Moonshot wstrzymuje subskrypcje Kimi K3 po wyczerpaniu mocy obliczeniowej w 48 godzin
Startup Moonshot, twórca modelu AI Kimi K3, tymczasowo wstrzymał sprzedaż nowych subskrypcji z powodu ogromnego popytu, który przekroczył dostępne zasoby GPU w zaledwie dwie doby.

Startup Moonshot, odpowiedzialny za model sztucznej inteligencji Kimi K3, tymczasowo wstrzymał sprzedaż nowych subskrypcji. Decyzja ta została podjęta po tym, jak w ciągu zaledwie 48 godzin od premiery, popyt na usługi Kimi K3 zbliżył się do granic obecnych możliwości obliczeniowych firmy, o czym poinformowano na platformie X.
Obecni subskrybenci nie odczują żadnych zmian, a nowe miejsca będą udostępniane stopniowo. Firma zapewnia, że w przyszłości pojawią się kolejne możliwości dołączenia do grona użytkowników.
Nowy model subskrypcji dla Kimi
W odpowiedzi na rosnące zapotrzebowanie i w celu bardziej równomiernego rozłożenia mocy obliczeniowej, Moonshot ogłosił również podział swojego modelu subskrypcyjnego na dwie odrębne kategorie. Zmiana ta ma na celu zapewnienie stabilniejszego doświadczenia użytkownikom i efektywniejsze zarządzanie zasobami.
Nowe plany subskrypcyjne to:
- Kimi Membership: obejmująca funkcje dostępne przez przeglądarkę internetową, aplikacje mobilne oraz ogólne zastosowania biurowe.
- Kimi Code Membership: dedykowana dla programistów i wspierająca przepływy pracy związane z kodowaniem.
Firma podkreśla, że celem tych zmian jest lepsze zarządzanie mocą obliczeniową i utrzymanie wysokiej jakości usług, nawet przy dynamicznie rosnącej liczbie użytkowników.
Konkurencja nie śpi: Alibaba z Qwen 3.8
W międzyczasie, na rynku sztucznej inteligencji aktywny jest również konkurent Moonshot – Alibaba. Firma ta promuje swój konkurencyjny model Qwen 3.8, który po raz pierwszy od dłuższego czasu będzie dostępny jako model o otwartej wadze (open weight). Obecnie dostępna jest już płatna, choć znacznie przeceniona, wersja podglądowa tego rozwiązania.
Sytuacja na rynku, gdzie nawet modele oparte na otwartym kodzie źródłowym (jak sugerowano w kontekście zmniejszenia zapotrzebowania na zasoby) szybko osiągają limity mocy obliczeniowej, podkreśla intensywność rozwoju i rosnące zapotrzebowanie na zaawansowane rozwiązania AI. Wyczerpanie zasobów GPU w tak krótkim czasie przez Moonshot wskazuje na ogromny apetyt rynku na innowacyjne narzędzia AI i stanowi wyzwanie dla dostawców w zakresie skalowania infrastruktury.
Źródło: the-decoder.com
Komentarze
Zaloguj się, aby dołączyć do dyskusji.
Nikt jeszcze nie skomentował. Bądź pierwszy!
Czytaj dalej

Google DeepMind prezentuje WeatherNext 3 – nowy model AI do prognozowania pogody
Google DeepMind i Google Research wprowadziły WeatherNext 3, zaawansowany model sztucznej inteligencji, który ma zrewolucjonizować prognozowanie pogody, oferując większą dokładność i częstotliwość aktualizacji.
Redakcja Aigest15 godz. temu

NeoMME: Nowy, wydajny enkoder multimodalny i wielojęzyczny
Hugging Face przedstawia NeoMME, innowacyjny enkoder multimodalny i wielojęzyczny, który efektywnie przetwarza tekst, obrazy i dźwięk, oferując jednocześnie wysoką wydajność i wszechstronność w różnych zadaniach AI.
Redakcja Aigest17 godz. temu

Nvidia przejmuje Hugging Face za 12,93 miliarda dolarów, stawiając na otwarte modele AI
Nvidia oficjalnie potwierdziła przejęcie platformy Hugging Face za 12,93 miliarda dolarów, co ma umocnić jej pozycję w ekosystemie otwartych modeli sztucznej inteligencji. Transakcja podkreśla strategiczne znaczenie otwa
Redakcja Aigest18 godz. temu

AI w cyberbezpieczeństwie to miecz obosieczny, który wymaga kontroli
Model Astra od OpenAI, Gemini 3.8 Flash Cyber od Google i program Fairwind to sygnały, że AI w cyberbezpieczeństwie to nie tylko szansa, ale i ogromne ryzyko. Potrzebujemy pilnie mechanizmów kontroli.
Michał Chmielarz22 godz. temu
Perplexity udostępnia Lily: silnik wnioskujący w Rust i Metal dla Apple Silicon
Firma Perplexity udostępniła Lily, lokalny silnik wnioskujący oparty na Rust i Metal, zoptymalizowany dla układów Apple Silicon. Narzędzie to, będące częścią Perplexity Computer, wykazuje znaczną przewagę wydajnościową n
Redakcja Aigest23 godz. temu
Udoskonalanie modeli językowych dla lepszych wyników strukturalnych w 100 krokach GRPO
Hugging Face prezentuje nową metodę GRPO (Generative Rank-Preserving Optimization) w bibliotece TRL, która umożliwia efektywne dostrajanie modeli językowych do generowania strukturalnych danych wyjściowych, minimalizując
Redakcja Aigestwczoraj
Bądź na bieżąco ze światem AI
Najważniejsze newsy, recenzje i poradniki — raz w tygodniu, prosto na maila. Bez spamu.