Kimi K3 – DeepSeek 2.0 på marknaden?

Modellen är världens största open-source modell med 2,8 trillion parametrar (jmf Claude Fable cirka 5 trillion) vilket innebär att vem helst som kan ladda ner, modifiera vikterna och använda den. Modellen har visat sig vara kostnadseffektiv och högkalibrig, främst inom kodning, och passerar de flesta amerikanska AI-bolagens modeller på topplistan där man enbart rankar lägre än Anthropic och OpenAIs mest avancerade modeller Fable samt GPT-5.5.  

När det gäller prissättningen för modellen så kan man se ett tydligt skifte från den aggressiva lågprisstrategi som användes vid lanseringen av DeepSeek. Denna verkar man nu övergett för att prissätta Kimi K3 i linje med Anthropics tidigare modell Claude Sonet 5. Modellen tar dessutom ett tydligt hopp upp från sin föregångare Kimi K2.6 och är 2-4x dyrare än denna. Däremot är Kimi K3 betydligt billigare än Anthropics mest kapabla modell Fable 5 med ca 60% lägre pris (länk). 

Till följd av denna lansering föll halvledarmarknaden (PHLX) kraftigt och är i skrivande stund ner cirka 20%, varav 10% senaste veckan, efter att ha noterat ATH i slutet av juni. Den näst största drawdown för indexet sedan liberation day när det kraschade ~30% på några veckor. PHLX är efter raset upp cirka 60% YTD. 

Kimi K3 lanseringen är bara en i raden av flera AI dystopier som fått marknaden att störtdyka för att sedan (hittills) rekylera rekordsnabbt. Tidigare har det varit allt i från DeepSeek (länk), Googles Turboquant innovation inom minneschip (länk) och Michael Burrys återkommande AI-kortningar (länk) som fått marknaden att vika söderut. Att denna nedgång blivit kraftigare än tidigare är enbart ett resultat av en kraftig uppgång YTD i kombination med en marknad som letar anledningar till att ta hem vinst. Lägg till en uppblossande konflikt i Iran och en hel del leverage så får man en cocktail som heter Korrektion. 

Hur har Kina lyckats med detta? 

Även om de nya modellerna är väldigt avancerade och rankar i topp så finns det stora anledningar till detta. Kineserna använder sig av en process som kallas för AI-destillation som går ut på att ställa frågor till en amerikansk modell, analysera svaren och på så sätt ta bakvägen till hur modellen är uppbyggd. På så sätt kan man påskynda utvecklingen genom att tillgodogöra sig en annan modells arkitektur. Detta är själva AI-modellerna i sig. När det gäller tillgång till AI-chip för att träna modellerna finns egentligen två alternativ för kineserna. Det första är att träna dessa via molnet hos molnbolag baserade i Sydostasien som har tillgång till Nvidias GPU:er. Det andra är att träna på inhemska AI-chip designade av Huawei och tillverkade av SMIC. Tillgången på dessa är dock begränsade. Ett tredje alternativ är att de tränas på redan inköpta eller insmugglade Nvidia GPU:er. Något som gör att vi kan förvänta oss ett fortsatt flöde av AI-innovation från Kina även framåt. 

Vad innebär detta för AI-marknaden? 

Fundamentalt har inget förändrats även om volatiliteten kan kvarstå tills marknaden hunnit bearbeta implikationerna av Kimi K3. Den största påverkan kommer troligtvis vara på de som kallas frontier labs, det vill säga OpenAI och Anthropic som utvecklar frontier models. Lanseringen av flera nya, billiga open-source modeller (främst från Kina) har gjort att flera start ups börjat använda dessa, vilket också spridit sig till flertalet Fortune 500 bolag (länk). Bolag som Airbnb, DoorDash, UBS och Cursor (köpt av xAI) har exempelvis redan börjat implementera dessa i viss mån, men med tydliga "guardrails" för att värna om sin cybersäkerhet. Utmaningen för frontier modeller blir om fler kunder vill använda billigare, open source modeller för att minska kostnaden. Detta är en av anledningarna till att vi redan i början av året allokerat mer kapital till billigare CPU:er och ASIC:s (skräddarsydda AI-chip) framför dyra GPU:er, när marknaden övergår till inferencing där kostnader blir viktigare än prestanda. 

Resultatet av billigare AI-modeller borde också leda till Jevons Paradox (precis det som skedde med DeepSeek). Det vill säga att AI-användningen exploderar till följd av lägre kostnad. Volym kompenserar för pris och plötsligt kan vi optimera flera workloads som tidigare hade varit väldigt dyra. Det stora skiftet ser således ut att bli ett större fokus på kostnadskontroll från kunderna när de väljer AI-modell. Kinesisk innovation inom AI-modeller har hittills inte lett till lägre AI-efterfrågan, utan tvärt om. Kimi K3 kommer sannolikt, precis som DeepSeek, påskynda innovationstakten och få kostnaden för AI att sjunka ytterligare med ökad användning som följd. 

Hur ser vi på det som sker? 

Denna korrektion kom inte som en överraskning givet den kraftiga uppgången i år. Den hängde lite i luften och ska egentligen ses som ett sundhetstecken för marknaden. Hyperscalers ser vi som attraktiva och några av de största vinnarna på större användning av kinesiska (och amerikanska) open-source modeller eftersom de distribuerar dessa via sina molnplattformar. På halvledarsidan har vi inte gjort några större förändringar utan äger fortsatt bolag i värdekedjan som fokuserar på billigare alternativ till GPU:er så som AMD, Intel och Mediatek. Vi har tidigare under våren tagit ner vikten i ett par bolag där förväntningarna sprungit i väg. Vi äger fortsatt minnesbolag där värderingarna nu kommit ner på låga ensiffriga multiplar samtidigt som kapaciteten är slutsåld för hela 2027. Marknaden försöker nu utröna hur efterfrågan ser ut 2028. Givet att AI-användningen fortsätter växa i högre takt än vad det tar att bygga en halvledarfabrik så ser vi fortsatt tajt kapacitet under en längre tid framöver innan denna hinner ikapp efterfrågan. TSMCs och ASMLs rapporter var väldigt starka på alla plan. Båda bolagen är ytterst konservativa med sin kapitalallokering och när de lättar på fickorna ska det tas som ett tydligt tecken på att efterfrågan från kunderna finns flera år framåt. Av denna anledning är vi inte heller nervösa över capex-siffrorna från hyperscalers nästa vecka. Även om fortsatta vinstrevideringar blir viktiga framåt så kommer kommentarer om framtiden och ytterligare positiva datapunkter för AI-användningen att stå i centrum för att lyfta AI sentimentet igen. 

Källor: Financial Times, Bloomberg, Yahoo Finance, Artificial Intelligence, AI Arena