Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
Ein Modell mit 2,8 Billionen Parametern passt nicht in den üblichen Entwicklerrechner. Moonshots Kimi K3 ist dennoch mit offenen Gewichten verfügbar und führt damit vor, wie weit sich offene Sprachmodelle inzwischen nach oben schieben. In Benchmarks landet es laut heise online regelmäßig auf Spitzenplätzen und antwortete in eigenen Tests ausführlich. Bei heiklen politischen Fragen blieb es allerdings auf Linie der Kommunistischen Partei Chinas.
Un modèle doté de 2,8 billions de paramètres ne tient pas dans l’ordinateur habituel d’un développeur. Le Kimi K3 de Moonshot est néanmoins disponible avec des poids ouverts, illustrant jusqu’où les modèles de langage ouverts ont désormais progressé. Selon heise online, il se classe régulièrement parmi les meilleurs dans les benchmarks et a fourni des réponses détaillées lors de tests internes. En revanche, sur les questions politiques sensibles, il est resté aligné sur la ligne du Parti communiste chinois.
Die Größe allein erklärt den Sprung nicht. Kimi K3 nutzt Kimi Delta Attention, einen Aufmerksamkeitsmechanismus für Sprachmodelle, bei dem sich lineare und globale Schichten im Verhältnis 3:1 abwechseln. Das soll besonders bei langen Texten Rechenzeit und Speicher sparen. Seine Mixture-of-Experts-Architektur verteilt Aufgaben außerdem auf 896 Experten — so viele waren in offenen Modellen bisher nicht verfügbar.
La taille n’explique pas à elle seule cette avancée. Kimi K3 utilise Kimi Delta Attention, un mécanisme d’attention destiné aux modèles de langage, dans lequel des couches linéaires et globales alternent selon un ratio de 3:1. L’objectif est notamment d’économiser du temps de calcul et de la mémoire avec les textes longs. Son architecture Mixture-of-Experts répartit en outre les tâches entre 896 experts — un nombre encore jamais proposé par des modèles ouverts.
Auch beim Speicher setzt Moonshot an. Die Gewichte wurden in das kompakte MXFP4-Format überführt; dadurch sinkt der Bedarf gegenüber dem häufig verwendeten bfloat16 auf ein Viertel. Der Engpass verschwindet damit nicht: Für Kimi K3 sind selbst bei kleinen Kontexten mindestens 1,5 TByte RAM erforderlich. Eine lokale Ausführung bleibt damit wenigen Firmen vorbehalten, ist technisch aber möglich. Für die meisten dürfte zunächst der angebotene Clouddienst der praktikablere Zugang sein.
Moonshot agit également sur la mémoire. Les poids ont été convertis au format compact MXFP4 ; les besoins par rapport au bfloat16, fréquemment utilisé, sont ainsi réduits à un quart. Le goulet d’étranglement ne disparaît pas pour autant : Kimi K3 nécessite au moins 1,5 TByte de RAM, même avec de petits contextes. Une exécution locale reste donc réservée à quelques entreprises, même si elle est techniquement possible. Pour la plupart, le service cloud proposé sera d’abord la solution la plus pratique.
Parallel kommen weitere große Modelle aus China hinzu. Alibaba stellte Anfang August Qwen3.8-Max mit 2,4 Billionen Parametern vor, zunächst nur per API; die Gewichte sollen folgen. Das Modell soll laut Alibaba fast 16 Tage autonom an einem Coding-Projekt gearbeitet, wissenschaftliche Artikel überprüft sowie den darin verwendeten Programmcode verstanden und optimiert haben. Diese Angaben und die starken Benchmarkwerte müssen unabhängige Tests noch bestätigen. DeepSeek wiederum zeigt mit einem deutlich kleineren Flash-Modell, dass Modellgröße nicht automatisch die beste Leistung bedeutet.
Parallèlement, d’autres modèles de grande taille arrivent de Chine. Début août, Alibaba a présenté Qwen3.8-Max avec 2,4 billions de paramètres, dans un premier temps uniquement via API ; les poids devraient suivre. Selon Alibaba, le modèle aurait travaillé de manière autonome pendant près de 16 jours sur un projet de programmation, vérifié des articles scientifiques, puis compris et optimisé le code utilisé dans ces articles. Des tests indépendants doivent encore confirmer ces affirmations et les solides résultats obtenus dans les benchmarks. De son côté, DeepSeek montre avec un modèle Flash nettement plus petit que la taille d’un modèle n’est pas automatiquement synonyme de meilleures performances.
Und was ändert das konkret? Unternehmen bekommen mehr Auswahl zwischen geschlossenen Diensten und Modellen mit offenen Gewichten. Wer sensible Daten lokal verarbeiten will, kann Kimi K3 grundsätzlich einsetzen — muss dafür aber eine Infrastruktur bezahlen, die laut den genannten Anforderungen für viele Firmen zu teuer ist. Für kleinere Teams verschiebt sich der praktische Vorteil deshalb vorerst in die Cloud. Die technische Richtung ist trotzdem klar: Offene Modelle werden leistungsfähiger, während ihre Hardwarekosten den Zugang weiterhin begrenzen.
Et concrètement, qu’est-ce que cela change ? Les entreprises disposent d’un choix accru entre services fermés et modèles dotés de poids ouverts. Celles qui souhaitent traiter des données sensibles en local peuvent en principe utiliser Kimi K3 — mais elles doivent pour cela financer une infrastructure qui, au vu des exigences citées, est trop coûteuse pour de nombreuses entreprises. Pour les petites équipes, l’avantage pratique se déplace donc pour l’instant vers le cloud. La tendance technique n’en reste pas moins claire : les modèles ouverts gagnent en puissance, tandis que leurs coûts matériels continuent de limiter leur accès.