Kimi K3 i Qwen3.8 naciskają na przewagę USA dzięki open weights

Moonshot i Alibaba pokazały Kimi K3 oraz Qwen3.8, modele, które według ich twórców zbliżają się do czołowych systemów OpenAI i Anthropic. Ważniejsza od haseł o końcu dominacji USA jest dystrybucja: Chiny pchają duże modele w stronę open weights, a amerykański frontier zostaje zamknięty.

Moonshot i Alibaba wprowadzają do gry modele z bilionami parametrów

The Verge opisuje podwójny chiński ruch: Moonshot AI zaprezentował Kimi K3, a Alibaba pokazała preview Qwen3.8. Moonshot opisuje Kimi K3 jako system open-source z 2.8 biliona parametrów. Alibaba, według The Verge, mówi przy Qwen3.8 o 2.4 biliona parametrów i zapowiada wydanie open-weight.

Obie firmy twierdzą, że ich modele zbliżają się do najlepszych zamkniętych systemów z Silicon Valley. Pełne wydanie wag Kimi K3 ma według artykułu nastąpić 27 lipca. Przy Qwen3.8 komunikat jest luźniejszy: open weights mają pojawić się wkrótce.

Tu trzeba trzymać hamulec. Parametry to nie wydajność, a benchmarki producenta to nie rzeczywistość. Sam The Verge zaznacza, że możliwości modeli będzie dało się ocenić dopiero po pełnym wydaniu i niezależnych testach.

Open weights zmieniają geopolitykę bardziej niż samo score

Strategiczna pointa nie polega tylko na tym, czy Kimi pokona konkretną wersję Claude albo GPT. Open weights pozwalają na lokalne wdrożenie, fine-tuning, audyt i pochodne modele bez przepuszczania każdego requestu przez API zagranicznego laboratorium.

Dla państw, firm i zespołów badawczych to inny rodzaj dźwigni. Zamknięty model może być lepszą usługą. Model open-weight może stać się infrastrukturą, którą ktoś dostosuje, obniży koszt, przyspieszy albo połączy z własnymi danymi bez zgody dostawcy.

Liczby wyglądają mocno, ale niezależne testy dopiero przyjdą

Największe ryzyko to zbyt szybki wniosek. Chińskie modele mogą być bardzo dobre i nadal być kilka miesięcy za absolutną zamkniętą czołówką. Zvi Mowshowitz przy Kimi K3 wskazuje na ograniczony dostęp, głód tokenów i możliwość, że benchmarki zawyżają praktyczną jakość.

Ostrożnie trzeba też czytać twierdzenia o kosztach. „Ułamek ceny” brzmi mocno, ale bez wspólnego pomiaru ceny, latencji, jakości i długości reasoning runów może mylić. Tańszy model, który potrzebuje więcej tokenów albo czasu, w produkcji nie musi być tańszy.

Repozytoria, logi API i cudze evals rozstrzygną pierwszą rundę

Kolejne sygnały są proste: faktyczne wagi, licencja, koszt inference i niezależne evals. Jeśli Kimi K3 i Qwen3.8 obronią się poza marketingowymi wykresami, amerykańskie laboratoria dostaną presję nie tylko na jakość, ale też na otwartość.

Jeśli okaże się, że modele dominują głównie w wąskich benchmarkach albo są drogie w uruchomieniu, będzie to mniej rewolucja, a bardziej kolejna runda szybkiego doganiania. Nawet to wystarczy, żeby Silicon Valley przestało traktować zamknięty frontier jak stały mur.

Werdykt Lilith

Chiny nie kładą na planszy tylko mocniejszego modelu. Rysują drogi ucieczki dla każdego, kto nie chce stać przy amerykańskiej bramce API.