Os pesos do Kimi são abertos; o hardware, não
A Moonshot AI AI divulgou nesta semana os pesos do modelo Kimi K3.1 Pro, tornando publicamente disponível um modelo de nível de fronteira com 3 trilhões de parâmetros. Apesar dos pesos abertos, executar o Kimi K3.1 Pro localmente apresenta desafios significativos de hardware. O modelo é distribuído em 96 shards grandes, totalizando aproximadamente 1,6 terabytes, e exige pelo menos 1,2 terabytes de VRAM para inferência bruta.
O desempenho do Kimi K3.1 Pro em benchmarks o coloca entre os modelos de primeira linha, segundo o vídeo. Ele teria alcançado o 1º lugar no Agents Last Exam, o 2º no GDP Val (benchmark interno da OpenAI de trabalho de conhecimento do mundo real) e o 3º no OS World. O modelo também apresentou resultados sólidos no Terminal Bench e no BenchCAD.
Alcançar essas posições depende de desenhos e versões específicos de benchmarks. Para a maioria dos usuários, os provedores de inferência oferecerão o caminho imediato para acessar o Kimi K3.1 Pro. Os futuros esforços de quantização da comunidade de código aberto podem ampliar o acesso local, possivelmente permitindo que o modelo seja executado em hardware menos especializado.
O controle de computador fica menor e mais especializado
Também estão surgindo modelos de pesos abertos projetados para o controle direto de computadores. A família de modelos NorthCUA, por exemplo, concentra-se na interação e na automação de computadores. Sua versão principal Pro tem 397 bilhões de parâmetros no total, com 17 bilhões de parâmetros ativos em sua arquitetura Mixture-of-Experts (MoE).
As variantes menores incluem o NorthCUA Mini, com 35 bilhões de parâmetros, e o NorthCUA Nano, com 9 bilhões de parâmetros. Esses modelos menores demonstram desempenho competitivo em benchmarks como OS World Verified e WebArena Verified, com o modelo Nano obtendo 78,9% e 78,8%, respectivamente, em comparação com 88,0% e 88,2% do modelo Pro. Embora essas pontuações sejam sólidas, o desempenho em benchmarks não garante um controle de computador confiável no mundo real.
Os modelos NorthCUA operam dentro de um harness personalizado, observando estados da tela, processando informações e executando ações em um ciclo contínuo. Essa abordagem contrasta com o Sarvam Prism, um modelo de decisão construído sobre o Sarvam 105B.
O Prism, inspirado em modelos como o Jev, processa contexto e perguntas com conjuntos fixos de respostas. Ele retorna probabilidades para cada resposta em uma única passagem, o que o torna adequado para a tomada de decisões estruturada, e não para a geração de texto aberto. Esse design se concentra em resultados baseados em escolha, distinguindo-se dos agentes de uso de computador orientados à ação.
De cadernos de laboratório a imagens, os modelos pequenos encontram seu espaço
Também estão surgindo modelos especializados, projetados para tarefas específicas em vez de inteligência geral ampla. O MIT lançou o Hydrogen 1.0, um modelo científico capaz de gerar código e notebooks computacionais. O Perplexity Embed V2 Context busca melhorar a recuperação de informações em diversos tipos de dados, incluindo texto, imagens e documentos visuais.
Da Pruna AI, o PH3 Image oferece uma solução eficiente de geração e edição de imagens. Derivado do MiniMax H3, o modelo, segundo relatos, gera ou edita imagens em oito etapas, uma redução significativa em relação a 50 etapas. Isso permite um tempo de entrega mais rápido e arquivos de pesos menores do que os de seu antecessor.
Iniciativas da comunidade ressaltam a utilidade de modelos compactos. Um ajuste fino de programação do Qwen 3.5, com apenas 4 bilhões de parâmetros, demonstrou capacidades inesperadas de geração de cenas 3D. Isso sugere que modelos menores podem se mostrar muito eficazes quando aplicados a tarefas restritas e bem definidas.
Esses lançamentos direcionados, junto com modelos como o Kimi K3.1 Pro da Moonshot AI AI, acessível por meio de Moonshot AIai/Kimi-K3.1-Pro - Hugging Face, evidenciam uma tendência crescente. Desenvolvedores estão aproveitando o acesso a pesos abertos para criar ferramentas de IA especializadas. Isso permite inovação além dos maiores modelos, que demandam mais recursos.
Gostando do artigo? Receba um assim na sua caixa de entrada toda manhã.
um e-mail por dia · cancele em dois cliques · sem rastreadores de terceiros
O Pika H3 Flex torna tangível a proposta para criadores
O Pika H3 Flex, um novo modelo de geração de texto para vídeo, promete produção criativa rápida. A plataforma afirma gerar clipes de vídeo de 15 segundos com áudio em apenas sete segundos, com resoluções de até 4K e stems de áudio exportáveis. Esses números de velocidade e preço são apresentados como alegações do vídeo promocional da Pika.
Além da simples geração de clipes a partir de prompts, o Pika H3 Flex permite um fluxo de trabalho mais iterativo. Os usuários podem fornecer várias referências de imagem e áudio para orientar o resultado e, em seguida, fazer edições direcionadas nos clipes gerados. Esse conjunto de recursos busca acelerar a iteração criativa e ampliar o controle do usuário sobre o vídeo final.
Os lançamentos da semana também incluíram o Apriel Voice 27B, um modelo que combina entradas de voz, texto e imagem para executar tarefas, e o Clover, outro modelo de texto rápido. Essa onda de modelos especializados, do Kimi K3.1 Pro da Moonshot AI AI aos agentes de controle de computador do NorthCUA e ao modelo científico Hydrogen 1.0 do MIT, evidencia uma mudança no mercado. Demonstrações e pontuações de benchmarks oferecem uma primeira percepção, mas a confiabilidade no mundo real e a aplicação prática continuam sendo testes distintos para esses novos participantes de pesos abertos.
Perguntas frequentes
O que é o Kimi K3.1 Pro?
É um modelo de 3 trilhões de parâmetros da Moonshot AI, cujos pesos foram divulgados publicamente. Seus requisitos brutos de hardware tornam a inferência hospedada mais prática para a maioria dos usuários.
O Kimi K3.1 Pro pode ser executado em um computador doméstico?
O vídeo estima cerca de 1,2 terabytes de VRAM para o modelo sem quantização, muito além do hardware de consumo típico. Versões quantizadas menores podem melhorar a acessibilidade.
O que o NorthCUA faz?
O NorthCUA é uma família de modelos de pesos abertos projetada para controlar um computador por meio de um ciclo repetido de observar, pensar e agir.
Quais lançamentos do resumo são voltados a criadores?
O resumo destaca o PH3 Image para geração e edição de imagens, além do Pika H3 Flex para geração de texto para vídeo e edição iterativa.