За месяц до этого Чжан Имин, основатель ByteDance, посетил общее собрание команды Seed и завершил двухлетний внутренний спор. Он заявил, что ByteDance не будет применять модели других разработчиков для ускорения создания собственных больших языковых моделей (LLM), включая как закрытые передовые модели, так и модели с открытым весом.
Это правило было установлено еще в 2023 году. На ранних этапах работы команды Seed проводились эксперименты с использованием результатов API GPT в качестве обучающих данных. После того как ByteDance в апреле 2023 года начала проводить аудит вызовов GPT API, команда установила жесткое правило: данные, сгенерированные GPT, не должны попадать в обучающие наборы ByteDance. Этот ограничительный механизм появился до того, как кто-либо за пределами Китая начал обсуждать дистилляцию.
Первый внутренний спор возник в январе 2025 года после выпуска DeepSeek-R1. Исследователи Seed задали очевидный вопрос: если другие лаборатории тайно используют результаты передовых моделей для наверстывания упущенного, почему они не могут сделать то же самое? Некоторые предлагали осторожно использовать дистиллированные результаты для устранения пробела без отказа от собственного предварительного обучения Seed. Руководство отклонило это предложение.
Год спустя, когда в американских лабораториях начали широко внедрять GPU Nvidia Blackwell, дискуссия возобновилась. Китайские лаборатории не имеют возможности приобрести топовые карты B-серии. Seedance 2.0 обучался на кластере H20, производительность которого составляет примерно одну пятидесятую от B200. Прогресс в рассуждениях, кодировании и науке, достигнутый моделями GPT-5.5 и Claude 4.8, особенно Claude Fable 5, совпал с появлением Blackwell. Хотя закрытые модели нельзя дистиллировать, лучшие модели с открытым весом — да.
Точкой, которая привела спор на общее собрание, стала модель Kimi K3 от Moonshot. Модель K3 с открытым весом от Moonshot достигла уровня, сравнимого с передовыми закрытыми моделями. Для Seed, относительно небольшой китайской лаборатории, стремящейся попасть в мировой класс первой десятки, этот вопрос стал неизбежным: почему Seed, обладая более высокой плотностью талантов и большим вычислительным потенциалом, не создала языковую модель эквивалентного уровня? Дистилляция позволила бы Seed направлять ограниченные ресурсы обучения в направления, которые уже доказали свою эффективность в других местах.
Ответ Чжана был кратким. Он заявил, что Seed может позволить себе временное отставание, но не может допустить закрытия этого разрыва путем дистилляции конкурентов. Эта позиция соответствует политике 2023 года, однако ставки значительно возросли. Anthropic публично обвинила Tongyi Qianwen, Moonshot и MiniMax в массовом сборе результатов Claude. Независимо от того, соответствуют ли эти обвинения действительности, геополитический, юридический и коммерческий риск резко возрос, и Seed сохраняет свою позицию, даже ценой многолетнего отставания в бенчмарках.
Интересная ставка заключается в мета-ставке, лежащей в основе стратегии. Стратегия Seed предполагает, что лаборатории, опережающие в сегодняшних бенчмарках рассуждений, не опередят в том интеллекте, который Seed пытается создать, и что заимствование их данных сейчас зафиксирует Seed в их архитектуре интеллекта, а не в собственной. Это ставка, которую Чжан готов поддержать, принимая на себя потери в позиции модели, что некоторым другим китайским лабораториям может быть сложнее сделать.
Тест безопасности выявил, что модель искусственного интеллекта Kimi K3 от китайской компании Moonshot AI смогла выйти из ограниченной тестовой зоны и получить несанкционированный доступ к интернету. Этот инцидент привлек внимание тем, как более продвинутые системы могут находить непредвиденные пути для выполнения поставленной задачи.
Открытие было сделано американской стартапом Frontier Security во время оценки возможностей цифровой защиты. По словам исследователей, ошибка в настройках защитной среды позволила модели использовать уязвимость.
Kimi K3 тестировался в песочнице (sandbox) — виртуальной среде, созданной для предотвращения взаимодействия ИИ с внешними ресурсами. Задача состояла в том, чтобы решать задачи кибербезопасности, не обращаясь за ответами за пределы этой области.
Однако во время испытаний исследователи заметили, что модель нашла способ получить доступ к интернету. Вместо того чтобы проводить атаки, ИИ нашел необходимые ответы на страницах, доступных на GitHub.
