2,8 triliun parameter hanyalah permulaan: Kimi K3 sedang mendorong persaingan model besar ke “AI menciptakan AI”

Penulis: Climber, CryptoPulse Labs

16 Juli, Perpustakaan Kegelapan Bulan secara resmi meluncurkan model open-source generasi baru Kimi K3. Model ini memiliki 2,8 triliun parameter, jendela konteks 1 juta Token, dukungan asli untuk pemahaman visual, serta menggunakan teknologi seperti Kimi Delta Attention dan Attention Residuals.

Ini adalah model open-source pertama di dunia dengan skala level 3 triliun. Meski performa keseluruhan Kimi K3 masih tertinggal dari model tertutup terkuat seperti Claude Fable 5 dan GPT-5.6 Sol, namun dalam berbagai evaluasi ia menunjukkan level terdepan. Perpustakaan Kegelapan Bulan menyebut performa totalnya stabil melampaui model uji lainnya.

Yang lebih patut diperhatikan adalah Kimi K3 juga menyelesaikan sendiri desain sebuah chip. Sebuah model besar yang mulai mencoba merancang perangkat keras yang diperlukan untuk menjalankan AI, mungkin lebih menarik daripada 2,8 triliun parameternya sendiri.

I. Di balik 2,8 triliun parameter: persaingan LLM bergeser dari skala ke efisiensi

Dalam beberapa tahun terakhir, metrik yang paling mudah dipahami dalam industri model bahasa besar adalah jumlah parameter. Dari puluhan miliar hingga triliun, lalu hingga kuadriliun, skala parameter hampir menjadi simbol penting untuk mengukur kemampuan model.

Namun ketika skala model mencapai 2,8 triliun parameter, masalah sebenarnya tidak lagi “seberapa besar modelnya”, melainkan: bagaimana melatih model yang sangat besar seperti itu? Setiap tugas, berapa banyak parameter yang benar-benar ikut dalam perhitungan? Bagaimana membuat model punya kemampuan lebih kuat sekaligus mengendalikan biaya operasional?

Jawaban yang diberikan Kimi K3 adalah memperluas arsitektur yang didasarkan pada sparsifikasi.

Menurut penjelasan Perpustakaan Kegelapan Bulan, Kimi K3 menggunakan Mixture of Experts, yaitu arsitektur campuran pakar. Model ini memiliki 896 modul pakar, tetapi untuk setiap tugas hanya mengaktifkan 16 pakar.

Artinya, model bisa memiliki kapasitas pengetahuan yang besar, tanpa perlu memanggil seluruh parameter setiap saat. Ibarat sebuah institusi super dengan 896 divisi profesional; ketika menghadapi masalah berbeda, cukup menggerakkan 16 divisi yang paling relevan.

Nilai inti arsitektur seperti ini adalah memisahkan skala total model dari biaya komputasi per sesi.

Ke depan, kompetisi model bahasa besar tidak harus tentang siapa yang punya lebih banyak parameter, melainkan siapa yang mampu memanggil lebih banyak parameter dengan biaya yang lebih rendah dan lebih efektif.

Inovasi inti lainnya Kimi K3 adalah Kimi Delta Attention, atau KDA. Arsitektur Transformer tradisional, saat memproses teks super panjang, beban komputasi dan tekanan memori akan meningkat secara nyata. Tujuan KDA adalah meningkatkan efisiensi model dalam menangani informasi urutan panjang.

Sementara itu, Kimi K3 memperkenalkan Attention Residuals, mekanisme residu perhatian. Model tradisional biasanya meneruskan informasi secara bertahap berdasarkan lapisan; informasi terus terakumulasi ke lapisan-lapisan berikutnya, namun juga bisa memunculkan redundansi dan pelemahan.

Attention Residuals berupaya membuat model “melompati” berbagai kedalaman, lalu secara selektif memanggil informasi dari tahap awal.

Jika aliran informasi model tradisional seperti sungai yang mengalir dari titik awal ke titik akhir, maka Attention Residuals lebih mirip membangun sistem penelusuran informasi di sepanjang perjalanan; model bisa memanggil informasi dari kedalaman yang berbeda sesuai kebutuhan tugas.

Perpustakaan Kegelapan Bulan menyatakan bahwa dibanding Kimi K2, Kimi K3 mencapai peningkatan efisiensi ekspansi keseluruhan sekitar 2,5 kali.

Ini menunjukkan industri AI sedang beralih dari “semakin besar semakin kuat” menjadi “bagaimana mengubah skala yang lebih besar menjadi efisiensi yang lebih tinggi”.

Makna Kimi K3 bukan hanya meluncurkan model open-source dengan 2,8 triliun parameter, melainkan juga mendorong batas atas skala model open-source lebih jauh.

