IDstory /Näringsliv/

Silicon Valley är missnöjt med Kinas öppna AI-strategi - senast med Kimi K3

(2026.07) Silicon Valley is unhappy with China’s Kimi K3. Here’s what it doesn’t understand

Det finns en känsla av att historien upprepar sig med Moonshot AI:s nya modell, Kimi K3. För bara ett och ett halvt år sedan visade DeepSeek att AI-fronten inte kunde skyddas av en mur av chip, kapital och datacenter. Nu gör Kimi K3 samma sak igen: en kinesisk modell som till synes dyker upp från ingenstans för att matcha eller överträffa betydligt dyrare amerikanska motsvarigheter, vilket tvingar oss att ännu en gång omvärdera vem som faktiskt leder utvecklingen.

En av 70 artiklar på BiBB i kategorin Näringsliv
AI och samhallsförändring (T) IT (T) USA (T)

Kimi K3 har omedelbart etablerat sig bland världens bästa modeller, med särskilt slående resultat inom gränssnittsprogrammering, där den i blindtester föredrogs framför Anthropic och OpenAI. Den ligger redan topp tio på Arena-topplistan, före Claude Opus 4.8, om än baserat på få röster och preliminära resultat. Man bör inte behandla ett benchmark som absolut sanning, men det vore absurt att ignorera vad det signalerar: ett kinesiskt företag har producerat en toppmodern modell, med 2,8 biljoner parametrar, en miljon tokens och ett löfte om att publicera sina vikter den 27 juli.

Det spelar ingen roll att Kimi K3 under några veckor är nummer ett i ett specifikt test. Det som spelar roll är att DeepSeek inte längre kan avfärdas som en anomali. Kina har inte nått framgång genom en lyckträff i ett enskilt laboratorium; det har skapat ett ekosystem. DeepSeek, Moonshot, Alibaba, Z.ai, MiniMax, Baidu, Tencent och Xiaomi konkurrerar intensivt, delar framsteg via open source-modeller och gör varje innovation till utgångspunkt för nästa. Men det handlar inte bara om Kinas dominans: de ledande AI-bolagen i Silicon Valley är fyllda av kinesiska ingenjörer.

I flera år har USA beskrivit AI-kapplöpningen som en fråga om skala: fler processorer, mer data, mer energi och mer kapital. Den affärsmodell som blivit resultatet är typiskt Silicon Valley: slutna system, API-baserad åtkomst, höga priser och fullständigt beroende av leverantören. Kina följer en annan strategi: öppna modeller eller öppna vikter, lägre kostnader, effektiva arkitekturer och en stark fokusering på matematisk och teknisk innovation, stödd av världens största överskott av ingenjörer. Detta är resultatet av en politik som har planerats noggrant under decennier.

AI-modellen spelar inte längre roll; det handlar om orkestrering
medium.com

Den skillnaden är långt mer betydelsefull än en enskild ranking. Open source är varken altruism eller akademisk naivitet: det är industripolitik. En öppen modell kan laddas ner, anpassas, finjusteras med proprietär data och driftsättas utan att varje fråga måste skickas till ett utländskt företag. För företag och regeringar som inte vill vara helt beroende av OpenAI, Anthropic, Google eller Microsoft är den möjligheten oerhört attraktiv. Modellen upphör att vara en produkt och blir i stället infrastruktur.

DeepSeek har redan visat kraften i detta angreppssätt. Dess arbete med matematisk resonemangsförmåga introducerade tekniker som GRPO, ursprungligen beskriven i DeepSeekMath, vilket möjliggör förstärkningsinlärning genom att jämföra grupper av svar utan att kräva en andra, lika stor utvärderingsmodell. Idén utnyttjar områden som matematik och programmering, där svar kan verifieras automatiskt. I stället för att förlita sig på arméer av mänskliga annoterare lär sig systemet från verifierbara resultat, tester och formella belöningar.