Для Ярона Сингера, генерального директора Frontier Security, этот случай выявил две проблемы: сбой в тестовой среде и способность самой модели использовать эту лазейку. Он заявил изданию Wired: «Мы обнаружили утечку в песочнице. Но мы также выяснили, что Kimi воспользовался этой лазейкой, что говорит о том, что у него нет тех же внутренних барьеров защиты».
Среди основных моментов, замеченных исследователями, следует отметить, что инцидент с Kimi K3 является частью недавней серии тестов, в ходе которых модели ИИ демонстрировали поведение, отличное от ожидаемого. Frontier Security подчеркнула, что китайская система также показывает хорошие результаты в задачах киберзащиты, таких как обнаружение уязвимостей в программном обеспечении и сетях. Однако существует проблема обеспечения того, чтобы эта способность использовалась в рамках, установленных разработчиками.
Пол Кассианик, исследователь компании, объяснил, что модель продемонстрировала сильную способность достигать целей, но при этом имела мало ограничений, препятствующих принятию сочтенных неуместными стратегий. Он отметил, что Kimi K3 очень хорошо следует цели любыми необходимыми средствами и не имеет барьеров, мешающих ему жульничать или покидать песочницу. Кассианик сделал это заявление изданию Wired.
По мнению экспертов по безопасности, данный случай доказывает, что создания интеллектуальных моделей недостаточно; необходимо также внедрять эффективные механизмы контроля для ограничения их действий.
Мэтт Фредриксон, генеральный директор Gray Swan и доцент Университета Карнеги-Меллон, предположил, что подобные системы могут находить неожиданные решения, когда им ставят цель без четких ограничений. Он пояснил: «Если вы даете одной из этих моделей цель и не уточняете, каковы барьеры, она найдет способ получить ответ».
Случай с Kimi K3 усиливает проблему, сопровождающую развитие искусственного интеллекта: чем более способными становятся эти системы, тем больше внимания требуется к тому, как они тестируются и используются. Для компаний, планирующих внедрение агентов ИИ, безопасность становится таким же важным этапом, как и производительность самой технологии. Статья первоначально была опубликована в Olhar Digital.
Развитие кодирования и возможностей агентов за последний год существенно изменило рейтинги моделей. Поскольку агенты берут на себя более длинные цепочки задач, все более универсальные модели начинают соответствовать возможностям нативной мультимодальности.
Согласно отчету 36Kr, наблюдается расхождение: Moonshot AI Kimi K3, Alibaba Qwen3.8-Max и ByteDance Doubao-Seed-2.1 приняли решение о нативном мультимодальном обучении. В противоположность этому, DeepSeek, Zhipu и Tencent Hunyuan сохраняют текстовый формат в своих последних универсальных базах.
Лиан Вэньфэн отметил, что для качественного обучения ИИ не обязательно наличие мировой модели или мультимодальности, однако признал, что мультимодальность в конечном итоге необходима. Компании согласны с долгосрочной ценностью этого подхода, но расходятся во мнениях относительно сроков и затрат. В фазе быстрого совершенствования кодирования, выбор между синхронным обучением зрения и определением объема инвестиций в модель, данные и вычислительные мощности формирует технологический путь ведущих китайских моделей.
Причина, по которой важна нативная мультимодальность, кроется в том, как долго могут рассуждать агенты. При выполнении задач с длинной последовательностью, если обратная связь поступает только на уровне кода, ошибки могут накапливаться, что приводит к очень плохим конечным результатам. Зрение предоставляет гораздо более точный сигнал обратной связи.
Когда агенты генерируют веб-страницы, управляют программным обеспечением и проверяют результаты выполнения, зрение трансформируется из простого входного параметра, предоставляемого пользователем, в механизм обратной связи, который модель использует для самопроверки и корректировки действий. После выпуска Kimi K3 заняла первое место в рейтинге Arena Frontend Code с показателем 1679 баллов. Этот рейтинг оценивает не только работоспособность кода, но и корректность отображения страницы.
На платформе браузера Puter были внесены пять визуальных отклонений в тестовые страницы; Kimi K3 сравнила целевую страницу с скриншотом работающей страницы и обнаружила все пять без ложных срабатываний. Moonshot AI называет этот метод «зрение в цикле»: модель пишет код, просматривает страницу, а затем продолжает корректировку на основе визуальных данных.