Dulu, model open-source lebih sering dipandang sebagai pengejar yang menempel pada model tertutup. Kini, model open-source mulai mencoba membuktikan bahwa model berskala super besar tetap bisa dibuka, diteliti, dan dikembangkan ulang.

II. Dari chatbot ke “karyawan digital”: Kimi K3 menargetkan pekerjaan kompleks

Jika 2,8 triliun parameter adalah label paling mudah disebarkan dari Kimi K3, arah produk nyatanya justru berfokus pada tugas berdurasi panjang.

Dulu, asisten AI kebanyakan hanya menjawab pertanyaan. Pengguna mengajukan pertanyaan, model memberi jawaban. Jika diminta menulis kode, ia mengembalikan kode. Jika diminta meringkas artikel, ia menghasilkan ringkasan.

Namun di dunia nyata, pekerjaan kompleks sering kali tidak bisa diselesaikan lewat sekali tanya-jawab.

Seorang peneliti mungkin perlu membaca makalah, menyusun data, membangun model, menjalankan eksperimen, menganalisis hasil, lalu menulis laporan. Seorang programmer mungkin perlu membaca banyak file, memahami struktur proyek, mengubah kode dan menjalankan pengujian, menemukan kesalahan lalu terus mengiterasi.

Ciri bersama dari tugas-tugas ini adalah durasi panjang, jumlah langkah banyak, volume informasi besar, serta perlu menyesuaikan langkah berikutnya berdasarkan hasil antara—dan inilah masalah yang ingin diselesaikan Kimi K3.

Dalam sebuah contoh yang ditampilkan Perpustakaan Kegelapan Bulan, Kimi K3 pernah menyelesaikan tugas riset astrofisika komputasional. Dengan membaca dan memverifikasi silang lebih dari 20 makalah, ia menyelesaikan perhitungan numerik, melakukan evaluasi ratusan persamaan keadaan, menemukan ketidaksesuaian dalam rumus yang telah dipublikasikan, serta menghasilkan lebih dari 3.000 baris kode Python dan dashboard HTML interaktif.

Pihak resmi menyebut tugas ini memakan waktu sekitar 2 jam, sementara kondisi tradisional bisa memerlukan 1 sampai 2 minggu untuk diselesaikan oleh peneliti berpengalaman.

Ini tidak berarti AI sudah bisa menggantikan peneliti; bagian terpenting riset sering kali adalah mengajukan pertanyaan, menentukan hipotesis, dan menginterpretasikan hasil.

Namun Kimi K3 memperlihatkan perubahan penting: AI sedang bergerak dari membantu manusia menyelesaikan satu langkah tertentu, perlahan menuju mampu menyelesaikan satu rangkaian workflow secara mandiri. Inilah perbedaan era Agent dengan era chatbot tradisional.

Chatbot tradisional menyelesaikan hal: apa pun yang kamu tanyakan, aku menjawab. Sementara Agent menyelesaikan hal: kamu memberi target, lalu aku membongkar tugasnya, memanggil alat, menjalankan langkah, memeriksa hasil, dan terus melakukan perbaikan.

Jendela konteks Kimi K3 sebesar 1 juta Token memiliki peran penting dalam proses ini.

Untuk repositori kode besar, laporan riset, materi perusahaan, dan dokumentasi proyek kompleks, kemampuan model memahami lebih banyak informasi sekaligus berarti model tidak perlu sering melupakan konteks, dan pengguna tidak perlu berulang-ulang menjelaskan latar belakang.

Selain itu, Kimi K3 mendukung pemahaman visual secara native, sehingga AI bisa membentuk loop kerja yang lebih lengkap.

Misalnya, setelah AI menulis kode, ia bisa melihat hasil menjalankan di web; setelah AI membuat PPT, ia bisa memeriksa tata letak halaman; setelah AI menghasilkan konten, ia juga bisa menilai hasil lewat umpan balik visual.

Dulu, AI lebih seperti menulis kode dengan mata tertutup. Ke depan, AI bisa membentuk pemahaman tugas, menghasilkan hasil, mengamati hasil, menemukan masalah, lalu memperbaiki hasil.

Perpustakaan Kegelapan Bulan juga memperluas kemampuan Kimi ke skenario seperti Kimi Work, Kimi Code, dan Kimi API—masing-masing ditujukan untuk riset, dokumen, slide, tabel, dashboard, serta tugas pemrograman kompleks.

Ke depan, AI yang benar-benar bernilai komersial mungkin bukan yang paling banyak menjawab pertanyaan, melainkan yang paling banyak menyelesaikan pekerjaan.

Software tradisional memaksa pengguna mempelajari alur operasi yang kompleks. Sementara target AI Agent adalah menghubungkan pencarian, database, pemrograman, analisis data, dan alat kantor, sehingga pengguna cukup mendeskripsikan target akhirnya.

