Moonshot AI ने अपने **2.8 ट्रिलियन-पैरामीटर** Kimi K3 मॉडल के वेट्स (weights) जारी कर दिए हैं। मगर, इस मॉडल को चलाने के लिए जबरदस्त कंप्यूटिंग पावर की ज़रूरत है, जिससे यह आम डेवलपर्स के लिए मुश्किल हो गया है। यह लॉन्च दिखाता है कि मॉडल तक पहुंच होना एक बात है, लेकिन उसे चलाने के लिए ज़रूरी बड़े इंफ्रास्ट्रक्चर की ज़रूरत दूसरी।
Moonshot AI ने Kimi K3, एक विशाल 2.8 ट्रिलियन-पैरामीटर आर्टिफिशियल इंटेलिजेंस मॉडल, के वेट्स (weights) डाउनलोड के लिए उपलब्ध करा दिए हैं। ओपन-वेट AI के लिए यह एक बड़ा कदम है, लेकिन ऐसे मॉडल को चलाने की असल क्षमता अभी भी सीमित है। कई डेवलपर्स और कंपनियों के लिए, मॉडल वेट्स का उपलब्ध होना तुरंत इस्तेमाल के लायक नहीं बनता, क्योंकि इसे चलाने के लिए ज़बरदस्त कंप्यूटिंग पावर और टेक्निकल एक्सपर्टीज़ की ज़रूरत होती है।
इन्फेरेंस (Inference) की ज़रूरतों में बदलाव
आधुनिक AI मॉडल, सरल वर्ज़न से काफी अलग हैं। Kimi K3 में 896 स्पेशलाइज्ड कंपोनेंट्स के साथ एक जटिल मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का इस्तेमाल किया गया है। जब कोई यूजर सवाल पूछता है, तो सिस्टम इनमें से सिर्फ 16 स्पेशलिस्ट की मदद लेता है, जिसका मतलब है कि एक बार में लगभग 104 बिलियन पैरामीटर्स एक्टिव होते हैं। यह 2.8 ट्रिलियन पैरामीटर्स को चलाने से ज़्यादा एफिशिएंट है, लेकिन इसके लिए एडवांस्ड हार्डवेयर मैनेजमेंट की ज़रूरत होती है। आर्किटेक्चर के अलावा, आजकल के AI सिस्टम सेल्फ-वेरिफिकेशन और बैकट्रैकिंग जैसे जटिल तर्क करते हैं, और अक्सर सर्च इंजन जैसे बाहरी टूल्स का इस्तेमाल करते हैं। इन बैकग्राउंड प्रोसेस के लिए लगातार, हाई-स्पीड कंप्यूटेशनल सपोर्ट चाहिए जो ज़्यादातर स्टैंडर्ड कंज्यूमर हार्डवेयर नहीं दे सकता।
इंफ्रास्ट्रक्चर और मेमोरी की बाधाएं
तकनीकी बाधा काफी ज़्यादा है। सिर्फ Kimi K3 के 1.4 टेराबाइट वेट्स को स्टोर करने के लिए भारी मात्रा में मेमोरी चाहिए, जिसमें आमतौर पर मॉडल लोड करने के लिए लगभग 18 हाई-एंड H100 ग्राफिक्स प्रोसेसिंग यूनिट्स की ज़रूरत पड़ती है। इसे लागू करने के लिए मिक्सचर-ऑफ-एक्सपर्ट्स सेटअप को मैनेज करने के लिए स्पेशलाइज्ड इंजीनियरिंग स्किल्स की ज़रूरत होती है, क्योंकि यह भविष्यवाणी करना मुश्किल है कि किसी दिए गए रिक्वेस्ट के लिए मॉडल के कौन से खास हिस्से ज़रूरी होंगे। इन मॉडल्स में देखे जाने वाले एडवांस्ड रीजनिंग और टूल-यूज़ की क्षमताएं सिर्फ वेट्स में स्टोर नहीं होतीं; वे बड़े पैमाने पर ऑपरेशनल अनुभव से निखरती हैं जिसे कंपनियां समय के साथ बनाती हैं।
भारतीय टेक्नोलॉजी पर असर
मॉडल उपलब्धता और ऑपरेशनल क्षमता के बीच का यह अंतर भारतीय टेक्नोलॉजी सेक्टर के लिए एक बड़ी चिंता का विषय है। भारत ने सफलतापूर्वक डिजिटल पब्लिक इंफ्रास्ट्रक्चर बनाया है जहाँ हर अतिरिक्त यूजर के लिए लागत कम है। हालाँकि, हाई-एंड AI मॉडल वर्तमान में एक अलग मॉडल पर काम करते हैं, जहाँ ज़रूरी कंप्यूटिंग पावर के कारण प्रत्येक यूजर को सेवा देने की लागत ज़्यादा रहती है। Sarvam AI जैसी कंपनियां भारतीय इंफ्रास्ट्रक्चर पर विशेष रूप से बने इन्फेरेंस सेवाओं पर ध्यान केंद्रित करके इसे संबोधित करने का प्रयास कर रही हैं। स्थानीय व्यवसायों और डेवलपर्स के लिए, Kimi K3 जैसे मॉडलों को अपनाने का रास्ता फाइलों को डाउनलोड करने से ज़्यादा, उन्हें कुशलतापूर्वक चलाने के लिए ज़रूरी विशाल, स्पेशलाइज्ड कंप्यूट इंफ्रास्ट्रक्चर को विकसित करने या एक्सेस करने पर निर्भर करता है। निवेशकों को यह देखना चाहिए कि घरेलू इंफ्रास्ट्रक्चर प्रोवाइडर इस लागत और क्षमता के अंतर को कैसे पाटते हैं ताकि भारतीय बाज़ार के लिए एडवांस्ड AI को व्यावहारिक बनाया जा सके।