Moonshot bygger vidare på samma kultur. Kimi K2.5 kombinerade syn, resonemang och agenter och introducerade en svärm-arkitektur som kan dela upp uppgifter och utföra dem parallellt. Tidigare arbete, såsom Mooncake, visade prestandaförbättringar genom smartare hantering av cache och inferensinfrastruktur. Kimi K3 är inte resultatet av improvisation: det är resultatet av en utvecklingslinje rotad i arkitektur, optimering och driftsättning. Det är inte magi, utan matematik och ingenjörskonst.

USA:s restriktioner på chip var avsedda att bromsa denna process. I vissa avseenden har de lyckats, men de har också skapat ett kraftigt incitament att utnyttja varje tillgänglig processor bättre. När ett problem inte kan lösas genom att köpa tio gånger mer hårdvara, ligger lösningen i bättre algoritmer, att aktivera endast delar av modellen, att minska precisionen utan att förlora kvalitet, att optimera kommunikationen och eliminera flaskhalsar. Brist, när den hanteras väl, upphör att vara en nackdel och blir ett evolutionärt tryck.

Silicon Valley har anklagat kinesiska företag för kunskapsdestillation. Enligt Anthropic har man upptäckt miljontals bedrägliga interaktioner som använts av Moonshot, DeepSeek och MiniMax för att extrahera kapacitet från Claude. Anklagelsen förtjänar uppmärksamhet, men den avslöjar en obekväm motsägelse: Anthropic erkänner själv att destillation är en vanlig och legitim teknik i branschen. Dessutom har amerikanska företag i åratal tränat modeller på enorma mängder data producerade av andra, utan att be om tillstånd eller ersätta dem. Att nu framställa lärande från utdata som en uteslutande kinesisk synd är, minst sagt, selektivt.

Dessutom, även om en del av Kinas framsteg skulle bygga på amerikanska modeller, förklarar det inte dess effektivitet, dess arkitektur eller dess förmåga att omvandla dessa framsteg till öppna och prisvärda system. Att kopiera svar skapar inte automatiskt en massiv modell, en infrastruktur som kan stödja den eller en gemenskap redo att förbättra den.

Det finns skäl att vara försiktig. Inledande resultat kan förändras, vikterna för Kimi K3 är ännu inte tillgängliga, och att köra en modell av den storleken kräver enorma resurser. USA:s handelskammares National Institute of Standards and Technology rapporterade i maj att DeepSeek V4 Pro fortfarande låg ungefär åtta månader efter de mest avancerade amerikanska modellerna i vissa oberoende utvärderingar, även om man också noterade dess kostnadsfördel i flera tester.

Men det är just poängen: ett försprång på åtta månader upphör att vara strategiskt när utmanaren lär sig snabbare, publicerar sina framsteg och lägger grunden för ett helt ekosystem. USA kan fortsätta att lansera de mest kraftfulla modellerna, men Kina visar att det kan lansera en modell som är tillräckligt kraftfull, men betydligt billigare, mer anpassningsbar och mer öppen.

DeepSeek var varningssignalen. Kimi K3 bekräftar mönstret. AI-kapplöpningen kommer inte nödvändigtvis att vinnas av den som bygger den största modellen, utan av den som lyckas sprida sina innovationer snabbast. Och i det avseendet är Kinas strategi inte bara allt mer konkurrenskraftig; den har potential att vara överlägsen.

Referenser

Original: Silicon Valley is unhappy with China’s Kimi K3. Here’s what it doesn’t understand, Enrique Dans (2026.07.19) | Medium.com
Enrique Dans, homepage in Spanish
Artikeln är publicerad med tillstånd av skribenten enligt Creative CommonsORD på BiBB
About BiBB, a media company and an encyclopedia 4.0

Skribent

Enrique Dans, Professor of Innovation, IE Business School in Spain

IE Business School Wikipedia, 41 referenser

Enrique Dans: 2026.07.19 Publicerades på BiBB: 2026.07.19

SMS:a en kommentar
genom att klicka här [ öppnar din app ] SMS:a en kommentar till 076 034 32 20 eller mejla.

Kategorier 25 Näringsliv 70 Enrique Dans 58

Kommentarer - info

Din kommentar // Namn, titel (Datum)

Vad skulle du vilja läsa om på BiBB? Hör av dig.

You know a lot, we may add a little^®