मिनीमैक्स कंपनी ने 31 जुलाई को अपना पहला मल्टीमॉडल जेनरेटिव ओपन-सोर्स मॉडल, H3, जारी किया। यह मॉडल टेक्स्ट, इमेज, ऑडियो और वीडियो प्रोसेसिंग का समर्थन करता है, जो सीधे 2K रिज़ॉल्यूशन में आउटपुट और 15 सेकंड की ऑडियोविज़ुअल सामग्री जनरेशन प्रदान करता है। H3 का लॉन्च M3 मॉडल के बाद हुआ, जिसे पांच महीने पहले पेश किया गया था, हालांकि इसके असंतोषजनक प्रदर्शन के कारण एक ही दिन में शेयरों में 15% की गिरावट आई थी।
जुलाई में उद्योग एक निश्चित 'उत्तरजीविता रेखा' का सामना कर रहा था: Moonshot AI ने Kimi K3 मॉडल के वेट्स को सार्वजनिक किया, और DeepSeek ने V4-Flash कैश की लागत को प्रति मिलियन टोकन 0.02 युआन तक कम कर दिया। 2.8 ट्रिलियन पैरामीटर वाला Kimi K3 दुनिया का पहला ट्रिलियन-स्केल ओपन मॉडल बन गया, जिसने वैश्विक रैंकिंग में चौथा स्थान हासिल किया और ओपन-सोर्स मॉडलों में पहला स्थान प्राप्त किया। DeepSeek V4-Flash मॉडल की आउटपुट लागत प्रति मिलियन टोकन लगभग 0.28 अमेरिकी डॉलर है, जो Claude Opus 4.8 से लगभग 90 गुना सस्ती है। एक ऐसा मॉडल जो Kimi K3 के प्रदर्शन को पार नहीं कर सकता और DeepSeek की मूल्य निर्धारण नीति नहीं रखता है, बाजार से गायब होने का जोखिम उठाता है।
H3 मॉडल मध्य मार्ग लेता है: यह आर्टिफिशियल एनालिसिस लीडरबोर्ड के अनुसार वीडियो एडिटिंग में विश्व स्तर पर पहला स्थान रखता है, जो प्रति सेकंड 0.8 युआन में 2K जनरेशन सुनिश्चित करता है, जो तुलनीय फ्लैगशिप समाधानों से तीन गुना सस्ता है। फिर भी, यह समग्र प्रदर्शन या कीमत में अग्रणी नहीं है। ओपन-सोर्स के पक्ष में चुनाव को एक अधिक निष्क्रिय कदम के रूप में देखा जाता है, जिसका उद्देश्य एआई क्षेत्र में थ्रेशोल्ड को कम करना, घरेलू चिप्स के साथ संगतता के लिए चिप निर्माताओं और डेवलपर्स को आकर्षित करना, और पारिस्थितिकी तंत्र और डेवलपर पैमाने के माध्यम से Seedance द्वारा हावी किए गए वीडियो सेगमेंट में अपनी जगह बनाना है। ओपन-सोर्स का वाणिज्यिक मूल्य वित्तीय प्रदर्शनों द्वारा परखा जाएगा।
ओपन-सोर्स एक दोधारी तलवार है: लंबी अवधि में, यह पारिस्थितिक लाभ बनाता है जो बंद प्रणालियों के पेटेंट से कहीं अधिक गहरे हैं, जैसा कि लिनक्स और एंड्रॉइड ने प्रदर्शित किया है। हालांकि, अल्पकालिक दृष्टिकोण में, यह प्रत्यक्ष मुद्रीकरण से इनकार करता है, और ओपन-सोर्स स्वयं राजस्व उत्पन्न नहीं करता है। ओपन-सोर्स कंपनियों की आम तौर पर उनकी बंद प्रतिस्पर्धियों की तुलना में एक परिमाण क्रम कम राजस्व होता है: OpenAI सालाना लगभग 13 बिलियन अमेरिकी डॉलर कमाता है, और Anthropic लगभग 45 बिलियन अमेरिकी डॉलर कमाता है, जबकि Seedance 2.0 का मासिक राजस्व 100 मिलियन युआन से अधिक है। ओपन-सोर्स प्रतिष्ठा, समुदाय और डेवलपर्स जीत सकता है, लेकिन अभी तक लाभ सुनिश्चित नहीं कर पाया है।
