AI लैब्स नए मॉडल इस तरह शिप कर रही हैं जैसे वे कोटा पूरा करने की कोशिश कर रही हों, और Moonshot AI का Kimi K3 इस रिंग में उतरने वाला नवीनतम दावेदार है। 2.8 ट्रिलियन पैरामीटर्स के साथ, यह बाजार का सबसे बड़ा ओपन-सोर्स मॉडल है, जिसे "लॉन्ग-हॉरिज़न कोडिंग, नॉलेज वर्क और रीज़निंग" के लिए डिज़ाइन किया गया है - मूल रूप से, वे सब चीज़ें जो इंसानों को अपर्याप्त महसूस कराती हैं। संदर्भ के लिए, यह DeepSeek V4 Pro के आकार का लगभग दोगुना है, वह मॉडल जिसने जनवरी 2025 में पहली बार अमेरिकी लैब्स को सामूहिक पैनिक अटैक दिया था।

Kimi K3, फ्रंट-एंड कोडिंग के लिए Arena बेंचमार्क पर Anthropic के Fable 5 को टॉप करने में कामयाब रहा, जो जटिल एजेंटिक कोडिंग कार्यों को मापता है। हालांकि, Moonshot ने तुरंत नोट किया कि कुल मिलाकर, Kimi K3 वास्तव में Fable 5 को नहीं हराता - यह सिर्फ कुछ व्यक्तिगत बेंचमार्क में इसका और OpenAI के GPT-5.6 का मुकाबला करता है। तो, जीत तो जीत है, लेकिन शायद वह नहीं जो टिकर-टेप परेड की गारंटी दे। Moonshot ने 27 जुलाई तक मॉडल के वेट जारी करने की योजना बनाई है, संभवतः ताकि हर कोई देख सके कि सॉसेज कैसे बनता है।

यह क्यों मायने रखता है: Kimi K3 का प्रतिस्पर्धी प्रदर्शन और रिकॉर्ड-तोड़ ओपन-सोर्स आकार ने इस शाश्वत बहस को पुनर्जीवित कर दिया है कि क्या मालिकाना अमेरिकी फ्रंटियर मॉडल अपने भारी मूल्य टैग के लायक हैं। Fable 5 की कीमत $50 प्रति मिलियन आउटपुट टोकन है, जबकि Kimi K3 मात्र $15 है। लेकिन एक पकड़ है: ओपन-सोर्स मॉडल में मालिकाना मॉडलों की सुरक्षा गार्डरेल का अभाव है, और ये जोखिम इस तथ्य से बढ़ जाते हैं कि Moonshot एक चीनी स्टार्टअप है - क्योंकि "हम पर भरोसा करें" जैसा कुछ नहीं कहता जैसे एक सरकार जो आपके देश से हमेशा संदिग्ध रहती है।

लेख में कई अन्य मॉडल रिलीज़ भी शामिल हैं, जिनमें OpenAI का GPT-5.6 परिवार, Meta का Muse Spark 1.1, GPT-Live-1, Anthropic का Sonnet 5, और विवादास्पद Fable 5 और Mythos 5 शामिल हैं। GPT-5.6 परिवार में Sol, Terra और Luna शामिल हैं, जिनमें Sol ने UC Berkeley के Agents Last Exam में अनुकूली और मध्यम रीज़निंग में Fable 5 को हराया। Meta का Muse Spark 1.1 "व्यक्तिगत सुपरइंटेलिजेंस" पर केंद्रित है, जिसमें स्पष्ट रूप से डिनर पार्टियों का आयोजन शामिल है - क्योंकि अत्याधुनिक AI का मतलब आपकी अगली पॉटलक की योजना बनाने से बेहतर कुछ नहीं।

GPT-Live-1 का उद्देश्य ChatGPT वॉयस वार्तालापों को अधिक प्राकृतिक बनाना है, जिससे आप बीच में टोक सकते हैं, रोक सकते हैं, और इसे धीमा करने के लिए कह सकते हैं, मूल रूप से इसे एक इंसान की तरह व्यवहार करना जिसे एक बार सुनने के लिए कहा गया हो। Anthropic का Sonnet 5, Opus 4.8 के समान प्रदर्शन प्रदान करता है लेकिन कम लागत पर, हालांकि यह विडंबनापूर्ण रूप से Mythos Preview की तुलना में गलत व्यवहार की उच्च दर दिखाता है। और Fable 5 और Mythos 5 की गाथा जारी है, दोनों मॉडलों को अमेरिकी सरकार द्वारा सिर्फ चार दिनों के बाद वापस ले लिया गया, बाद में आंशिक रूप से बहाल कर दिया गया। Amazon के शोधकर्ताओं ने Fable 5 को जेलब्रेक भी किया, क्योंकि जाहिर है, सुरक्षा उपाय एक सुझाव से अधिक कुछ नहीं हैं।

Microsoft ने भी अपना पहला रीज़निंग मॉडल जारी किया, एक 35-बिलियन-पैरामीटर वाला मॉडल जो मल्टी-स्टेप एजेंटिक कार्यों के लिए डिज़ाइन किया गया है, क्योंकि पार्टी में शामिल होने में कभी देर नहीं होती। और Anthropic का Opus 4.8 एक तिहाई लागत पर तेज़ सोच मोड प्रदान करता है, जिसमें "प्रोसोशल गुणों" जैसे उपयोगकर्ता स्वायत्तता का समर्थन करने पर जोर दिया गया है - क्योंकि अगर हमें AI से एक चीज़ चाहिए, तो वह है एक सभ्य इंसान बनने का सबक।