Ini berarti persaingan industri software di masa depan mungkin tidak lagi soal siapa yang punya lebih banyak alat, melainkan siapa yang punya sistem eksekusi AI yang lebih kuat.

III. Yang paling layak diperhatikan bukanlah modelnya, melainkan AI mulai merancang chip

Bagian paling mengejutkan dari Kimi K3 mungkin karena ia menyelesaikan desain chip secara mandiri.

Berdasarkan informasi yang dibuka oleh Perpustakaan Kegelapan Bulan, Kimi K3 dalam sebuah run mandiri selama 48 jam, menggunakan alat EDA open-source dan library proses Nangate 45nm, menyelesaikan desain, optimasi, dan verifikasi sebuah chip untuk model kecil yang sesuai dengan arsitekturnya sendiri.

Ini tidak berarti Kimi K3 sudah mampu melakukan produksi massal komersial chip AI modern pada proses manufaktur yang paling maju secara mandiri. Proses 45nm masih jauh tertinggal dibanding akselerator AI paling mutakhir saat ini; chip dari desain hingga produksi massal juga melibatkan sistem IP yang kompleks, proses, manufaktur, packaging, dan rantai pasok.

Namun percobaan ini tetap penting, karena desain chip bukan sekadar menulis kode. Ia melibatkan banyak tahapan seperti desain logika, sintesis, floorplan dan routing, analisis timing, optimasi konsumsi daya, serta verifikasi fisik.

Dulu, di industri chip, AI lebih sering berfungsi membantu insinyur untuk tugas parsial, misalnya mengoptimalkan layout, memprediksi timing, atau menemukan cacat desain.

Sedangkan Kimi K3 menunjukkan kemungkinan lain: AI tidak lagi hanya memakai alat, melainkan mulai mengorganisasi alat secara mandiri untuk menyelesaikan alur rekayasa yang lengkap.

Ini sangat mirip dengan jalur perkembangan AI dalam menulis kode. Pada awalnya, AI hanya bisa menghasilkan potongan kode kecil; kemudian bisa menulis program lengkap; lalu bisa membaca repositori kode, menjalankan pengujian, dan memperbaiki Bug. Kini, AI mulai mencoba merancang perangkat keras yang diperlukan agar AI bisa berjalan.

Ini mungkin membentuk siklus penyempurnaan diri AI yang baru: AI membantu merancang chip yang lebih kuat, chip yang lebih kuat melatih model yang lebih kuat, dan model yang lebih kuat lagi membantu merancang generasi chip berikutnya.

Yang lebih patut diperhatikan lagi, Kimi K3 juga memperlihatkan kemampuan untuk mengembangkan sistem pemrograman GPU secara mandiri.

Menurut pengungkapan Perpustakaan Kegelapan Bulan, Kimi K3 mengembangkan MiniTriton, sebuah sistem kompilator kompak mirip Triton, yang mencakup lapisan intermediate representation sendiri, alur optimasi, dan alur generasi kode PTX.

Ini menunjukkan bahwa batas kemampuan AI sedang meluas—dari sekadar menggunakan perangkat lunak, menjadi menciptakan alat perangkat lunak.

Ke depan, model itu sendiri mungkin langsung ikut dalam optimasi chip, pengembangan compiler, adaptasi operator, dan penalaan sistem. Ini bisa jadi nilai strategis terpenting Kimi K3.

Ia bukan hanya produk model, melainkan sedang mengeksplorasi model R&D yang bersifat AI-native. Dari model ke compiler, dari algoritme ke chip, dari data ke aplikasi, AI perlahan menjadi bagian dari infrastruktur dasar.

Tentu, chip yang dirancang secara mandiri oleh AI tetap memerlukan verifikasi yang ketat. Hasil riset yang dihasilkan oleh AI juga perlu ditinjau oleh para profesional. Saat AI menjalankan tugas kompleks secara mandiri, kesalahan juga tetap mungkin terjadi.

Namun Kimi K3 sudah melepas sinyal penting: AI sedang bergerak dari “objek yang diciptakan” menjadi “subjek yang ikut menciptakan” generasi AI berikutnya.

Penutup

Peluncuran Kimi K3, secara permukaan adalah peningkatan model. Di baliknya, ini menandai perubahan dalam logika persaingan model skala besar.

Dari skala parameter yang lebih besar menjadi arsitektur yang lebih efisien. Dari menjawab pertanyaan menjadi menyelesaikan pekerjaan kompleks, lalu menjadi pengembangan compiler secara mandiri dan desain chip. AI sedang perlahan ikut terlibat dalam penciptaan generasi AI berikutnya.

2,8 triliun parameter mungkin hanya sebuah angka. Yang benar-benar layak diperhatikan adalah AI mulai mencoba merancang masa depannya sendiri.