मिनीमैक्स के 2025 के वित्तीय विवरण तनाव दिखाते हैं: राजस्व 79.04 मिलियन अमेरिकी डॉलर था, जो 158.9% अधिक है, सकल लाभ 20.08 मिलियन अमेरिकी डॉलर और 25.4% मार्जिन के साथ। हालांकि, अनुसंधान और विकास (R&D) खर्च 33.8% बढ़कर 253 मिलियन अमेरिकी डॉलर हो गया, जो मुख्य रूप से प्रशिक्षण पर क्लाउड खर्चों के कारण है और उत्पादित मात्रा से तीन गुना से अधिक है। 2025 में समायोजित शुद्ध हानि 251 मिलियन अमेरिकी डॉलर तक पहुंच गई, जबकि 2024 में यह 240 मिलियन थी: राजस्व डेढ़ गुना बढ़ गया, जबकि नुकसान उसी स्तर पर बने रहे, वृद्धि समान पैमाने के निवेश के कारण थी, न कि दक्षता में वृद्धि के कारण। ओपन-सोर्स प्लेटफॉर्म बनाना डेवलपर्स के लिए उपकरणों, सामुदायिक संचालन, कॉर्पोरेट समर्थन और चिप्स के अनुकूलन की मांग करता है, और इन सभी पहलुओं के लिए पूंजी की आवश्यकता होती है। यह सवाल उठता है कि शेयरधारक कितनी देर तक उस कंपनी का धैर्यपूर्वक इंतजार करेंगे जो अधिक मूल्यवान दिशा की तलाश में नकदी जलाना जारी रखने के लिए मजबूर है। मिनीमैक्स ने पैरामीटर के पैमाने के बजाय पारिस्थितिकी तंत्र और चरम लागत-प्रदर्शन अनुपात के माध्यम से उत्तरजीविता रेखा को पार करने पर दांव लगाया है।
मिनीमैक्स ने 31 जुलाई को अपना पहला ओपन मल्टीमॉडल जनरेटिव मॉडल H3 पेश किया, जो आर्टिफिशियल इंटेलिजेंस के साथ वीडियो जनरेशन के क्षेत्र में एक महत्वपूर्ण घटना थी। यह मॉडल 2K प्रारूप में ऑडियो-वीडियो जनरेशन का समर्थन करता है जिसमें नेटिव टू-चैनल साउंड और 15 सेकंड की अवधि होती है, और इसने आर्टिफिशियल एनालिसिस प्लेटफॉर्म पर वीडियो एडिटिंग की वैश्विक रैंकिंग में पहला स्थान हासिल किया है।
H3 मॉडल के लिए वीडियो जनरेशन की लागत प्रति सेकंड 0.8 युआन निर्धारित की गई है, जो समान फ्लैगशिप उत्पादों की कीमतों का केवल एक तिहाई है। कंपनी द्वारा रिलीज की घोषणा के बाद शेयरों में 14% की वृद्धि हुई, जिससे पिछली गिरावट ठीक हो गई, क्योंकि निवेशकों ने लागत नियंत्रण की रणनीति पर सकारात्मक प्रतिक्रिया दी।
H3 पाठ, छवि, वीडियो और ऑडियो से संबंधित संदर्भों को समझने में सक्षम है, जबकि नेटिव टू-चैनल साउंड के साथ ऑडियो-वीडियो उत्पन्न करता है। मॉडल की तकनीकी ताकत निर्देशों का पालन करने, पाठ और ब्रांडिंग जानकारी को सही ढंग से प्रस्तुत करने की क्षमता और एक वीडियो फ्रेम से दूसरे में गति हस्तांतरण (V2V मोशन ट्रांसफर) की सुविधा पर केंद्रित है। यह सुविधा मल्टीमॉडल सामग्री के नियंत्रित संपादन की अनुमति देती है।
