Dans l'actualité
22,580: GPT-2 to Kimi K3, explained
Baseten · Publié le · 3 min de lecture
En 30 secondes
- Ce qui s'est passé
- Kimi K3 utilise 22 580 fois plus de paramètres que GPT-2, mais des innovations comme l'attention linéaire et DeltaNet transforment fondamentalement le traitement des séquences.
- Pourquoi ça compte
- Les ingénieurs optimisant des grands modèles de langage doivent comprendre l'évolution des techniques d'efficacité de 2019 à 2026 pour choisir leur architecture.
- Vigilance
- L'attention linéaire sacrifie l'expressivité du softmax pour un état de taille fixe, réduisant la bande passante mais perdant potentiellement en fidélité. DeltaNet ajoute de la complexité.
- gpt
- kimi
Les patterns derrière cette actualité
- Infini-Attention Architecture
- Process Reward Models & Verifier-Guided Search
- Progressive Consent & Communication
Chacun explique le fonctionnement de la technique, quand elle vaut son coût et où elle casse.
The Agent Architect
Un pattern, un compromis, une panne de production racontée. Un brief hebdomadaire court pour ceux qui construisent des systèmes agentiques.
Un email par semaine, désinscription en un clic. Votre adresse ne sert qu'à envoyer le brief.