১৬ই জুলাই, ২০26 তারিখে, চীনা কোম্পানি Moonshot AI (月之暗面) তাদের সবচেয়ে শক্তিশালী মডেল Kimi K3 প্রকাশ করেছে। এটি একটি sparse Mixture-of-Experts (MoE) সিস্টেম যার ২.৮ ট্রিলিয়ন প্যারামিটার, ১ মিলিয়ন টোকেন-এর কনটেক্সট উইন্ডো এবং একটি হাইব্রিড অ্যাটেনশন আর্কিটেকচার রয়েছে, যা দীর্ঘ সিকোয়েন্সে দক্ষতার সাথে কাজ করার জন্য ডিজাইন করা হয়েছে। মডেলটি Claude Opus 4.8 এবং GPT-5.5-এর একটি শক্তিশালী প্রতিদ্বন্দ্বী হিসাবে স্থান পেয়েছে এবং বিশেষায়িত কাজগুলিতে (ফ্রন্টএন্ড কোডিং, এজেন্ট সিস্টেম, রিপোজিটরি নিয়ে কাজ করা) এই ক্লোজড সিস্টেমগুলির সমান বা তার চেয়ে ভাল ফলাফল প্রদর্শন করে।
সম্পূর্ণ ওয়েটগুলি ২৭শে জুলাই, ২০26 তারিখে উন্মুক্ত করার প্রতিশ্রুতি দেওয়া হয়েছে। যদি রিলিজটি ঘোষিত আকারে ঘটে, Kimi K3 ওপেন-ওয়েট (open-weight) হিসাবে প্রকাশিত সবচেয়ে বড় মডেলগুলির মধ্যে একটি হবে, যা তার পূর্বসূরীদের তুলনায় ২.৫ গুণেরও বেশি স্কেলে উন্নত।
কোম্পানি এবং কৌশলগত প্রেক্ষাপট
Moonshot AI হল বেইজিং-ভিত্তিক একটি ল্যাব, যা ২০২৩ সালে ইয়াং ঝিলিিন এবং তার সহ-প্রতিষ্ঠাতা, যারা ইউনিভার্সিটি অফ সিংহুয়া-এর প্রাক্তন ছাত্র, তাদের দ্বারা প্রতিষ্ঠিত হয়েছিল। কোম্পানিটি তাদের ওপেন স্ট্র্যাটেজি এবং Kimi মডেল সিরিজের জন্য পরিচিত। কোম্পানিটি উল্লেখযোগ্য বিনিয়োগ পেয়েছে: মে ২০26-এ তারা Meituan Long-Z Investments এবং Alibaba ও Tencent সহ অন্যান্য মূল বিনিয়োগকারীদের সহায়তায় $2 বিলিয়ন রাউন্ড সম্পন্ন করেছে, যার মূল্যায়ন $20 বিলিয়ন। এপ্রিল ২০26-এ তাদের ত্রৈমাসিক ARR $200 মিলিয়ন ছাড়িয়ে গেছে। Kimi সিরিজটি ধারাবাহিকভাবে বৃদ্ধি পেয়েছে, K2 (1T প্যারামিটার) থেকে K2.5–K2.7 Code হয়ে বর্তমান K3 পর্যন্ত, প্রতিবার কনটেক্সট প্রসারিত করে এবং মাল্টিমডালিটি যোগ করে। K3 স্কেল এবং আর্কিটেকচারাল উদ্ভাবন উভয় ক্ষেত্রেই একটি গুণগত উল্লম্ফন উপস্থাপন করে, যা বিশেষভাবে দীর্ঘ এজেন্ট টাস্ক এবং কোডিংয়ের জন্য লক্ষ্যযুক্ত।
আর্কিটেকচারাল উদ্ভাবন: প্রতিযোগিতামূলক সুবিধার মূল
