# Fireworks AI redovisar snabbare förstärkningsinlärning för Kimi K3

> Fireworks AI uppger att träningen går upp till 2,6× snabbare och att den juridiska modellen får bättre resultat med Kimi K3, som har 2,8 biljoner parametrar.

Oossa · 2026-10-23 · https://oossa.com/sv/fireworks-ai-details-speed-gains-for-kimi-k3-reinforcement-learning

Fireworks AI har publicerat en teknisk rapport om hur företaget snabbar upp förstärkningsinlärningen för modellen Kimi K3, ett system med 2,8 biljoner parametrar och ett kontextfönster på 1 miljon token. Företaget beskriver nya kärnor och kommunikationstekniker som ger 1,3–2,6× snabbare framåt- och bakåtpass. Med samma upplägg fick den Kimi-baserade juridiska modellen Harvey Tenet 19,7 % godkänt på samtliga uppgifter i benchmarktestet LAB Contracts, vilket slog det tidigare bästa resultatet på 11,5 % för Fable 5.

## Fakta

- Kimi K3 har 2,8 biljoner parametrar och ett kontextfönster på 1 miljon token.
- Harvey Tenet fick 19,7 % godkänt på samtliga uppgifter i LAB Contracts, jämfört med Fable 5:s 11,5 %. 

## Varför det spelar roll

Hastighetsförbättringarna gör att utvecklare snabbare kan testa specialiserade AI-policyer, och det högre resultatet i det juridiska benchmarktestet visar att modellen klarar komplex avtalsanalys bättre.

## Källor och referenser

1. [Kimi K3 on Fireworks: Fast RL at frontier scale](https://fireworks.ai/research/kimi-k3-on-fireworks-fast-rl-at-frontier-scale/) – Fireworks AI

Senast uppdaterad: 2026-10-23