H3 मॉडल विज्ञापन, ब्रांडिंग, ई-कॉमर्स, उत्पाद विकास, यूआई/यूएक्स और गेमिंग सहित विभिन्न व्यावसायिक उपयोग परिदृश्यों के लिए सामग्री जनरेट करता है। यह उद्यमों और डेवलपर्स के लिए उच्च गुणवत्ता वाली वीडियो सामग्री बनाने की प्रक्रिया को काफी सरल बनाता है। लागत में लाभ व्यवस्थित अनुकूलन के कारण प्राप्त होता है: उच्च संपीड़न डिग्री वाले टोकनाइज़र का उपयोग वीडियो जनरेशन के लिए आवश्यक टोकन की संख्या को कम करता है, और विषम प्रशिक्षण (heterogeneous training), लोड संतुलन और जीपीयू उपयोग की दक्षता में सुधार से प्रशिक्षण और अनुमान दोनों की लागत काफी कम हो जाती है, जबकि मॉडल की गुणवत्ता बनी रहती है।
रिलीज़ का केंद्रीय तत्व ओपन सोर्स कोड रणनीति है। मिनीमैक्स नियामक आवश्यकताओं का अनुपालन करते हुए कुछ दिनों के भीतर मॉडल वेट्स को उपलब्ध कराने की योजना बना रहा है। यह कंपनियों को सुरक्षा और अनुपालन सुनिश्चित करने के लिए अपने स्वयं के डेटा का उपयोग करके मॉडल को स्थानीय रूप से तैनात और अनुकूलित करने की अनुमति देगा। कंपनी ने कहा कि चिप निर्माताओं और डेवलपर्स को उद्योग के बंद सेवाओं से खुले, सहयोगात्मक पारिस्थितिकी तंत्र में संक्रमण के रुझान का पालन करते हुए परिचालन लागत को कम करने और अनुप्रयोग के दायरे का विस्तार करने के लिए अनुकूलन और अनुकूलन में भाग लेने की अनुमति होगी।
मिनीमैक्स का दृष्टिकोण मूनशॉट एआई कीमी K3 के उदाहरण के अनुरूप है, जो 2.8 ट्रिलियन पैरामीटर वाला सबसे बड़ा ओपन वेट मॉडल है, जिसने रिलीज़ के 48 घंटों के भीतर क्लस्टर कंप्यूटिंग सीमाओं तक पहुंच प्राप्त कर ली और 19 जुलाई को भुगतान करने वाले उपयोगकर्ताओं के लिए प्राथमिकता कंप्यूटिंग संसाधनों के उपयोग हेतु नए उपभोक्ता सब्सक्रिप्शन रोक दिए। मिनीमैक्स की रणनीति जानबूझकर चीनी एआई उद्योग की विशेषता वाली पैरामीटर दौड़ से बचती है। जबकि प्रमुख खिलाड़ी कंप्यूटिंग शक्ति की सीमाओं और आपूर्ति में कमी का सामना कर रहे हैं, मिनीमैक्स यूनिट इकोनॉमिक्स पर आधारित वाणिज्यिक लाभ बनाने के लिए ओपन सोर्स वितरण के साथ चरम मूल्य-प्रदर्शन अनुपात पर ध्यान केंद्रित करता है, न कि मॉडल के पैमाने पर। बाजार के पर्यवेक्षक ओपन सोर्स कोड जारी होने के बाद H3 समुदाय के अनुकूलन की प्रगति, वाणिज्यिक आदेशों की दर और क्या मूल्य निर्धारण रणनीति मात्रा के आधार पर मिनीमैक्स को एआई दौड़ में अग्रणी स्थिति में वापस ला सकती है, इस पर नजर रखेंगे। मॉडल किफायती, व्यावसायिक रूप से तैनात मल्टीमॉडल जनरेशन को प्रतिस्पर्धा की नई सीमा के रूप में स्थापित करता है, और वीडियो संपादन की क्षमता इंगित करती है कि पेशेवर वर्कफ़्लो के लिए उत्पादन गुणवत्ता बुनियादी जनरेटिव शक्ति जितनी ही महत्वपूर्ण हो सकती है।
