16 июля 2026 года (по китайскому времени) китайская компания Moonshot AI представила модель Kimi K3. Это модель типа Mixture of Experts (MoE) с 2,8 трлн параметров. По оценке Moonshot AI, Kimi K3 уступает Claude Fable 5 (Anthropic) и GPT-5.6 Sol (OpenAI), но превосходит другие основные модели по результатам бенчмарк‑оценки. Модель заняла первое место в рейтинге по оценке возможностей фронтенд‑разработки и рассматривается как «модель с открытым весом, приближающаяся к передовым ИИ США». Kimi K3 уже доступна через веб‑сервис и API Kimi, а её веса планируется опубликовать до 27 июля 2026 года.
Вокруг модели Kimi K3 разгорелся спор. Майкл Кратциос, представитель правительства США, в посте в X (бывший Twitter) высказал подозрения, что Moonshot AI незаконно использовала Claude Fable 5 для обучения модели. Moonshot AI получила информацию о том, что при разработке K3 действительно была использована Fable от Anthropic. По данным Anthropic, до февраля 2026 года Moonshot AI осуществила более 3,4 млн взаимодействий с Claude, используя сотни фальшивых аккаунтов и несколько каналов доступа.
Кроме того, Moonshot AI разработала внутреннюю платформу для масштабного реверс-инжиниринга моделей из США — с возможностью быстрого переключения между несколькими способами доступа, чтобы избежать обнаружения. Также компания получила серверы с GB300, в том числе в Таиланде, — вероятно, их использовали для обучения AI‑моделей. Это поднимает вопросы экспортного контроля передовых полупроводников: Министерство торговли США может требовать разрешения на предоставление передовых вычислительных ресурсов организациям с головными офисами в определённых регионах (например, в Китае), даже если доступ осуществляется через третьи страны. Ограничения могут повлиять на скорость разработки моделей, производительность API, цены и регионы предоставления услуг.
США поддерживают создание конкурентной экосистемы ИИ, включая передовые модели, специализированные системы, фреймворки с открытым исходным кодом и модели с открытыми весами. При этом в стране считают важным легальный реверс‑инжиниринг для малых эффективных моделей как часть открытых инноваций. В то же время США не приемлют масштабный и тайный промышленный реверс‑инжиниринг с целью кражи американских технологий и нанесения ущерба американским исследованиям.
Дискуссии вокруг Kimi K3 подчёркивают важность мультимодельных конфигураций: компании всё чаще используют несколько моделей, выбирая их с учётом цены и производительности. Такой подход обеспечивает избыточность — в случае недоступности одной модели можно быстро перейти на другую. При этом компаниям необходимо оценить несколько факторов:
* возможность быстрого переключения на другую модель при недоступности текущей;
* зависимость промптов, критериев оценки, логов, бизнес‑данных и интеграции с внешними инструментами от спецификаций конкретного вендора;
* возможность измерения снижения качества после смены модели.
Работа с ИИ‑моделями сопряжена и с другими сложностями. Например, компаниям нужно проверять «историю» AI‑модели: подтверждать субъекта разработки модели, описание обучающих данных, условия использования учительской модели, лицензию на веса модели, наличие проблем с интеллектуальной собственностью. Открытые модели (open weight models) проще использовать в собственной среде, чем закрытые (closed models) через API, однако не всегда доступны данные об обучении и процессе получения способностей модели. Кроме того, если поставщик моделей попадёт под санкции или ограничения, это может привести к остановке API, прекращению работы с облачными провайдерами, остановке платежей и обслуживания — и косвенно затронет компании, использующие модели.
Угрозы в сфере ИИ не ограничиваются юридическими и геополитическими рисками. Кибер‑атаки с использованием ИИ становятся масштабируемыми: зафиксированы случаи вторжения в системы компаний с помощью ИИ. Например, MoneyForward сообщила о несанкционированном доступе к GitHub из‑за утечки аутентификационных данных — в результате произошла утечка исходного кода и части персональных данных, временно приостановлена функция связи с банками. Anthropic опубликовала отчёт о «высокоуровневой кибершпионской деятельности», выявленной в сентябре 2025 года, и её влиянии на кибербезопасность — краткое содержание отчёта представлено в официальном блоге.
В условиях распространения AI‑кодирования выделяются понятия «понимание долга» («») и «когнитивный долг» («»); вместе с традиционным техническим долгом они образуют «три главных долга эпохи AI‑кодирования».
Обучение с помощью дистилляции (distillation) в разработке AI‑моделей заключается в использовании ответов высокопроизводительной «учительской модели» (teacher model) в качестве обучающих данных для «модели-ученика» (student model).
AI“”
GitHub
AI
ClaudeAnthropicAI
Kimi K3: Open Frontier IntelligenceMoonshot AI
・X
AWS150
AI
IT
Excel×eBookExcel
Подписаться в Макс