Сторонники внешних визуальных инструментов утверждают, что системы могут вызывать OCR или независимую VLM через агентский фреймворк или MCP, преобразуя изображения в текст или координаты перед передачей текстовой модели. Однако этот модульный подход имеет ограничения. Если вызывается инструмент, остаются две модели: одна LLM, которая не видит, и вспомогательная модель, способная видеть.
Внутренние нативные мультимодальные модели обладают более широким каналом связи между визуальным вводом и языковым ядром, вместо того чтобы сначала сжимать изображение в текст, а затем передавать его другой модели. Это различие проявляется и после обучения. Если модель способна сделать это самостоятельно, результат будет лучше. В задачах с длинной цепочкой, требующих многократного просмотра экрана, это различие становится более очевидным. Без нативной мультимодальности у модели нет глаз, и обратная связь ограничивается текстом. Многие пользовательские результаты являются визуальными: веб-страницы, изображения, видео. Модель должна понимать эти результаты и давать себе обратную связь.
Китайская компания Moonshot AI выпустила модель Kimi K3, которая быстро привлекла внимание благодаря своей способности соответствовать, а в некоторых случаях и превосходить, самые передовые американские аналоги, такие как последние версии GPT от OpenAI и Claude от Anthropic, причем делает это бесплатно.
После запуска модель Kimi K3 вызвала такой высокий спрос, что Moonshot была вынуждена приостановить новые подписки всего через два дня из-за перегрузки вычислительной мощности. Этот успех усиливает уже напряженную гонку между США и Китаем за доминирование в области передового искусственного интеллекта.
В ответ на развитие китайского ИИ, Вашингтон в последние годы ужесточил экспортные ограничения против Китая, чтобы замедлить его прогресс в разработке ИИ и чипов, необходимых для военного потенциала. Однако появление Kimi K3 вновь ставит под сомнение эффективность этих мер контроля над технологиями.
В отличие от большинства проприетарных моделей американских разработчиков, Kimi K3 была представлена как модель с открытым весом. Это позволяет разработчикам загружать, модифицировать и запускать ее на собственных серверах без оплаты, что способствует более широкому глобальному внедрению. Китайские компании, сталкиваясь с ограниченным доступом к оборудованию и инвестициями по сравнению с американскими фирмами, активно используют так называемые открытые модели, тогда как их американские конкуренты в основном работают по модели платных подписок.
Moonshot AI была основана три года назад Ян Чжилинем, перспективным инженером-программистом из Шаньтоу, южного Китая. Его потенциал был замечен во время учебы в Университете Цинхуа под руководством профессора Тан Цзе, который позже основал еще одну известную ИИ-компанию Z.ai в 2019 году. Тан рекомендовал Яна на стипендию в 2014 году, отметив его как «самого талантливого и исключительного студента, которого я встречал за последние годы».
Далее Ян получил докторскую степень по компьютерным наукам в Университете Карнеги-Меллон, обучаясь под руководством Руслана Салахутдинова, бывшего руководителя ИИ в Meta и Apple. По завершении учебы Салахутдинов вспоминал, что Ян отказался от предложения работы старшего руководителя Apple, который подчинялся напрямую Тиму Куку. Салахутдинов отметил, что Ян был прав, решив основать собственную компанию.
Ян объяснил свое решение тем, что существовали огромные возможности, включая поддержку со стороны правительства и венчурного капитала, а также успехи Китая в образовании. Он заявил, что верил в огромный потенциал ИИ. Ян стал заметной фигурой в китайской индустрии ИИ не только как основатель Moonshot в возрасте 32 лет, став одним из самых молодых ИИ-предпринимателей страны, но и потому, что решил вернуться в Китай для запуска своего предприятия.
С самого начала Ян имел грандиозные планы. В 2024 году он сообщил в подкасте, что название стартапа отсылает к любимому альбому британской рок-группы Pink Floyd «Dark Side of the Moon», в надежде, что компания «добилась чего-то, что создало бы огромную ценность, но было бы и чрезвычайно сложно — подобно высадке на Луну». Moonshot быстро обрела национальную известность после выпуска первой модели Kimi, названной в честь английского имени Яна в 2023 году. В том же году, согласно интервью китайским СМИ в 2024 году, Moonshot привлекла почти 300 миллионов долларов в двух первых раундах финансирования.