১. Kimi Delta Attention (KDA) — একটি হাইব্রিড লিনিয়ার অ্যাটেনশন মেকানিজম, যা Gated DeltaNet-এর ধারণাগুলিকে উন্নত করে এবং ইতিমধ্যে Kimi Linear (২০25)-এর ওপেন মডেলে পরীক্ষিত হয়েছে। ক্লাসিক কোয়াড্রাটিক অ্যাটেনশনের পরিবর্তে, যার জন্য O(n²) মেমরি এবং কম্পিউটেশন প্রয়োজন, বেশিরভাগ লেয়ার চ্যানেল-ওয়াইজ ডায়াগোনাল গেটিং সহ একটি লিনিয়ার কমপ্লেক্সিটি স্কিম ব্যবহার করে। বাস্তব সুবিধা:
- সদৃশ আর্কিটেকচারে KV-ক্যাশ গ্রহণ ৭৫% পর্যন্ত হ্রাস, যা মিলিয়ন-কনটেক্সট নিয়ে কাজ করার জন্য অত্যন্ত গুরুত্বপূর্ণ;
- মিলিয়ন-কনটেক্সটে ডিকোডিং ৬.৩× পর্যন্ত দ্রুততর করা, যা দীর্ঘ সেশনগুলিকে প্রায় ব্যবহারযোগ্য করে তোলে;
- উল্লেখযোগ্য অবনতি ছাড়াই দীর্ঘ সিকোয়েন্সে রিট্রিভালের মান বজায় রাখা।
KDA ওপেন-সোর্স CUDA কোর (FlashKDA) পেয়েছে এবং প্রোডাকশন স্থাপনার জন্য vLLM-এ একীভূত হয়েছে।
২. Attention Residuals — একটি মেকানিজম যা স্ট্যান্ডার্ড রেসিডুয়াল কানেকশনগুলির মাধ্যমে ইউনিফর্ম অ্যাকুমুলেশনের পরিবর্তে নির্বাচিতভাবে পূর্ববর্তী স্তরগুলি থেকে উপস্থাপনাগুলিকে ‘টেনে আনে’। Moonshot ন্যূনতম অতিরিক্ত খরচ (~২%) সহ প্রায় ২৫% প্রশিক্ষণের দক্ষতা বৃদ্ধি রিপোর্ট করেছে, যা ২.৮T প্যারামিটারের মডেলে প্রশিক্ষণের জন্য উল্লেখযোগ্য কম্পিউটিং রিসোর্স সাশ্রয় বা সমতুল্য মানের বৃদ্ধি বোঝায়।
৩. Stable LatentMoE — একটি অত্যন্ত স্পার্স রুটিং সিস্টেম যেখানে ৮৯৬ জন বিশেষজ্ঞের মধ্যে প্রতি টোকেনের জন্য মাত্র ১৬ জন সক্রিয় থাকে (পুলটির ১.৮%), যা কোয়ান্টাইল ব্যালেন্সিং এবং প্রতি-হেড অপটিমাইজেশন ব্যবহার করে প্রশিক্ষণের স্থায়িত্ব নিশ্চিত করে। এই মাত্রার স্পার্সিসিটি বিশাল প্যারামিটারের সংখ্যা সত্ত্বেও ইনফারেন্সের কম্পিউটেশনাল খরচ গ্রহণযোগ্য স্তরে রাখতে সাহায্য করে: MoE আর্কিটেকচার এবং ১৬টি সক্রিয় বিশেষজ্ঞের কারণে, প্রতি টোকেনে সক্রিয় প্যারামিটারের আসল সংখ্যা ২.৮T-এর চেয়ে অনেক কম।
৪. Quantization এবং efficiency — মডেলটি প্রাথমিকভাবে ওয়েটের জন্য MXFP4 এবং অ্যাক্টিভেশনের জন্য MXFP8 ব্যবহার করে কোয়ান্টাইজ করা হয়েছে, যা বিভিন্ন হার্ডওয়্যারের সাথে সামঞ্জস্যের জন্য নির্বাচিত। Moonshot K2 প্রজন্মের তুলনায় প্রায় ২.৫× ভাল স্কেলিং-এফিসিয়েন্সি (scaling-efficiency) দাবি করে, যার অর্থ একই পরিমাণ কম্পিউটেশন উল্লেখযোগ্যভাবে বেশি ক্ষমতা দেয়।