मूनशॉट एआई कंपनी ने ओपन-सोर्स किमी के3 मॉडल को आधिकारिक तौर पर जारी किया है। इस मॉडल में 2.8 ट्रिलियन MoE पैरामीटर हैं, इसमें 896 रूट किए गए विशेषज्ञ शामिल हैं और यह प्रति टोकन 16 सक्रिय विशेषज्ञों का समर्थन करता है, साथ ही 1 मिलियन टोकन की संदर्भ विंडो भी प्रदान करता है। इसके अलावा, MoonEP, FlashKDA और AgentEnv जैसे इंफ्रास्ट्रक्चरल टूल्स भी जारी किए गए हैं।
केमी के3 का अनावरण 27 जुलाई को किया गया था। यह ओपन वेट्स वाले मॉडलों में दुनिया का सबसे बड़ा मॉडल बन गया है। पिछले पीढ़ी के के2.5 की तुलना में, के3 के पैरामीटर स्केल में लगभग तीन गुना वृद्धि हुई है, और Kimi Delta Attention, Attention Residuals और MoonEP जैसी तकनीकों के उपयोग से कम्प्यूटेशनल दक्षता में 2.5 गुना वृद्धि हुई है, जिससे सीमित कंप्यूटिंग संसाधनों में काम करना संभव हो गया है।
तकनीकी रिपोर्ट कई वास्तुशिल्प नवीनताओं का खुलासा करती है। Gated MLA के साथ हाइब्रिड KDA अटेंशन संरचना लंबी संदर्भ को कुशलतापूर्वक संसाधित करने के लिए लीनियर अटेंशन और उच्च गुणवत्ता वाले स्थानीय प्रतिनिधित्व प्राप्त करने के लिए गेटेड मल्टी-हेड लेटेंट अटेंशन को जोड़ती है। Stable LatentMoE रूटिंग तंत्र बड़े MoE मॉडल के प्रशिक्षण के दौरान अक्सर होने वाली विशेषज्ञ पतन की समस्या का समाधान करता है, जिससे रूटिंग ग्रेडिएंट की गतिशीलता स्थिर होती है। इसके अलावा, MoonViT-V2 विजन एन्कोडर प्रशिक्षण योजना बिना किसी अलग विजन और भाषा एडेप्टर का उपयोग किए मूल मल्टीमॉडल व्याख्या सुनिश्चित करती है। मॉडल को सार्वभौमिक तर्क, एजेंटों और कोडिंग कार्यों पर प्रशिक्षित और परीक्षण किया गया था, जो शुद्ध भाषाई कार्यों से परे के के3 की व्यापक क्षमताओं को प्रदर्शित करता है।
मॉडल के अलावा, तीन इंफ्रास्ट्रक्चर टूल्स जारी किए गए थे। MoonEP एक हाई-परफॉरमेंस कम्युनिकेशन लाइब्रेरी है जिसे बड़े पैमाने पर MoE प्रशिक्षण के लिए डिज़ाइन किया गया है, जो MoE की स्केलेबिलिटी को सीमित करने वाले ऑल-टू-ऑल कम्युनिकेशन बॉटलनेक को दूर करता है। FlashKDA Kimi Delta Attention के लिए एक हाई-परफॉरमेंस कंप्यूटिंग कोर प्रदान करता है; बेंचमार्क के अनुसार, H20 जीपीयू पर यह बेसलाइन फ्लैश-लीनियर-अटेंशन की तुलना में प्रीफिल दर में 1.72 से 2.22 गुना सुधार प्रदान करता है। AgentEnv एक एजेंट सैंडबॉक्स सिस्टम है जिसे KVCache.ai का उपयोग करके विकसित किया गया है, जो बड़े पैमाने पर एजेंट प्रशिक्षण वातावरण के लिए तेज़ स्नैपशॉट, पुनर्प्राप्ति और फोर्क कार्यक्षमताओं का समर्थन करता है। ये इंफ्रास्ट्रक्चर रिलीज़ केमी के3 क्लास मॉडलों के पुनरुत्पादन और आगे के विकास के लिए बाधाओं को कम करते हैं।
