Applied Compute - GlobalFeed

Applied Compute

Applied Compute تفتح التدريب الكامل لـKimi K3: انخفاض وحدات المعالجة لكل نسخة 40 في المئة

الضبط الدقيق لنموذج Moonshot المفتوح الأوزان بثلاثة تريليونات معامل على AC2: مشغّلات مخصصة تحرر نحو 90 غيغابايت لكل وحدة، واستدلال MXFP4 يعمل على عقدتين بدل أربع.

Applied Compute

Applied Compute opens full Kimi K3 training: GPUs per replica down 40 percent

Fine-tuning Moonshot's 3-trillion-parameter open-weight model on AC2: custom activation operators free ~90 GB per GPU, and MXFP4 inference runs on 2 nodes instead of 4.

Applied Compute

Applied Compute, Kimi K3'ün tam eğitimini açtı: replika başına GPU ihtiyacı yüzde 40 düştü

3 trilyon parametrelik açık ağırlıklı Kimi K3'ün ince ayarı AC2'de: özel aktivasyon operatörleri GPU başına ~90 GB bellek kurtarıyor, MXFP4 çıkarımı 4 yerine 2 düğümle dönüyor.