প্রযুক্তিগত বৈশিষ্ট্য
| প্যারামিটার | মান |
মোট প্যারামিটার সংখ্যা | ২.৮ ট্রিলিয়ন |
সক্রিয় বিশেষজ্ঞ | ৮৯৬ এর মধ্যে ১৬ (প্রতি টোকেনে ১.৮%) |
কনটেক্সট উইন্ডো | ১,০৪৮,৫৭৬ টোকেন (১M) |
মডালিটি | টেক্সট + ছবি/ভিডিও → টেক্সট (নেটিভ ভিশন) |
মূল আর্কিটেকচার | Sparse MoE + Kimi Delta Attention + Attention Residuals |
কোয়ান্টাইজেশন | MXFP4 (ওয়েট) / MXFP8 (অ্যাক্টিভেশন) |
যুক্তি | সর্বদা চালু («থিংকিং মোড»), শুরুতে কেবল সর্বোচ্চ-এফোর্ট, নিম্ন/উচ্চ মোডগুলি পরিকল্পিত |
স্বাধীন এবং অফিসিয়াল বেঞ্চমার্ক: কর্মক্ষমতার বাস্তব চিত্র
বিশেষায়িত কাজে নেতৃত্ব: Frontend/WebDev Arena (ডেভেলপারদের মানব পছন্দ) -এ K3 ১৬৭৯ Elo নিয়ে প্রথম স্থান অধিকার করেছে, যা Claude Fable 5 (১৬৩১) এবং GPT-5.6 Sol (১৬১৮) কে ব্লাইন্ড টেস্টিংয়ে পরাজিত করেছে। এটি K2.6-এর ১৭-পজিশন উল্লম্ফন এবং ৭টি ফ্রন্টএন্ড ডোমেইনের মধ্যে ৬টিতে #১ স্থান (গেমস বাদে)।
সামগ্রিক কর্মক্ষমতা: Artificial Analysis Intelligence Index v4.1 (স্বাধীন মূল্যায়ন, ৯টি বেঞ্চমার্কের সমষ্টি: GDPval-AA, রিজনিং, কোডিং, এজেন্ট টাস্ক) -এ K3 ৫৭.১ স্কোর করেছে – বিশ্বে ৪র্থ স্থান, Fable 5 (~৬০) এবং GPT-5.6 Sol (~৫৯) এর পরে, তবে Claude Opus 4.8 (~৫৬) এর উপরে।
কোডিং এবং এজেন্ট সিস্টেম:
- Terminal-Bench 2.1: ৮৮.৩ (GPT-5.6 Sol 88.8 এর প্রায় সমান, Claude Fable 5 এবং Opus 4.8 উভয়ের চেয়ে উল্লেখযোগ্যভাবে বেশি – উভয়ই ৮৪.৬)।
- GDPval-AA v2: ১৬৬৮ Elo, Fable 5 Max (১৮১৫) এবং GPT-5.6 Sol Max (১৭৪৭.৮) এর পরে তৃতীয় স্থান, Opus 4.8 (১৬০০) এর আগে – জ্ঞান, যুক্তি এবং বিশ্লেষণাত্মক কাজের জন্য একটি স্ট্যান্ডার্ড পরীক্ষা।
- GPQA-Diamond: ৯৩.৫% – এই উচ্চ-জটিলতার বেঞ্চমার্কে (PhD স্নাতকদের জ্ঞান) সেরা ওপেন ফলাফল।
- BrowseComp (ওয়েব এজেন্ট): ৯১.২% (তুলনা করা সমস্ত মডেলের মধ্যে সেরা ফলাফল), কম্প্যাকশন ছাড়াই পূর্ণ ১M কনটেক্সটে ৯০.৪%।
- AA-Briefcase (দীর্ঘমেয়াদী জ্ঞান/এজেন্ট): ১৫৪৮ Elo, Fable 5 এর পরে দ্বিতীয় স্থান, GPT-5.6 Sol এর আগে।
