ಜುಲೈ 16 ರಂದು, Moonshot AI ತನ್ನ Kimi K3 ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿತು. ಇದು ಈಗಾಗಲೇ ಜನಸಂದಣಿಯಾಗಿರುವ ಲೀಡರ್ಬೋರ್ಡ್ನಲ್ಲಿ ಕೇವಲ ಮತ್ತೊಂದು ಪ್ರವೇಶವಾಗಿರಲಿಲ್ಲ. ಅಂದಿನವರೆಗೆ ಯಾರೂ ಕಂಡಿರದ ಅತಿದೊಡ್ಡ ಓಪನ್-ವೇಟ್ (open-weight) ಪ್ರಮಾಣದಲ್ಲಿ, ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಟಾರ್ಟ್ಅಪ್ಗಳು ಭರಿಸಲಾಗದ ಎಂಟರ್ಪ್ರೈಸ್ ಲೈಸೆನ್ಸಿಂಗ್ ಬಿಲ್ಗಳೊಂದಿಗೆ ಬರುವಂತಹ ತರ್ಕಬದ್ಧತೆ (reasoning) ಮತ್ತು ಪ್ರೊಸೆಸಿಂಗ್ ಸಾಮರ್ಥ್ಯವನ್ನು ನೀಡಿತು. ನೀವು ಇದನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಬಹುದು, ಮಾರ್ಪಡಿಸಬಹುದು ಮತ್ತು ನಿಮ್ಮ ಸ್ವಂತ ಸರ್ವರ್ಗಳಲ್ಲಿ ಚಲಾಯಿಸಬಹುದು. ಪ್ರತಿಯೊಂದು ರೂಪಾಯಿಗೂ ಎಚ್ಚರವಿರುವ ಡೆವಲಪರ್ಗೆ, ಇದನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು ಕಷ್ಟ.
ಆದರೆ ಸ್ಟಿಕ್ಕರ್ ಬೆಲೆ (sticker price) ಅಂತಿಮ ಬೆಲೆಯಲ್ಲ.
ಚೀನೀ ಓಪನ್-ವೇಟ್ ಮಾದರಿಗಳ ಮೇಲೆ ನಿರ್ಮಿಸುವ ನಿಜವಾದ ವೆಚ್ಚವು ಅನಿರೀಕ್ಷಿತ ಸ್ಥಳಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತಿದೆ: ಕಾಂಗ್ರೆಸ್ ವಿಚಾರಣೆಗಳು, ರಫ್ತು ನಿಯಂತ್ರಣ ಮೆಮೊಗಳು ಮತ್ತು ವಾಷಿಂಗ್ಟನ್ ರಕ್ಷಣಾ ವಲಯಗಳಲ್ಲಿ ಬೆಳೆಯುತ್ತಿರುವ ಆತಂಕಗಳು. ಪ್ರೊಪ್ರೈಟರಿ API ಗಳನ್ನು ನೀವು ತಪ್ಪಿಸಲು ಅನುಮತಿಸುವ ಅದೇ ಮುಕ್ತತೆಯು ನೀತಿ ನಿರೂಪಕರನ್ನು ಗಾಬರಿಗೊಳಿಸುತ್ತದೆ. ವೇಟ್ಗಳು (weights) ಮುಕ್ತವಾಗಿದ್ದಾಗ, ಮಾದರಿಯು ಕೇವಲ ಸಾಫ್ಟ್ವೇರ್ ಆಗಿ ಉಳಿಯುವುದಿಲ್ಲ. ಅದು ಮೂಲಸೌಕರ್ಯವಾಗುತ್ತದೆ (infrastructure). ಮತ್ತು ವಿದೇಶದಲ್ಲಿ ನಿರ್ಮಿಸಲಾದ ಮೂಲಸೌಕರ್ಯವು ರಾಜಕೀಯ ತೂಕವನ್ನು ಹೊಂದಿರುತ್ತದೆ.
