Moonshot, ticari koşullar içeren Kimi K3.1 Pro ağırlıklarını indirmeye açtı
Moonshot, daha önce uygulamaları ve programlama arayüzü üzerinden sunduğu Kimi K3.1 Pro’nun model ağırlıklarını Hugging Face’te yayımladı. 4 Kasım’da gerçekleşen teslim, başka kuruluşların modeli kendi altyapısında çalıştırmasına olanak veriyor. Lisans değişiklik yapmaya ve yeniden dağıtıma izin verirken büyük ticari hizmetlere ek koşullar getiriyor; kendi sunucusunda kullanmak isteyenler bu koşullara bağlı.
Yapay Zekâ··Öğle
Ağırlıklar, uygulama ve arayüzün ardından yayımlandı
Kimi model ailesini geliştiren Çinli Moonshot AI, Kimi K3.1 Pro’nun indirilebilir ağırlıklarını 4 Kasım’da model paylaşım platformu Hugging Face’te yayımladı. Şirket, modeli 23 Ekim’de uygulamalarına ve programlama arayüzüne getirirken ağırlıkları daha sonra sunacağını açıklamıştı. Herkese açık depo, başka kuruluşların modelin öğrenilmiş sayısal değerlerini indirip kendi altyapısında kullanmasına olanak veriyor. Böylece Moonshot’ın sunduğu hizmete bağlanmanın yanında modeli ayrı bir altyapıda çalıştırma yolu açılıyor.[1], [2]
Lisans, büyük ticari hizmetlere koşul getiriyor
Lisans, kullanıma, değişiklik yapmaya, ince ayara ve yeniden dağıtıma izin veriyor. Model erişimini hizmet olarak satan şirketlerin, lisansta belirtilen yıllık gelir sınırını aştığında ayrı bir ticari anlaşma yapması gerekiyor. Kullanıcı sayısı veya aylık gelir sınırını aşan büyük ürünlerde ise model adını görünür biçimde gösterme koşulu bulunuyor. ArtificialWatch’ın lisans metinleri karşılaştırmasına göre bu koşullar Kimi K3’tekiyle aynı; metinde modelin adı güncellenmiş durumda.[1]
Model, kendi lisans koşullarıyla ayrı sunucularda çalıştırılabiliyor
Bu ek ticari koşullar, işletmelerin modeli kendi iç işlerinde kullanmasına uygulanmıyor. Moonshot’ın model açıklamasına göre ağırlıklar, yayımlanan sayısal biçimde eğitildi; eğitim bittikten sonra bu biçime sıkıştırılmadı. K3.1 Pro, girdideki ilgili bölümlerin seçilmesini sağlayan dikkat düzeneğinde Kimi K3’ten ayrılıyor. Tam dikkat katmanlarının yerine uzun girdiler için tasarlanan seyrek dikkat katmanları kullanılıyor. Modelin indirilmesi, kullanım ve yeniden dağıtım için kendi lisansında yazan koşullara bağlı kalıyor.[1]