কিছু স্বাধীন পরীক্ষক আউটপুটে বর্ধিত ‘কথোপকথন’ লক্ষ্য করেছেন, যা টোকেন ব্যবহার বাড়াতে পারে, তবে প্রধান কোডিং এবং এজেন্ট কাজগুলিতে রিজনিং-টোকেন অপটিমাইজেশনের জন্য K2.6-এর চেয়ে ২১% কম আউটপুট টোকেন ব্যবহার করা হয়েছে।
মূল্য এবং প্রাপ্যতা
API ট্যারিফ: $3.00 প্রতি মিলিয়ন ইনপুট টোকেন (ক্যাশ মিস), $0.30 প্রতি ক্যাশড ইনপুট, $15.00 প্রতি মিলিয়ন আউটপুট – সমস্ত চীনা ল্যাবগুলির মধ্যে সবচেয়ে ব্যয়বহুল, তবে Claude Sonnet-এর দামের সমান এবং GPT-5.6 Sol ($30/M আউটপুট)-এর প্রায় অর্ধেক। তুলনার জন্য, K2.6-এর দাম ছিল $0.60 ইনপুট / $2.50 আউটপুট, তাই এটি ইনপুট-এর জন্য ৫× এবং আউটপুট-এর জন্য ৬× বৃদ্ধি, যা স্কেল এবং মানের একটি উল্লেখযোগ্য উল্লম্ফন প্রতিফলিত করে।
প্রাপ্যতা: Kimi Code, Kimi app (iOS সহ), Moonshot OpenAI-সামঞ্জস্যপূর্ণ API, OpenRouter। সম্পূর্ণ ১M কনটেক্সটের জন্য Allegretto বা উচ্চতর সাবস্ক্রিপশন প্রয়োজন; Moderato ২৫৬K-তে সীমিত।
প্রচারণা: ১৫ই জুলাই থেকে ১১ই আগস্ট ২০26 পর্যন্ত রিচার্জে ১০-৩০% বোনাস ক্রেডিট সহ একটি অফার দিয়ে লঞ্চটি সম্পন্ন হয়েছিল।
ওপেন-ওয়েট রিলিজ: প্রত্যাশা এবং তাৎপর্য
লঞ্চের সময় (১৬ই জুলাই) ওয়েটগুলি এখনও প্রকাশিত হয়নি। Moonshot আনুষ্ঠানিকভাবে ২৭শে জুলাই, ২০26 তারিখে K2 সিরিজের মতো Modified MIT লাইসেন্সের অধীনে সম্পূর্ণ ওয়েট প্রকাশ করার প্রতিশ্রুতি দিয়েছে। ওয়েটগুলি উন্মুক্ত হওয়ার পরে, K3 স্কেল (২.৮T), কনটেক্সট (১M) এবং কোডিং/এজেন্ট ক্ষমতাগুলির সংমিশ্রণে সবচেয়ে শক্তিশালী অবাধে উপলব্ধ মডেল হয়ে উঠবে, যা স্থানীয় উন্নয়ন, ফাইন-টিউনিং এবং সংশ্লিষ্ট হার্ডওয়্যারে (সম্পূর্ণ মডেলের জন্য কমপক্ষে ৬৪টি এক্সিলারেটর) গবেষণার জন্য উপলব্ধতা বোঝায়।
কৌশলগত তাৎপর্য এবং প্রতিযোগিতার প্রেক্ষাপট
Kimi K3 চীনা AI শিল্পের একটি গুরুত্বপূর্ণ পরিবর্তনের সময়ে আবির্ভূত হয়েছে। জানুয়ারী ২০25-এ DeepSeek-এর উত্থানের পরে (low-cost কম্পিউটিং-এ R1), Moonshot সক্রিয় ব্যবহারকারীদের মধ্যে Kimi-এর ৩য় স্থান থেকে জুন ২০25-এর মধ্যে ৭ম স্থানে নেমে এসে বাজারের অবস্থান হারায়। K3 হল স্কেল এবং আর্কিটেকচারাল উদ্ভাবনের মাধ্যমে ফিরে আসার একটি ইচ্ছাকৃত প্রচেষ্টা। বিনিয়োগকারীরা এটিকে একটি সম্ভাব্য ‘Kimi moment’ (এক বছর আগের DeepSeek-এর ধাক্কার অনুরূপ) বলছেন, এবং এর কারণ আছে: মডেলটি সস্তা দামের (এটি ব্যয়বহুল) মাধ্যমে পশ্চিমা ফ্রন্টিয়ারের ব্যবধান পূরণ করে না, বরং গুণমান এবং স্কেলের মাধ্যমে করে।