ओपन सोर्स रिलीज का पारिस्थितिकी तंत्र पर महत्वपूर्ण प्रभाव पड़ता है। के3 कई विशिष्ट परीक्षणों में बंद अत्याधुनिक मॉडलों जैसे GPT-5.6 और Claude Fable 5 के बराबर या उनसे बेहतर प्रदर्शन करता है, खासकर फ्रंटएंड के लिए कोड जनरेशन में। हालांकि, एपीआई के माध्यम से के3 का उपयोग करने की लागत क्लॉड की तुलना में 40% कम और फेबल की तुलना में 70% कम है। ओपन वेट्स लाइसेंस स्थानीय परिनियोजन और एपीआई पर निर्भरता के बिना अपने स्वयं के एप्लिकेशन विकसित करने की अनुमति देता है। फिर भी, 2.8 ट्रिलियन पैरामीटर के पैमाने के कारण, स्थानीय कार्यान्वयन के लिए भी महत्वपूर्ण हार्डवेयर की आवश्यकता होती है - केवल मॉडल लोड करने के लिए न्यूनतम 10 GB300 वर्ग का जीपीयू, जो परिनियोजन के दौरान एपीआई शुल्क के बजाय इन्फेरेंस के लिए बुनियादी ढांचे की लागत को मुख्य कारक बनाता है।
इस रिलीज ने पारिस्थितिकी तंत्र में एक श्रृंखला प्रतिक्रिया को जन्म दिया। अलीबाबा क्लाउड का Qianwen AI प्लेटफॉर्म के3 की उपलब्धता की घोषणा की। हुआवेई ने के3 के लिए Ascend 0-day का अनुकूलन किया, जो घरेलू उपकरणों पर 3 ट्रिलियन स्तर के मॉडल के लॉन्च का पहला मामला था। ओपन सोर्स समुदाय को मॉडल वेट्स तक पहुंच मिली, जिन्हें पहले सैकड़ों मिलियन के निवेश की आवश्यकता थी। मूनशॉट एआई ने कहा कि ओपन सोर्स पहल का उद्देश्य ओपन वेट्स मॉडल इकोसिस्टम को बढ़ावा देना है, जिससे व्यापक एआई समुदाय के लिए विकास और परिनियोजन की बाधाएं कम होती हैं। हालांकि, इसके तुरंत बाद यह घोषणा की गई कि के3 ने कंप्यूटिंग शक्ति की सीमाओं के कारण नए उपयोगकर्ता सब्सक्रिप्शन रोक दिए हैं, जिसने ओपन सोर्स आदर्शों और 2.8 ट्रिलियन पैरामीटर वाले मॉडल के पैमाने पर रखरखाव की वास्तविकता के बीच विरोधाभास को उजागर किया।
मूनशॉट एआई (Moonshot AI) का Kimi K3 मॉडल महत्वपूर्ण तकनीकी प्रगति प्रदर्शित करता है, जिसने वैश्विक कृत्रिम विश्लेषण रैंकिंग में तीसरा स्थान प्राप्त किया है, हालांकि डीपसीक (DeepSeek) जैसी सफलता के क्षण तक इसका मार्ग मूल्य निर्धारण, कम्प्यूटेशनल शक्ति की सीमाओं और पारिस्थितिकी तंत्र की परिपक्वता के मुद्दों से जटिल है।
Kimi K3 कोडिंग में वैश्विक बेंचमार्क का नेतृत्व करता है और समग्र रूप से तीसरा स्थान रखता है, जो केवल Fable 5 और GPT-5.6 से पीछे है। मॉडल उस स्तर पर पहुंच गया है जिसे पहले चीनी बड़े मॉडल हासिल नहीं कर पाए थे, और इसने फ्रंटएंड कोडिंग बेंचमार्क Arena 2026 में Fable 5 को भी पीछे छोड़ते हुए कृत्रिम विश्लेषण रैंकिंग में तीसरा स्थान हासिल किया है। इलोन मस्क ने इस परिणाम को प्रभावशाली बताया है, और वैश्विक मीडिया ने इसे 'डीपसीक का दूसरा झटका' करार दिया है।
