🌙 Kimi K3 (ماهعاشقانه / Moonshot AI)
تاریخ انتشار وزنها: ۲۷ ژوئیه ۲۰۲۶
مشخصات فنی:
- پارامترهای کل: ۲.۸ تریلیون (۲۸۰۰ میلیارد)
- پارامترهای فعال: ۱۰۴ میلیارد
- معماری: Mixture-of-Experts (MoE) با ۸۹۶ متخصص که در هر بار پردازش، تنها ۱۶ متخصص فعال میشوند
- پنجرهٔ متنی: ۱ میلیون توکن
- قابلیت چندوجهی: درک بومی متن و تصویر
نوآوریهای معماری:
- Kimi Delta Attention (KDA): مکانیزم توجه ترکیبی-خطی برای افزایش سرعت رمزگشایی
- Attention Residuals (AttnRes): جایگزینی برای Residual Connections با هزینهٔ محاسباتی کمتر از ۲٪
- Stable LatentMoE: افزایش بازدهی کلی تا ۲.۵ برابر نسبت به نسل قبل (Kimi K2)
مجوز: مجوز اختصاصی Kimi K3 License (شبیه به MIT修改版)
🧠 GLM-5.3 (智谱 AI / Zhipu AI)
تاریخ انتشار: ۱۴ آگوست ۲۰۲۶
وضعیت وزنها: وزنها در تاریخ ۲۸ آگوست ۲۰۲۶ منتشر خواهند شد
مشخصات فنی:
- پارامترهای کل: ۷۴۳ میلیارد (با معماری MoE)
- پایه: همانند GLM-5.2، اما با پسآموزش (Post-training) عمیقتر و بهبود یافته
- پنجرهٔ متنی: ۱ میلیون توکن
- قدرت کدنویسی: بهعنوان قویترین مدل منبعباز در کدنویسی شناخته شده است
عملکرد برجسته:
- امتیاز ۶۰ در شاخص Artificial Analysis Intelligence Index، همتراز با Claude Fable 5 و GPT-5.6 Sol
- رتبهٔ اول منبعباز در بنچمارکهای Terminal Bench 3.0 و Agents’ Last Exam (CLI)
- در CyberGym (ارزیابی امنیت سایبری) با ۸۴.۵٪، از GLM-5.2 با ۷۷.۲٪ پیشی گرفته است
قیمتگذاری API: مشابه GLM-5.2 (ورودی ۱.۴۰ دلار و خروجی ۴.۴۰ دلار به ازای هر ۱ میلیون توکن)
🧩 جدول مقایسهٔ دو مدل
| ویژگی | Kimi K3 | GLM-5.3 |
|---|---|---|
| شرکت | 月之暗面 (Moonshot AI) | 智谱 AI (Zhipu AI) |
| تاریخ انتشار وزنها | ۲۷ ژوئیه ۲۰۲۶ | ۲۸ آگوست ۲۰۲۶ (قریبالوقوع) |
| پارامترهای کل | ۲.۸ تریلیون | ۷۴۳ میلیارد |
| پارامترهای فعال | ۱۰۴ میلیارد | (نامشخص) |
| معماری | MoE با ۸۹۶ متخصص | MoE |
| پنجرهٔ متنی | ۱ میلیون توکن | ۱ میلیون توکن |
| قابلیت چندوجهی | بله (متن + تصویر) | (نامشخص) |
| قدرت ویژه | بزرگترین مدل منبعباز جهان | قویترین مدل منبعباز در کدنویسی |
| مجوز | Kimi K3 License | (در انتظار انتشار) |
| هزینهٔ API (ورودی/خروجی) | ۳ / ۱۵ دلار | ۱.۴۰ / ۴.۴۰ دلار |
🧭 جمعبندی
هر دو مدل، با وجود تفاوت در مقیاس و رویکرد، نقاط قوت مشخصی دارند:
- Kimi K3 با ۲.۸ تریلیون پارامتر، بزرگترین مدل منبعباز جهان است و با معماری KDA و Attention Residuals، در وظایف برنامهنویسی و دانشمحور عملکردی در سطح بهترین مدلهای بسته دارد.
- GLM-5.3 با پسآموزش عمیق، قویترین مدل منبعباز در کدنویسی شده و در بنچمارکهای امنیت سایبری نیز عملکردی چشمگیر دارد.
این «موج جدید» نشان میدهد که مدلهای منبعباز چینی دیگر فقط «ارزانتر» نیستند؛ در بسیاری از حوزهها، همتراز یا حتی برتر از مدلهای بسته عمل میکنند.
مقاله رو دوست داشتی؟ نظرت چیه؟


۷ پاسخ به “در هفتههای اخیر، دو مدل بزرگ از شرکتهای چینی «ماهعاشقانه» (Moonshot AI) و «智谱 AI» (Zhipu AI) با رویکرد متنباز (Open-Weight) منتشر شدهاند که نشاندهندهٔ عزم جدی این کشور برای پیشروی در حوزهٔ مدلهای منبعباز است.”
خیلی خفن بود
دمت گرم ستون
خوب بود
مفید و کاربردی 👌
مفید و کاربردی 👌
دمت گرم ستون
جالبه