২.৮T প্যারামিটার, ১M-কনটেক্সট, নেটিভ ভিশন, সর্বদা চালু থাকা রিজনিং এবং শক্তিশালী কোডিং-এর সমন্বয় K3-কে বিশেষত আকর্ষণীয় করে তোলে:
- এজেন্ট সিস্টেম এবং লং-হরাইজন ওয়ার্কফ্লোগুলির জন্য (ইউজার ইন্টারফেস পুনরুত্পাদন, মাল্টি-স্টেপ ডেভেলপমেন্ট, স্বয়ংক্রিয় প্রকৌশল কাজ);
- বড় কোডবেসগুলির উন্নয়ন এবং রিফ্যাক্টরিংয়ের জন্য (একটি পরিচিত উদাহরণে K3 স্বয়ংক্রিয়ভাবে ৪8 ঘন্টায় একটি চিপ ডিজাইন করেছে ওপেন-সোর্স EDA ব্যবহার করে);
- বিশাল কনটেক্সট সহ গবেষণা এবং বিশ্লেষণাত্মক কাজের জন্য (আইনি নথি, আর্থিক প্রতিবেদন, বড় রিপোজিটরিগুলির কোড-রিভিউ);
- যেসব কোম্পানি ক্লোজড API-এর উপর নির্ভরতা এড়িয়ে self-hosting এবং API স্বাধীনতা চায় তাদের জন্য।
তবে, গুরুত্বপূর্ণ সতর্কতা রয়ে গেছে: ওয়েটগুলি এখনও প্রকাশিত হয়নি, স্বাধীন পুনরুৎপাদন এবং বিস্তারিত প্রযুক্তিগত প্রতিবেদনগুলি এখনও উন্নয়নাধীন রয়েছে, কিছু বেঞ্চমার্ক মালিকানাধীন হারনেস (স্ট্যান্ডার্ডের পরিবর্তে KimiCode) ব্যবহার করে। ওয়েটগুলি ২৭শে জুলাই উপলব্ধ হওয়ার পরে এবং ওপেন ভার্সন মডেলগুলির উপর স্বাধীন মূল্যায়ন প্রকাশিত হওয়ার পরে আসল চিত্রটি সম্পূর্ণরূপে স্পষ্ট হবে।
সারসংক্ষেপ: Kimi K3 ২০26-এর প্রথমার্ধের সবচেয়ে উল্লেখযোগ্য AI রিলিজগুলির মধ্যে একটি। এটি কেবল ‘আরেকটি বড় চীনা মডেল’ নয়, বরং ফ্রন্টিয়ার মডেলগুলির প্রথম সারিতে একটি স্থান অর্জনের জন্য একটি গুরুতর প্রতিদ্বন্দ্বী, বিশেষত এজেন্ট কোডিং, দীর্ঘ কনটেক্সট এবং মাল্টিমডাল রিজনিং-এর মতো বিশেষায়িত কাজগুলিতে। আর্কিটেকচারাল উদ্ভাবনগুলি (KDA, Attention Residuals, Stable LatentMoE) প্রমাণ করে যে প্রকৌশলের দিক থেকে চীনা ল্যাবগুলি সেরা পশ্চিমা ল্যাবগুলির সমতুল্য। যদি ওপেন-ওয়েট রিলিজটি ২৭শে জুলাই পরিকল্পনা অনুযায়ী হয়, তাহলে ওপেন-সোর্স ইকোসিস্টেম এবং প্রতিযোগিতার গতিশীলতার উপর এর প্রভাব অত্যন্ত উল্লেখযোগ্য হবে: প্রথমবারের মতো ডেভেলপাররা ক্লোজড API-এর বাইরে এত বড় এবং উচ্চ-মানের মডেল অ্যাক্সেস করতে পারবে।