ಆರಂಭದಲ್ಲಿ ಈ ಒಪ್ಪಂದವು ಸಿಹಿಯಾಗಿ ಕಾಣುತ್ತದೆ
ಈ ಮಾದರಿಗಳು ಏಕೆ ಹರಡುತ್ತಿವೆ ಎಂಬುದರ ಬಗ್ಗೆ ನಾವು ಪ್ರಾಮಾಣಿಕವಾಗಿರೋಣ. ಪಶ್ಚಿಮದ ಕ್ಲೋಸ್ಡ್-ಸೋರ್ಸ್ API ನಿಮ್ಮ ಬಳಕೆದಾರರ ಸಂಖ್ಯೆ ಬೆಳೆದಂತೆ ಭಾರಿ ಶುಲ್ಕವನ್ನು ವಿಧಿಸಬಹುದು. ಟೋಕನ್ ವೆಚ್ಚಗಳು ಹೆಚ್ಚಾಗುತ್ತವೆ. ರೇಟ್ ಲಿಮಿಟ್ಗಳು ನಿಮ್ಮ ಉತ್ಪನ್ನದ ವೇಗವನ್ನು ಕುಂಠಿತಗೊಳಿಸುತ್ತವೆ. ನೀವು ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯುತ್ತಿದ್ದೀರಿ ಮತ್ತು ಬಾಡಿಗೆದಾರರು (landlord) ನಿಯಮಗಳನ್ನು ಬದಲಾಯಿಸಬಹುದು.
Kimi K3 ನಂತಹ ಓಪನ್-ವೇಟ್ ಮಾದರಿಯು ಆ ಸಂಬಂಧವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. ನೀವು ಪ್ಯಾರಾಮೀಟರ್ಗಳನ್ನು ಒಮ್ಮೆ ಡೌನ್ಲೋಡ್ ಮಾಡಿಕೊಳ್ಳುತ್ತೀರಿ. ಅವುಗಳನ್ನು ನೀವು ಸ್ಥಳೀಯವಾಗಿ ಅಥವಾ ನೀವು ನಿಯಂತ್ರಿಸುವ ಕ್ಲೌಡ್ ಇನ್ಸ್ಟೆನ್ಸ್ನಲ್ಲಿ ಹೋಸ್ಟ್ ಮಾಡಬಹುದು. ನಿಮ್ಮ ಇನ್ಫರೆನ್ಸ್ (inference) ವೆಚ್ಚಗಳು ಕೇವಲ ವಿದ್ಯುತ್ ಮತ್ತು ಹಾರ್ಡ್ವೇರ್ ಬಾಡಿಗೆಗೆ ಸೀಮಿತವಾಗುತ್ತವೆ. ಗ್ರಾಹಕ ಸೇವಾ ಟಿಕೆಟ್ಗಳನ್ನು ಪ್ರೊಸೆಸ್ ಮಾಡುವ SaaS ಸ್ಟಾರ್ಟ್ಅಪ್ ಅಥವಾ ಆಂತರಿಕ ಜ್ಞಾನದ ತಳಹದಿಯನ್ನು (knowledge base) ನಿರ್ಮಿಸುತ್ತಿರುವ ಮಧ್ಯಮ ಗಾತ್ರದ ಉದ್ಯಮಕ್ಕೆ, ಈ ಲೆಕ್ಕಾಚಾರವು ಆಕರ್ಷಕವಾಗಿದೆ. ನೀವು ಇನ್ನು ಮುಂದೆ ಪ್ರತಿ ಕ್ವೆರಿಗೂ ಹಣ ಪಾವತಿಸುತ್ತಿಲ್ಲ. ನೀವು ಕಂಪ್ಯೂಟ್ (compute) ಗಾಗಿ ಪಾವತಿಸುತ್ತಿದ್ದೀರಿ ಮತ್ತು ಕಂಪ್ಯೂಟ್ ವೆಚ್ಚವು ದಿನದಿಂದ ದಿನಕ್ಕೆ ಕಡಿಮೆಯಾಗುತ್ತಿದೆ.
