dụng nhiều token hơn đáng kể so với các bài kiểm tra tương tự của Fable hoặc Sol. Hiệu suất có vẻ không đồng đều. Kimi sẽ rất xuất sắc ở một số khía cạnh, nhưng lại kém hơn ở những khía cạnh khác.

Chúng ta sẽ biết thêm trong vài tuần tới. Hiện tại, quyền truy cập vẫn còn hạn chế và chưa có nhiều người thực sự có cơ hội thử nghiệm Kimi K3, vì vậy biên độ sai số trong đánh giá của tôi về năng lực của nó lớn hơn bình thường. Than ôi, thời gian không chờ đợi ai, nên chúng ta cứ tiếp tục thôi.

Đây là mô hình mở lớn nhất cho đến nay với 2.8T tham số, nằm ở ngưỡng trên của các kích thước khả thi đối với Claude Opus và gần ngưỡng dưới đối với Mythos, điều này giải thích cho nhiều bước tiến của nó. Nó chậm và có vẻ "đói" token. Nhiều phản ứng tích cực đến từ việc đây là một mô hình lớn, do đó nó mang lại cảm giác "mô hình lớn" đáng kể và thường đánh đổi tốc độ cũng như chi phí để lấy hiệu suất. Đó là một nước đi tuyệt vời, nhưng sẽ mất một thời gian trước khi họ có thể làm lại điều đó.

Việc chưng cất từ Claude rõ ràng là một phần của câu chuyện, khả năng cao là từ Fable, nhưng chắc chắn đó không phải là toàn bộ câu chuyện. Rõ ràng Moonshot sẽ làm điều này ngay cả khi nó chỉ giúp ích một chút. Thời điểm họ phát hành một mô hình lớn hơn rất đáng để suy ngẫm.

Một lần nữa, đây là một mô hình tốt, nhưng khi bạn điều chỉnh lại kết quả vượt trội trên các benchmark và nhìn vào hiệu suất thực tế kỳ vọng, thì không rõ nó có khác biệt quá nhiều so với những gì bạn mong đợi từ một Kimi K3 có 2.8T tham số hay không.

Hãy xem xét rằng Chỉ số Năng lực Epoch (chưa chính thức) của Kimi K3 nằm chính xác trên đường xu hướng của Trung Quốc.

Kimi K3 hoàn toàn đáng để kiểm tra xem nó có phù hợp với quy trình làm việc của bạn hay không. Ở mức giá này, cho cả API và gói đăng ký, nó sẽ không thay thế được vai trò của các mô hình mở nhỏ hơn và rẻ hơn, và tôi dự đoán nó thường sẽ thua trong cuộc đối đầu với các mô hình đóng hàng đầu, nhưng sẽ có một số lĩnh vực mà Kimi K3 là lựa chọn tốt.

Andrew Curran: Theo Bloomberg, sau thành công của Kimi K3, Moonshot AI đã thông báo với các nhà đầu tư rằng họ có kế hoạch IPO tại Hồng Kông trong vòng sáu tháng tới.

Ý tưởng hay. Phải tranh thủ khi thời cơ đến.

Những khoảnh khắc DeepSeek: Lại bắt đầu rồi đây.

Chúng ta đã có một khoảnh khắc (Tái hiện từ tháng 6 năm 2025).

Câu chuyện kể từ đó.

Thông báo, bài giới thiệu và các sự kiện cơ bản về Kimi K3.

Về việc tối ưu hóa benchmark hiện đại.

Các benchmark của người khác.

Benchmark không phải là thế giới thực.

Các biện pháp bảo vệ kỹ thuật? Đó là cái gì vậy?

Những việc Kimi có thể làm.

Những việc Kimi không thể làm.

Những việc không dễ để bắt Kimi thực hiện.

Các mô hình mở trọng số là không an toàn và không gì có thể khắc phục điều này.

Dean Ball cố gắng mang tính xây dựng.

Nhân viên OpenAI tương đối lạc quan về mô hình này.

Kimi K3 mạnh nhất tương đối ở các tác vụ lập trình đại lý (agentic coding) điển hình và 3D.

Các phản ứng.

Bạn là ai?

Họ đã làm điều đó như thế nào?

Kết luận.

Mọi cuộc thảo luận về các mô hình Trung Quốc đều sống dưới cái bóng của khoảnh khắc DeepSeek.

Có rất nhiều người thực sự, thực sự muốn một khoảnh khắc DeepSeek khác xảy ra.

Những người này thực sự, thực sự muốn kể câu chuyện rằng các mô hình mở của Trung Quốc đang bắt kịp các mô hình đóng của Mỹ, rằng AI và suy luận sẽ trở thành hàng hóa phổ thông.

Động cơ của họ rất khác nhau. Họ thường muốn khẳng định các mô hình mở, hoặc tầm quan trọng của "hệ sinh thái công nghệ". Những người khác đơn giản là muốn thấy OpenAI và Anthropic thất bại, hoặc biết rằng những tuyên bố như vậy rất dễ bán. Thông thường, mục tiêu cuối cùng là lập luận chống lại mọi quy định về AI, hoặc bất cứ điều gì có thể "làm chậm chúng ta lại" hoặc khiến chúng ta "thua Trung Quốc".

Việc phản hồi lại câu "người Trung Quốc hiện có các mô hình tốt hơn" bằng câu "vậy thì chúng ta nên bán cho họ năng lực tính toán để họ có thể chạy chúng và xây dựng những mô hình tốt hơn nữa" là hành động tự sát. Tuy nhiên, lần nào cũng vậy, người ta vẫn sẽ lập luận như thế. Thở dài.

Thường thì họ chỉ muốn bảo AI của Mỹ ngừng thực hiện các biện pháp phòng ngừa, ngừng gây phiền nhiễu và gỡ bỏ các bộ phân loại, kiểu như "thần đèn đã ra khỏi chai, nên hãy giải phóng vị thần lớn hơn với những điều ước không giới hạn, đó là cách duy nhất". Mọi người thực sự thà chấp nhận những rủi ro thảm khốc lớn còn hơn là phải đối phó với các bộ phân loại, và họ đang cực kỳ giận dữ về điều này.

Google giảm 4,4% trong ngày, SpaceX giảm 3,1% và Nvidia giảm hơn 2%, cổ phiếu công nghệ lại giảm vào thứ Sáu, nên có khả năng chúng ta lại đang lặp lại điều này.

Và vâng, chúng ta đang có nguy cơ lặp lại điều này:

Axios (sai lầm): Trung Quốc vừa xóa sổ vị thế dẫn đầu về AI của Mỹ.