المحللون: Kimi K3 يعزّز كفاءة الحوسبة، لكن احتياجاته الكبيرة من الذاكرة تدعم ما يزال الطلب على شرائح الذكاء الاصطناعي

رسالة من Deep Tide TechFlow، في 20 يوليو، ووفقاً لوجهة نظر المحلل Sunny Bangia، فإن إطلاق Kimi K3، مثل DeepSeek R1 الذي يُتوقع إطلاقه في 2025، أثار مخاوف من أن تكون قدرات الحوسبة للذكاء الاصطناعي أقل من المتوقع. ومع ذلك، قد يتجاهل هذا التشبيه فرقاً مهماً. فرغم أن نماذج مثل Kimi K3 تهدف إلى الاستخدام الأكثر كفاءة لموارد الحوسبة، فإنها لا تزال تتطلب ذاكرة كبيرة أثناء التشغيل، وهو ما قد يستمر في دعم الطلب على شركات مثل SK Hynix وTSMC وNVIDIA.

يمتلك Kimi K3 2.8 تريليون معلمة، ما يضع نسبة التخفيف في مستوى قياسي جديد. تعني نسب التخفيف الأعلى أن عدد المعلمات التي يتم تفعيلها في كل مهمة سيكون أقل نسبياً مقارنة بإجمالي حجم النموذج، بما يحقق كفاءة حسابية أعلى لكل token. والمعلمات ليست سوى أرقام تُخزَّن في الذاكرة. وحتى عند استخدام صيغ بيانات منخفضة الدقة لضغط النموذج، لا تزال معلمات Kimi K3 تشغل نحو 1.4 تيرابايت من الذاكرة. ويُفضي اعتماد K3 بحد ذاته إلى توليد طلب على ترقيات شرائح السيليكون عالية الذاكرة، مثل Blackwell GB300 من NVIDIA. (Jin 10)