ಇಲ್ಲಿ ಕಸ್ಟಮೈಸೇಶನ್ (customization) ಅಂಶವೂ ಇದೆ. ಕ್ಲೋಸ್ಡ್ ಮಾದರಿಗಳು ಬ್ಲಾಕ್ ಬಾಕ್ಸ್ (black boxes) ಇದ್ದಂತೆ. ನೀವು ಒಂದು ಪ್ರಾಂಪ್ಟ್ ಕಳುಹಿಸುತ್ತೀರಿ, ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪಡೆಯುತ್ತೀರಿ ಮತ್ತು ವರ್ಷನ್ಗಳಾದ್ಯಂತ ಅದರ ನಡವಳಿಕೆಯು ಸ್ಥಿರವಾಗಿರುತ್ತದೆ ಎಂದು ಭಾವಿಸುತ್ತೀರಿ. ಓಪನ್ ವೇಟ್ಗಳೊಂದಿಗೆ, ನಿಮ್ಮ ಎಂಜಿನಿಯರ್ಗಳು ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಗಳಿಗಾಗಿ ಮಾದರಿಯನ್ನು ಫೈನ್-ಟ್ಯೂನ್ (fine-tune), ಪ್ರೂನ್ (prune) ಅಥವಾ ಡಿಸ್ಟಿಲ್ (distill) ಮಾಡಬಹುದು. ಒಂದು ಫಿನ್ಟೆಕ್ ಕಂಪನಿಯು ತನ್ನ ಸ್ವಂತ ವಂಚನೆ ಮಾದರಿಗಳ (fraud patterns) ಮೇಲೆ ಇದನ್ನು ತರಬೇತಿಗೊಳಿಸಬಹುದು. ಒಬ್ಬ ತಯಾರಕರು ಸಾವಿರಾರು ಮೈಲಿ ದೂರದಲ್ಲಿರುವ ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಸರ್ವರ್ಗೆ ಸೂಕ್ಷ್ಮ ಮಾಹಿತಿಯನ್ನು ಕಳುಹಿಸದೆ, ಎಡ್ಜ್ ಸಾಧನಗಳಲ್ಲಿ (edge devices) ಇದನ್ನು ನೇರವಾಗಿ ಅಳವಡಿಸಬಹುದು.
ಆ ನಿಯಂತ್ರಣವು ಮುಖ್ಯವಾಗಿದೆ. ಇದು ಕೇವಲ ಹಣ ಉಳಿತಾಯದ ಬಗ್ಗೆ ಮಾತ್ರವಲ್ಲ, ಇದು ಸ್ವಾಯತ್ತತೆಯ (autonomy) ಬಗ್ಗೆಯೂ ಆಗಿದೆ.
ವೇಟ್ಗಳು ಕೆಲವು ಕಟ್ಟುಪಾಡುಗಳೊಂದಿಗೆ ಬಂದಾಗ
ಸಮಸ್ಯೆ ಏನೆಂದರೆ, ಸ್ವಾಯತ್ತತೆಯು ನಿಮ್ಮ ಪಾದದ ಕೆಳಗಿನ ನೆಲ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ ಎಂದು ಭಾವಿಸುತ್ತದೆ. ಈ ಮಾದರಿಗಳು ಉತ್ತಮವೇ ಎಂದು ವಾಷಿಂಗ್ಟನ್ ಈಗ ಕೇಳುತ್ತಿಲ್ಲ. ಬದಲಾಗಿ, ಅಮೆರಿಕದ ಆರ್ಥಿಕತೆಯ ಇಡೀ ವಲಯಗಳು ಇವುಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾದರೆ ಏನಾಗುತ್ತದೆ ಎಂದು ಕೇಳುತ್ತಿದೆ.
ನೀತಿ ಚರ್ಚೆಯು ತೀವ್ರವಾಗಿ ಬದಲಾಗಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಗ್ಗೆ ಹಿಂದಿನ ಚರ್ಚೆಗಳು ಪೂರ್ವಾಗ್ರಹ (bias), ಸುರಕ್ಷತೆ ಅಥವಾ ಅಸ್ತಿತ್ವದ ಅಪಾಯಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕೃತವಾಗಿದ್ದವು. ಈಗ ಕಾಳಜಿಯು ತಾಂತ್ರಿಕ ಸಾರ್ವಭೌಮತೆಯ ಮೇಲಿದೆ (technological sovereignty). ಒಂದು ಕಂಪನಿಯು ಚೀನಾ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ವೇಟ್ಗಳನ್ನು ತನ್ನ ಉತ್ಪನ್ನದ ಭಾಗವಾಗಿ ಬಳಸಿಕೊಂಡಾಗ, ಮಾದರಿಯ ಮುಂದಿನ-ಟೋಕನ್ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಗೆ ಸಂಬಂಧಿಸದ ವ್ಯವಸ್ಥಿತ ದುರ್ಬಲತೆಗಳ ಬಗ್ಗೆ ನೀತಿ ನಿರೂಪಕರು ಕಳವಳಪಡುತ್ತಾರೆ.
ಇದನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಯೋಚಿಸಿ. ಓಪನ್ ವೇಟ್ಗಳಿಗೆ ಇನ್ನೂ ಅಪ್ಡೇಟ್ಗಳು, ಟೂಲಿಂಗ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆ ಮತ್ತು ಸಮುದಾಯದ ಬೆಂಬಲದ ಅಗತ್ಯವಿದೆ. ಒಂದು ಮಾದರಿಯು ನಿಮ್ಮ ಉತ್ಪನ್ನಕ್ಕೆ ಅಡಿಪಾಯವಾದರೆ, ನೀವು ಕೇವಲ ಕೋಡ್ ಅನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತಿಲ್ಲ. ನೀವು ಒಂದು ಅವಲಂಬನೆಯ ಸರಪಳಿಯನ್ನು (dependency chain) ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತಿದ್ದೀರಿ. ಒಂದು ವೇಳೆ ಈ ಆರ್ಕಿಟೆಕ್ಚರ್ ಅನ್ನು ನಂತರ ರಫ್ತು ನಿಯಂತ್ರಣಗಳ ಅಡಿಯಲ್ಲಿ ತರವಾದರೆ? ಹೋಸ್ಟಿಂಗ್ ಪ್ರೊವೈಡರ್ಗಳು ಕೆಲವು ಪ್ಯಾರಾಮೀಟರ್ ಫೈಲ್ಗಳನ್ನು ಚಲಾಯಿಸುವುದನ್ನು ನಿಷೇಧಿಸುವ ಅನುಸರಣಾ ಆದೇಶಗಳನ್ನು ಎದುರಿಸಿದರೆ? ಭವಿಷ್ಯದ ನಿರ್ಬಂಧಗಳು ವಾಣಿಜ್ಯ ಬಳಕೆಗೆ ಉತ್ಪನ್ನಗಳನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡುವುದನ್ನು ಕಾನೂನುಬಾಹಿರವಾಗಿಸಿದರೆ?
ಇವು ಕೇವಲ ಸೈದ್ಧಾಂತಿಕ ಪ್ರಶ್ನೆಗಳಲ್ಲ. ಟ್ರೆಜರಿ ಮತ್ತು ವಾಣಿಜ್ಯ ಇಲಾಖೆಗಳು ಈಗಾಗಲೇ ಚೀನೀ ತಂತ್ರಜ್ಞಾನ ಸಂಸ್ಥೆಗಳನ್ನು ಎಂಟಿಟಿ ಲಿಸ್ಟ್ಗಳಲ್ಲಿ (entity lists) ಸೇರಿಸಲು ಮತ್ತು ನಿರ್ದಿಷ್ಟ ಸಾಫ್ಟ್ವೇರ್ ಮತ್ತು ಹಾರ್ಡ್ವೇರ್ನ ಬಳಕೆಯನ್ನು ನಿರ್ಬಂಧಿಸಲು ಸಿದ್ಧತೆ ತೋರಿಸಿವೆ. ಅಗ್ಗದ ಚೀನೀ GPUಗಳ ಸುತ್ತ ವ್ಯವಹಾರ ಕಟ್ಟಿದ ಸಂಸ್ಥಾಪಕರು, ಪೂರೈಕೆ ಸರಪಳಿಗಳು ರಾತ್ರೋರಾತ್ರಿ ಸ್ಥಗಿತಗೊಂಡಾಗ ಈ ಪಾಠವನ್ನು ಕಠಿಣವಾಗಿ ಕಲಿತಿದ್ದಾರೆ. ವೇಟ್ಗಳು ಕೇವಲ ಬಿಟ್ಗಳು (bits), ಆದರೆ ಅವುಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಕಾನೂನು ಚೌಕಟ್ಟುಗಳು ಸೆಮಿಕಂಡಕ್ಟರ್ ನಿಷೇಧಗಳಷ್ಟೇ ವೇಗವಾಗಿ ಬದಲಾಗಬಹುದು.