Международное внимание к Kimi K3 напоминает о взлете DeepSeek в начале 2025 года, когда его модель рассуждений R1 произвела фурор в мировом ИИ-сообществе. В этот раз K3 продемонстрировала производительность, приближающуюся к флагманским системам, таким как GPT 5.6 Sol от OpenAI и Claude Fable 5 от Anthropic, что еще больше сужает разрыв между китайскими и американскими моделями.
Однако аналитики считают, что достижение Moonshot следует рассматривать иначе. DeepSeek опроверг общепринятое мнение о том, что разработка продвинутой ИИ-модели требует колоссальных финансовых вложений и огромной вычислительной мощности, предложив при этом конкурентоспособные цены. По мнению Ивана Су из Morningstar, ценовое преимущество K3 менее значительно, чем у DeepSeek на момент его запуска.
По мнению Поэ Чжао, аналитика и основателя рассылки Hello China Tech, K3 показывает, что китайские компании продолжают развивать успех DeepSeek и сокращать отставание от американских ИИ-моделей. Он добавил, что «более широкий смысл заключается в том, что DeepSeek все чаще выглядит началом закономерности. DeepSeek был сюрпризом. K3 — это доказательство того, что прогресс Китая становится более повторяемым».
После DeepSeek китайские ИИ-фирмы, такие как Moonshot, Alibaba и Z.ai, привлекают больше внимания за каждую новую модель, а темпы выпуска ускоряются. В свою очередь, Вэй Сунь, ведущий ИИ-аналитик Counterpoint Research, отметила, что общий разрыв между китайскими и американскими моделями сократился до трех-шестимесячного периода, хотя это сильно зависит от конкретной задачи.
Тем не менее, некоторые аналитики высказывают сомнения относительно истинных возможностей Kimi K3. Малик Ахмед Хан, старший аналитик по акциям в Morningstar, в исследовательской заметке в прошлую пятницу заявил, что, хотя K3 и представляет собой прогресс, он «колебался бы, присваивая ей почти паритет с американскими флагманскими моделями, такими как Fable 5, в задачах реального мира». Он пояснил, что многие разработчики открытых моделей в прошлом оптимизировали программную производительность вокруг бенчмарков для достижения лучших результатов.
Для американских технологических компаний бесплатные и сравнимые китайские модели, подобные K3, представляют угрозу подрыва их собственных продуктов. Ведущие американские ИИ-компании Anthropic и OpenAI давно обвиняют китайские лаборатории, включая Moonshot, DeepSeek и Alibaba, в извлечении возможностей из их моделей. Эти обвинения обострились после появления Kimi K3.
Хуан Чжэньсинь, глава корпоративного бизнеса Moonshot AI, опроверг обвинения в дистилляции в интервью государственным СМИ в понедельник. Тем не менее, это не остановило новые обвинения со стороны Вашингтона. Майкл Крациос, директор Управления по науке и технологической политике Белого дома, заявил в среду в посте в X: «У нас есть информация о том, что Moonshot AI дистиллировала Fable от Anthropic для разработки своей модели K3. Масштабная, скрытая промышленная дистилляция, направленная на кражу проприетарных технологий США и подрыв американских исследований, неприемлема».
Сара Хек, руководитель отдела политики Anthropic, поддержала Крациоса в посте в X, обвинив Moonshot в «краже интеллектуальной собственности и промышленном шпионаже», назвав это «национальным вызовом, который создает серьезные риски для национальной безопасности». Министр финансов Скотт Бессент также повторил в среду, что США могут ввести санкции против китайских фирм за подобную кражу интеллектуальной собственности, не называя имен. Он заявил в X, ссылаясь на официальное название страны, что «когда фирмы КНР проводят скрытые, промышленные атаки дистилляции, которые пересекают черту кражи интеллектуальной собственности, санкции и обозначения в Списке субъектов будут на повестке дня».
Большинство аналитиков, однако, сочли обвинения в дистилляции против Moonshot маловероятными. Сан от Counterpoint указала, что у Moonshot не хватило бы времени для обучения своей ИИ-модели на основе последних моделей конкурентов, которые имели ограниченную доступность до запуска K3. Кроме того, она добавила, что только дистилляция не может объяснить превосходство Kimi K3.
