කාලගුණයෙන්ම විශාලතම open‑weight AI මොඩලයක් ලෙස Kimi K3 නවතම නිකුතුව සිදු වුණා. 2.8 ට්රිලියන් පරාමිතීන් සමඟ, මේ මොඩලය Kimi Linear (48 බිලියන්) මොඩලයේ පරිමාණය වැඩි කරගෙන, ලොව පුරා AI පර්යේෂකයින්ගේ අවධානය දිනාගෙන ඇත.
ආකෘතිමය වශයෙන් Kimi K3, Kimi Linear හි මූලික සැලසුම අඩුකර, නව LatentMoE (latent mixture‑of‑experts) කොටස එකතු කරයි. එය බහු‑මාන latent attention වැනි ක්රමය භාවිතා කර, විශාල රේඛීය ස්ථරයන් compress කරයි. ඒ සමඟම multi‑head latent attention, Kimi Delta Attention, සහ NoPE (Positional Embedding නොමැති) යන නව අංගද ඇතුළත් වේ.
කාර්යක්ෂමතාව වැඩි කිරීම Kimi K3 හි ප්රධාන අරමුණයි. සාමාන්ය MoE තලය වෙනුවට LatentMoE, සාමාන්ය attention වෙනුවට multi‑head latent attention යොදාගෙන, inference වේගය සහ resource පරිභෝගය අඩු කර ඇත. නමුත් attention residuals හරහා පථය පුළුල් කර, validation loss සහ downstream performance ට සුළු වර්ධනයක් ලබා දී ඇත; ඒත් training ගාස්තුව 4% සහ inference 2% වැඩි වේ.
මෙම මොඩලය දැන් native multimodal හැකියාවක්ද ලබා දේ. එමඟින් පේළි පිරිසිදු පදනම්ව, පින්තූර, ශ්රව්ය, පෙළ වැනි විවිධ දත්ත වර්ග එකතුවක් මත වැඩ කිරීමට හැකියාව ලැබේ. විශාල පරාමිතීන් සහ නව ඉංජිනේරු සැලසුම් සමඟ, Kimi K3 අන්තර්ජාලයේ benchmark වශයෙන් ඉහළින් සිටී.
මෙම නිකුතුව AI පර්යේෂණයේ තරඟකාරීත්වය ඉහළ යාමට, open‑weight ප්රජාවට නව පරීක්ෂණ අවකාශ ලබා දීමට, සහ ලොව පුරා මොඩල ප්රතිපත්තිවල ගුණාත්මකභාවය වැඩි කිරීමට උපකාරී වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ඉගෙනුම්: සිසුන්ට අධික පරාමිතීන් සහ multimodal AI ගැන ප්රායෝගික උදාහරණ ලබාගත හැක.
- විකාශක: open‑weight මොඩලය නිදහස් ලෙස භාවිතා කර, පළාත් මට්ටමේ AI නිර්මාණයන් වේගයෙන් ගොඩනැගිය හැක.
- ව්යාපාර: කුඩා හා මධ්යම පරිමාණ ව්යාපාර සඳහා ඉහළ කාර්යක්ෂමතා inference engine එකක් ලබා, සම්පත් ඉතිරි කර, සේවා වේගය වැඩි කර ගත හැක.
සාරාංශයෙන්, Kimi K3 නවතම open‑weight AI මොඩලයක් ලෙස, වැඩි පරාමිතීන්, කාර්යක්ෂමතාව, multimodal හැකියාව සමඟ, ශ්රී ලංකාවේ තාක්ෂණික පරිසරයට නව අවස්ථා ගෙන එයි. තවත් විස්තර සඳහා අප වෙබ් අඩවිය බලන්න.
