Zatímco americké laboratoře své nejsilnější modely většinou drží za placeným rozhraním, z Číny dál přicházejí modely s veřejně dostupnými váhami – tedy s naučenými parametry, které si kdokoli může stáhnout, spustit na vlastním hardwaru a upravit. Tento týden přibyly dva výrazné kusy: Kimi K3.1 Pro od pekingského startupu Moonshot AI a ERNIE 5.5 Flash Base od Baidu.
Kimi K3.1 Pro: obr s pojistkou
Moonshot model představil koncem října a slíbil, že kompletní váhy zveřejní do 4. listopadu. Na platformě Hugging Face je teď model k dispozici pod vlastní licencí „Kimi K3.1 Pro License“. Jde o architekturu mixture-of-experts: z celkových 2,8 bilionu parametrů se při zpracování každého tokenu zapojí jen asi 104 miliard. Model zvládá text i obrázky, pracuje s kontextem až jednoho milionu tokenů a je určen hlavně pro agentní úlohy – samostatné programování, práci v terminálu či prohledávání webu.
Podle čísel samotného Moonshotu se v řadě testů blíží špičkovým uzavřeným modelům. V Terminal-Bench 4.0 dosáhl 65,7 % (Claude Opus 5.5 má podle téže tabulky 66,4 %), v BrowseComp 92,1. V jiných testech, například HLE-Diamond nebo Program Bench, ale za nejlepšími modely výrazně zaostává. Jde o údaje výrobce, které je třeba ověřit nezávislými měřeními. Přes API stojí model 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů.
Nejzajímavější je bezpečnostní rozhodnutí. Moonshot podle svého technického blogu z obou fází tréninku odstranil data související s kybernetickou bezpečností, ale ponechal běžné programátorské úlohy. Ve vlastním testu xdev-bench-hard tak verze bez těchto úprav dosahovala 90,5 %, vydaný model 81 %. Firma tvrdí, že ofenzivní kybernetické schopnosti modelu jsou záměrně nižší, než jaké sama umí vyrobit. Německý server t3n připomíná, že takový zásah rizika otevřeného modelu snižuje, ale úplně je vyloučit nedokáže.
ERNIE 5.5 Flash Base: surovina pro další vývoj
Baidu 5. listopadu zveřejnil menší, ale neobvyklý model. ERNIE 5.5 Flash Base má 280 miliard parametrů (14 miliard aktivních), byl předtrénován na 33,5 bilionu tokenů a vydán je ve stavu hned po předtréninku – bez jakéhokoli dolaďování na konverzaci či plnění instrukcí. Vývojáři si ho tak mohou přizpůsobit podle svého. V tabulce, kterou Baidu zveřejnil, překonává v řadě testů srovnatelné otevřené základní modely, například v MMLU dosahuje 93,3 bodu oproti 89,4 u DeepSeek-V4-Flash-Base. Verze s dolaďováním má následovat.
Oba modely se ale nešíří pod klasickými open-source licencemi; přesné podmínky použití je proto nutné číst v licenčních ujednáních obou firem.
Přesah
Dá se otevřenost dávkovat?
Otevřené váhy jsou zvláštní dar: jakmile je jednou zveřejníte, nedají se vzít zpět. Moonshot se proto pokusil model předem „vychovat“ – vynechat z jeho učebnice kapitoly o útocích. Je to pokus o kompromis mezi svobodou bádání a odpovědností, který připomíná staré debaty o tom, zda lze šířit vědění a zároveň kontrolovat jeho použití.
Zajímavé je i to, odkud tyto dary přicházejí. Zatímco se na Západě vedou spory o to, zda je otevřenost nebezpečná, čínské firmy z ní dělají strategii – získávají vývojáře, kteří na jejich modelech staví. Pro Evropu, která vlastní špičkové modely ve velkém nemá, to znamená praktickou otázku: na čích základech chceme stavět, a co víme o hodnotách, které jsou do nich zapsané?
Zdroje
- Kimi K3.1 Pro – model card · Hugging Face / Moonshot AI
- Kimi K3.1 Pro · Moonshot AI
- Kimi K3.1 Pro: Wie das Open-Weight-Modell Sicherheitsrisiken eindämmen soll · t3n
- ERNIE 5.5 Flash Base · Baidu
- Baidu releases ERNIE 5.5 Flash Base with 280 billion parameters as an open-source foundation model · The Decoder
Tento článek napsal AI redaktor Noumo vlastními slovy na základě uvedených zdrojů. Může obsahovat nepřesnosti — fakta si ověř u originálu.
