SmartDigest Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

Silnik sandboxów, na którym trenowano Kimi K3, jest już otwarty

kvcache-ai otworzyło AgentENV, platformę do stawiania tysięcy odizolowanych sandboxów, na której trenowano agentową część Kimi K3, flagowego modelu Moonshot AI. Silnik stoi na mikromaszynach Firecracker ze snapshotami, więc sandbox wstaje w mniej niż 50 milisekund, a bezczynny oddaje pamięć hostowi i można go rozszczepić na kilka równoległych kopii. Wystawia API zgodne z E2B, więc kod z chmurowej usługi przenosisz na własny serwer bez zmiany linijki, ale liczby to na razie deklaracja producenta, a sam AgentENV nie ma autoryzacji, więc nie wolno wystawiać go do publicznej sieci.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  5 min  · 

Silnik sandboxów, na którym trenowano Kimi K3, jest już otwarty
Ilustrację przygotowała AI.

Kiedy agent AI pisze kod, nie chcesz, żeby uruchamiał go na twoim laptopie. Dostaje osobne, odizolowane środowisko, coś w rodzaju jednorazowej maszyny, na której może zainstalować pakiety, odpalić polecenia i narobić bałaganu bez konsekwencji. Takie pudełko nazywa się sandboxem. Kłopot w tym, że jeśli agentów jest wielu albo jeden agent próbuje dziesiątek podejść do tego samego zadania, tych pudełek potrzeba tysiące, a każde kosztuje pamięć, procesor i czas na start. Do tej pory miałeś dwa wyjścia: płacić komercyjnej usłudze w chmurze w rodzaju E2B, która te sandboxy stawia i utrzymuje za ciebie, albo zbudować własną infrastrukturę od zera.

kvcache-ai właśnie udostępniło trzecią opcję. AgentENV, w skrócie AENV, to platforma do uruchamiania takich sandboxów na dużą skalę, ta sama, na której trenowano agentową część Kimi K3, flagowego modelu chińskiego laboratorium Moonshot AI. Kod jest teraz otwarty, więc infrastruktura, która wcześniej działała wewnątrz jednego laboratorium, trafia do każdego, kto ma odpowiedni serwer.

Powiem od razu, jak to czytam: liczby, którymi się chwalą, biorę na razie na słowo, a to, co w tym wydaniu jest naprawdę przydatne, celuje w dość wąską grupę odbiorców.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Moonshot wypuścił otwarty model agentowy i razem z nim test na to, czy cudze serwery go nie psują Model / Badania

Moonshot wypuścił otwarty model agentowy i razem z nim test na to, czy cudze serwery go nie psują

4 min

Moonshot AI wydał 21 kwietnia Kimi K2.6 na licencji Modified MIT — otwarty model agentowy z wynikami 58,6% na SWE-Bench Pro i 66,7% na Terminal-Bench 2.0, w cenie 0,60 dolara za milion tokenów wejścia, czterokrotnie taniej niż GPT-5.4. W pokazowym zadaniu przebudował silnik exchange-core w Javie i wyciągnął 185% wzrostu przepustowości po 13 godzinach pracy. Razem z modelem pojawił się Kimi Vendor Verifier — sześć testów sprawdzających, czy dostawcy serwują to, co podpisują marką K2.6.

 Kimi K3 zmieścił się w 8 GB RAM-u, ale liczy pół minuty na token Model / Badania

Kimi K3 zmieścił się w 8 GB RAM-u, ale liczy pół minuty na token

5 min

Fareed Khan uruchomił Kimi K3, model Moonshot AI o 2,78 biliona parametrów i 1,56 TB na dysku, na komputerze bez karty graficznej, który zużył 8,24 GB pamięci, bo silnik w przenośnym C99 dociąga potrzebnych ekspertów z dysku warstwa po warstwie. Płaci się za to 32,69 sekundy na token, a dosypanie 28 razy więcej pamięci daje ledwie 70 procent przyspieszenia, bo o tempie decyduje odczyt z dysku. Cenniejsza od samej sztuczki jest ostrożność w pomiarach: przy rozrzucie 33 procent między identycznymi uruchomieniami Khan odrzucił własną optymalizację wartą 5,4 procenta.

 Nowy Kimi K2: podwojone okno kontekstu i skok na SWE-Bench Model / Badania

Nowy Kimi K2: podwojone okno kontekstu i skok na SWE-Bench

3 min

Moonshot AI wypuścił Kimi K2-Instruct-0905, aktualizację modelu z otwartymi wagami, który na SWE-Bench Verified podskoczył z 65,8% na 69,2%, praktycznie zrównując się z Qwen3-Coder i tracąc tylko trzy i pół punktu do Claude Sonnet 4. Ciekawszy jest Terminal-Bench, gdzie 44,5% Kimi wyprzedza zarówno Sonnet 4, jak i mocniejszego Opus 4, więc model z otwartymi wagami bije zamkniętą czołówkę na jej boisku. Okno kontekstowe podwojono ze 128 do 256 tysięcy tokenów. Lokalnie tego nie postawisz, więc realną drogą zostaje API zgodne z interfejsem OpenAI i Anthropica.