आर्टिफिशियल एनालिसिस प्लेटफॉर्म पर K3 विश्व स्तर पर तीसरे स्थान पर है। यह 896 विशेषज्ञों वाले मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर पर बनाया गया है, जिसमें 2.8 ट्रिलियन पैरामीटर हैं, यह 1 मिलियन टोकन की नेटिव कॉन्टेक्स्ट लंबाई का समर्थन करता है और KDA अटेंशन मैकेनिज्म का उपयोग करता है। मॉडल कोडिंग, एजेंट कार्य और लंबी संदर्भ के साथ तर्क से संबंधित कार्यों में उच्च दक्षता दिखाता है, जिसका सीधा वाणिज्यिक अनुप्रयोग है। फिर भी, बंद स्रोत के अग्रणी मॉडलों की तुलना में, K3 अभी भी जटिल तर्क और मल्टीमॉडल कार्यों में मापने योग्य कमियाँ प्रदर्शित करता है।
एक महत्वपूर्ण बाधा मूल्य निर्धारण है: K3 प्रति मिलियन टोकन के लिए DeepSeek की तुलना में 3-15 गुना अधिक महंगा है। हालांकि यह चीनी एआई की प्रीमियम कीमतें निर्धारित करने की क्षमता की पुष्टि करता है, यह उस वायरल विकास को सीमित करता है जो DeepSeek ने अल्ट्रा-कम लागत वाली पहुंच और बड़े पैमाने पर कार्यान्वयन के माध्यम से प्रदान किया था।
सबसे महत्वपूर्ण बाधा कम्प्यूटेशनल सीमाएं हैं। हालांकि K3 को आश्चर्यजनक रूप से कुशल संसाधन उपयोग के साथ प्रशिक्षित किया गया था, रिलीज के तुरंत बाद Kimi को इन्फेरेंस की भारी मांग के कारण नए उपभोक्ता सब्सक्रिप्शन निलंबित करने के लिए मजबूर होना पड़ा। एक K3 अनुरोध को कम सटीकता के साथ क्वांटाइजेशन के बाद भी लगभग 1.4 टीबी मेमोरी की आवश्यकता होती है। मूनशॉट एआई कम्प्यूटेशनल क्षमताओं को बढ़ाने पर सक्रिय रूप से काम कर रहा है, लेकिन आवश्यकता और उपलब्ध बुनियादी ढांचे के बीच का अंतर मुख्य कारक बना हुआ है जो K3 को बाजार पर स्थायी प्रभाव से अलग करता है। ये सीमाएं वाणिज्यिक तैनाती में भी बाधा डालती हैं, क्योंकि कॉर्पोरेट ग्राहकों को इन्फेरेंस की गारंटीकृत बैंडविड्थ की आवश्यकता होती है, जिसे मूनशॉट एआई अभी तक पैमाने पर प्रदान नहीं कर सकता है।
डीपसीक के सफलता के क्षण का मुख्य अंतर न केवल मॉडल की गुणवत्ता थी, बल्कि एक आत्मनिर्भर चक्र का निर्माण भी था: उपयोगकर्ताओं द्वारा व्यापक स्वीकृति ने डेवलपर पारिस्थितिकी तंत्र के विकास को प्रेरित किया, जिसने बदले में मॉडल की क्षमताओं में सुधार किया और आगे की स्वीकृति की ओर ले गया। Kimi K3 ने तकनीकी पूर्व शर्त हासिल कर ली है, लेकिन अभी तक इस 'पारिस्थितिकी तंत्र के पहिये' को शुरू नहीं किया है। आने वाले सप्ताह यह निर्धारित करेंगे कि क्या मूनशॉट एआई कम्प्यूटेशनल बाधा को पार कर सकता है, तकनीकी प्रशंसा को स्थिर व्यावसायिक संबंधों में बदल सकता है और एक डेवलपर पारिस्थितिकी तंत्र बना सकता है जो एक उत्कृष्ट मॉडल को एक पूर्ण मंच में बदल देगा। इंजीनियरिंग क्षमता सिद्ध हो गई है, हालांकि व्यावसायिक मॉडल और बुनियादी ढांचा रणनीति अभी भी विकास के चरण में हैं।