ಒಬ್ಬ CTO ಗೆ, ಇದು Jira ಟಿಕೆಟ್ಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳದ ತಾಂತ್ರಿಕ ಸಾಲದ (technical debt) ಒಂದು ವಿಧವನ್ನು ಪರಿಚಯಿಸುತ್ತದೆ. ನೀವು ಆರು ತಿಂಗಳ ಕಾಲ ನಿಮ್ಮ ಎಂಜಿನಿಯರಿಂಗ್ ತಂಡಕ್ಕೆ Kimi K3 ಟೂಲ್ಚೈನ್ ಬಗ್ಗೆ ತರಬೇತಿ ನೀಡಬಹುದು, ಅದನ್ನು ನಿಮ್ಮ CI/CD ಪೈಪ್ಲೈನ್ನಲ್ಲಿ ಸಂಯೋಜಿಸಬಹುದು ಮತ್ತು ಗ್ರಾಹಕರಿಗೆ ಲಭ್ಯವಾಗುವ ಫೀಚರ್ಗಳನ್ನು ಪ್ರಾರಂಭಿಸಬಹುದು. ನಂತರ ಒಂದು ಫೆಡರಲ್ ರಿಜಿಸ್ಟರ್ ನೋಟಿಸ್ ನಿಮ್ಮನ್ನು ಮೈಗ್ರೇಷನ್ (migration) ಮಾಡಲು ಒತ್ತಾಯಿಸಬಹುದು. ಮಾದರಿಗಳ ನಡುವೆ ಬದಲಾಯಿಸುವುದು ಡೇಟಾಬೇಸ್ ಬದಲಾಯಿಸಿದಂತೆ ಸುಲಭವಲ್ಲ. ಇದಕ್ಕೆ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಮರು-ಹೊಂದಿಸುವುದು (re-tuning), ಔಟ್ಪುಟ್ಗಳನ್ನು ಮರು-ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಹೆಚ್ಚಾಗಿ ಡೌನ್ಸ್ಟ್ರೀಮ್ ಕ್ಲಾಸಿಫೈಯರ್ಗಳನ್ನು ಮರು-ತರಬೇತಿಗೊಳಿಸುವುದು ಅಗತ್ಯವಿರುತ್ತದೆ. ಆ ಬದಲಾವಣೆಯ ವೆಚ್ಚವು ನೀವು API ಬಿಲ್ಗಳಲ್ಲಿ ಉಳಿಸಿದ ಮೊತ್ತಕ್ಕಿಂತಲೂ ಹೆಚ್ಚಿರಬಹುದು.
ಸ್ಪ್ಲಿಟ್ ಸ್ಟ್ಯಾಕ್ ಎಂದರೆ ಎರಡರಷ್ಟು ಕೆಲಸ
If Washington follows through on restricting certain Chinese models or the architectures that support them, the global AI market will not just face higher prices. It will face actual fragmentation.
We have seen this movie before with telecommunications standards and social media platforms, but AI infrastructure is more fundamental. A split stack means incompatible toolchains, divergent safety frameworks, and duplicated compliance regimes. A developer in Berlin might use one set of weights and guardrails for the European market, and a completely separate stack for any U.S. deployment. That is not just annoying. It is expensive.
Enterprise procurement teams would need to conduct dual vendor reviews. Legal departments would have to track model provenance with the same rigor they currently reserve for data privacy. Open-source repositories might fork along national lines, with Chinese contributions to popular fine-tuning libraries facing scrutiny or exclusion. The collaborative fabric that has defined open-weight development starts to tear.
For smaller companies, this bifurcation is especially punishing. Giants like Microsoft or Google can