«در آستانهی کنفرانس WAIC، چین با «Kimi K3» و ۲.۸ تریلیون پارامتر، رکورد «بزرگترین مدل متنباز جهان» را جابهجا کرد. این مدل که در بنچمارکهای مختلف، پای به پای «کلود فیبل ۵» و «جیپیتی-۵.۶ سول» پیش میرود و در برخی آزمونها حتی از آنها پیشی میگیرد، «معادلهی قدرت» را در هوش مصنوعی به چالش کشیده است. حالا با «پنجرهی متنی یک میلیون توکنی» و «قیمتگذاریِ رقابتی»، «دسترسیِ همگانی» به «سلاحیِ راهبردی» در برابر «انحصارِ مدلهایِ بسته» تبدیل شده است.»
🧠 «غولِ ۲.۸ تریلیون پارامتری» با «۸۹۶ متخصص»
در تاریخ ۱۶ ژوئیه ۲۰۲۶، شرکت چینی «ماهعاشقانه» (Moonshot AI) از مدل جدید خود با نام Kimi K3 رونمایی کرد. این مدل با ۲.۸ تریلیون پارامتر، عنوان «بزرگترین مدل متنباز (Open-Weight) جهان» را به خود اختصاص داده است . Kimi K3 از معماری Mixture of Experts (MoE) با ۸۹۶ متخصص استفاده میکند که در هر بار پردازش، تنها ۱۶ متخصص از میان آنها فعال میشوند .
سه نوآوریِ کلیدیِ معماریِ این مدل:
- 「Kimi Delta Attention (KDA)」: یک مکانیزم توجه ترکیبی-خطی که سرعت رمزگشایی را در سناریوهای طولانی تا ۶.۳ برابر افزایش میدهد .
- 「Attention Residuals (AttnRes)」: جایگزینی برای Residual Connections که با کمتر از ۲٪ هزینهی محاسباتی اضافی، بازدهی آموزش را تا ۲۵٪ بهبود میبخشد .
- 「پنجرهی متنی یک میلیون توکنی»: Kimi K3 بهصورت بومی از یک میلیون توکن پشتیبانی میکند و میتواند تصاویر را در کنار متن پردازش کند .
⚔️ «نبردِ بنچمارکها»؛ از «برابری با اوپوس ۴.۸» تا «پیشیگیری از جیپیتی-۵.۶ سول»
Kimi K3 در بنچمارکهای متعدد، عملکردی در سطح مدلهای بستهی برتر جهان نشان داده است:
در «Artificial Analysis Intelligence Index»: Kimi K3 با امتیاز ۵۷ در رتبهی سوم جهانی قرار گرفته است که仅次于 Claude Fable 5 و GPT-5.6 Sol و قابلمقایسه با Claude Opus 4.8 و GPT-5.5 است .
در «AA-Briefcase» (آزمونِ عاملِ دانشمحور): Kimi K3 با امتیاز ۱۵۴۳، از GPT-5.6 Sol (۱۵۰۱) پیشی گرفته و تنها پس از Claude Fable 5 (۱۵۷۴) در جایگاه دوم قرار گرفته است .
در «Frontend Code Arena»: Kimi K3 با ۱۶۷۹ امتیاز در صدر جدول قرار گرفته و از Claude Fable 5 (۱۶۳۱) و GPT-5.6 Sol (۱۶۱۸) پیشی گرفته است .
در سایر بنچمارکها:
| بنچمارک | امتیاز Kimi K3 | توضیح |
|---|---|---|
| Program Bench | ۷۷.۸ | پیشیگیری از Fable 5 (۷۶.۸) و GPT-5.6 Sol (۷۷.۶) |
| BrowseComp | ۹۱.۲ | کسب بالاترین امتیاز (SOTA) در检索 بلندمدت |
| SWE Marathon | ۴۲.۰ | پیشیگیری از هر دو رقیب |
| Terminal Bench 2.1 | ۸۸.۳ | تنها ۰.۵ امتیاز کمتر از GPT-5.6 Sol (۸۸.۸) |
| GDPval-AA v2 | ۱۶۶۸ | پیشیگیری از GPT-5.5 (۱۴۹۴) و Claude Opus 4.8 (۱۶۰۰) |
| AutomationBench-AA | ۵۳٪ | رتبهی اول در ارزیابیِ عاملهای SaaS |
با این حال، ماهعاشقانه صراحتاً اعلام کرده است که «تجربهی کاربری کلی» Kimi K3 همچنان از Claude Fable 5 و GPT-5.6 Sol عقبتر است . همچنین در DeepSWE، Kimi K3 با امتیاز ۶۷.۵ از Fable 5 (۷۰.۰) و GPT-5.6 Sol (۷۳.۰) عقبتر است .
💰 «قیمتگذاریِ رقابتی»؛ از «۰.۹۴ دلار برای هر وظیفه» تا «انتشارِ رایگانِ وزنها»
قیمتگذاری API Kimi K3 به شرح زیر است:
| نوع | قیمت (به ازای هر ۱ میلیون توکن) |
|---|---|
| ورودی (Cache Hit) | ۰.۳۰ دلار |
| ورودی (Cache Miss) | ۳.۰۰ دلار |
| خروجی | ۱۵.۰۰ دلار |
این قیمتها، Kimi K3 را در محدودهی مدلهای میانردهی غربی قرار میدهد . بر اساس测算های Artificial Analysis، هزینهی هر وظیفه (Task Cost) با Kimi K3 حدود ۰.۹۴ دلار است که با GPT-5.6 Sol (۱.۰۴ دلار) نزدیک بوده و حدود نیمی از Claude Opus 4.8 (۱.۸۰ دلار) هزینه دارد .
اما مهمترین ویژگیِ استراتژیک Kimi K3، انتشار وزنهای کامل (Full Weights) آن تا ۲۷ ژوئیه ۲۰۲۶ است . این یعنی توسعهدهندگان در سراسر جهان میتوانند این مدل ۲.۸ تریلیون پارامتری را دانلود، اجرا و بر روی آن فاینتون کنند – به شرطی که سختافزار لازم برای اجرای آن را در اختیار داشته باشند.
🌍 «واکنشهای جهانی»؛ از «تأییدِ ایلان ماسک» تا «نگرانیِ اوپنایآی»
ایلان ماسک در واکنش به عملکرد Kimi K3 در بنچمارکها، در شبکهی اجتماعی X نوشت: «Impressive (قابلتوجه)» .
دین بال، مدیر «آیندههای راهبردی» OpenAI، در پستی در X نوشت که «جهانی تحت سلطهی مدلهای متنباز» میتواند به «کمونیسمِ کاملِ هوش مصنوعی» منجر شود – آیندهای که او آن را «یک جهنمِ دیستوپیایی» توصیف کرده است . با این حال، او در همان پست اعتراف کرده است که Kimi K3 «یک مدلِ بسیار خوب» به نظر میرسد .
تقاضای بیسابقه: تنها سه روز پس از انتشار، ماهعاشقانه مجبور شد ثبتنامِ جدید را بهطور موقت متوقف کند، زیرا تقاضا برای این مدل، ظرفیتِ محاسباتیِ موجود这家 شرکت را تحتالشعاع قرار داده بود .
📊 جدولِ مقایسه: «Kimi K3» در برابر «بهترینهای بسته»
| ویژگی | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol |
|---|---|---|---|
| وضعیت وزنها | باز (Open-Weight) | بسته | بسته |
| تعدادِ پارامتر | ۲.۸ تریلیون | ~۱.۵ تریلیون | ~۱.۸ تریلیون |
| پنجرهی متنی | ۱ میلیون توکن | ۱ میلیون توکن | نامشخص |
| قیمت ورودی | ۳.۰۰ دلار | ۱۰.۰۰ دلار | ۵.۰۰ دلار |
| قیمت خروجی | ۱۵.۰۰ دلار | ۵۰.۰۰ دلار | ۳۰.۰۰ دلار |
| هزینهی هر وظیفه | ۰.۹۴ دلار | ~۱.۸۰ دلار | ۱.۰۴ دلار |
| رتبه در AI Index | سوم (۵۷) | اول (۶۶) | دوم (۶۳) |
| AA-Briefcase | ۱۵۴۳ (دوم) | ۱۵۷۴ (اول) | ۱۵۰۱ (سوم) |
| Frontend Code Arena | ۱۶۷۹ (اول) | ۱۶۳۱ (دوم) | ۱۶۱۸ (سوم) |
«لحظهای که «متنباز» به «مرزِ فناوری» رسید»
نام این رویداد را باید «لحظهی بلوغِ متنباز» گذاشت. Kimi K3 با ۲.۸ تریلیون پارامتر، معماری MoE با ۸۹۶ متخصص و عملکردی در سطح بهترین مدلهای بسته، ثابت کرده است که «متنباز» دیگر به معنای «ضعیفتر» یا «ارزانتر» نیست. این مدل نشان داده که با «نوآوریِ معماری» و «دسترسیِ همگانی»، میتوان به سطحی از عملکرد دست یافت که تا دیروز فقط در انحصار شرکتهای با بودجههای میلیاردی بود.
پرسشِ بیپاسخ این است: آیا انتشار وزنهای کامل در ۲۷ ژوئیه، که به توسعهدهندگان امکان اجرای محلی میدهد، میتواند «وفاداریِ کاربران» را از مدلهای بسته به سمت این غولِ متنباز جذب کند؟ و آیا «قیمتگذاریِ رقابتی» آن، که در حد مدلهای میانردهی غربی است، میتواند «معادلهی اقتصادیِ» هوش مصنوعی را تغییر دهد؟
یک چیز قطعی است: Kimi K3 با ۲.۸ تریلیون پارامتر، «دکمهی شروعِ» یک «عصرِ جدید» را در صنعتِ هوش مصنوعی فشار داده است. عصرِ «متنبازِ در سطحِ مرزِ فناوری». و در این عصر، برنده کسی نیست که «بزرگترین بودجه» را دارد، بلکه کسی است که «بهترین معماری» و «بازترین دسترسی» را ارائه دهد. سؤال این نیست که آیا «متنباز» میتواند به «مرزِ فناوری» برسد – که رسیده است. سؤال این است که «مدلهای بسته» چه پاسخی برای این «غولِ رها شده» خواهند داشت.
۴ پاسخ به “رکوردشکنی با Kimi K۳؛ بزرگترین مدل متنباز جهان در آستانه WAIC”
خوب بود
مفید و کاربردی 👌
دمت گرم ستون
تشکر