آزمایشگاه هوش مصنوعی چینی Moonshot AI Kimi K3.1 Pro را در روز پنجشنبه منتشر کرد، اولین مدل از سری جدید K3.1 و چیزی که شرکت آن را تواناترین مدل وزن باز خود تا به امروز می‌نامد، با یک پنجره زمینه 1 میلیون توکن. این راه‌اندازی همچنین Kimi K3.1 Pro Highspeed را معرفی می‌کند، نسخه‌ای که شرکت می‌گوید دو تا سه برابر سریع‌تر از مدل استاندارد کار می‌کند. هر دو فوراً در Kimi.ai، Kimi Work، Kimi Code و Kimi API در دسترس هستند، با وزن‌های کامل مدل برای انتشار تا 4 نوامبر برنامه‌ریزی شده است.

چند روز پس از اینکه گزارش مالی 15 میلیارد دلاری DeepSeek رقابت را در میان آزمایشگاه‌های مرزی چین تشدید کرد، انتشار در لحظه‌ای در [مسابقه مدل باز] (https://aibuzzwire.news) منتشر می‌شود. بلومبرگ پرتاب را به عنوان اولین ارتقاء مهم Moonshot پس از "لحظه جستجوی عمیق" خود توصیف کرد و این مدل بلافاصله توجه خود را در اخبار هکر به خود جلب کرد، جایی که در عرض چند ساعت نزدیک به 400 امتیاز جمع آوری کرد.

رتبه چهارم در شاخص تحلیل مصنوعی

نتیجه سرفصل از شاخص هوش آنالیز مصنوعی می‌آید، که در آن Kimi K3.1 Pro 55 امتیاز کسب می‌کند - یک جهش 11 امتیازی نسبت به نسخه قبلی خود، Kimi K3، که آن را در رتبه چهارم قرار می‌دهد. بر اساس تجزیه و تحلیل مصنوعی، تنها سه مدل اختصاصی رتبه بالاتری دارند: Claude Opus 5.5 Anthropic در رتبه 58، Claude Sonnet 5.5 در رتبه 56، و Muse Wonder Full در رتبه 56.

شکاف برای اتفاقات بعدی بیشتر اهمیت دارد. اگر مون شات وزنه ها را طبق برنامه تا 4 نوامبر 2026 ارسال کند، K3.1 Pro به مدل وزن باز موجود با بالاترین امتیاز تبدیل می شود و فاصله بین بهترین مدل های باز و اختصاصی را از 12 امتیاز به 3 کاهش می دهد - با فرض اینکه هیچ چیز دیگری در هفته های میانی تغییر نکند.

Decoder گزارش داد که تعداد پارامترها در 2.8 تریلیون باقی می ماند، در حالی که Moonshot سیستم را به عنوان یک نسخه پس از آموزش Kimi K3 توصیف می کند که با محاسبات بسیار بزرگتر پس از آموزش ساخته شده است. این شرکت می‌گوید که یادگیری تقویتی مشترک در مقیاس بزرگ را در صدها دامنه پایین‌دستی اجرا کرده است، چارچوب RL، استنتاج با زمینه طولانی و زیرساخت سندباکس را به‌گونه‌ای که هر افزایش محاسبه بازدهی پایدار ارائه می‌دهد.

کدنویسی عاملی ستاره نمایش است

قوی ترین دستاوردهای K3.1 Pro در وظایف نمایندگی ظاهر می شود. در Terminal-Bench 4.0، که عوامل کدگذاری را بر روی وظایف ترمینال واقعی و محدود به منابع ارزیابی می‌کند، این مدل امتیاز 65.7% را کسب می‌کند - بالاتر از GPT-6 Astra OpenAI با 58.2% و با اندکی پس از Claude Opus 5.5 با 66.4%. برای چشم انداز، Kimi K3 تنها 13٪ در همان تست موفق شد.

در Kimi Code Bench 3.0 Long-horizon داخلی Moonshot، که اجرای چند مرحله‌ای و حل مشکل را در دامنه‌های مهندسی اندازه‌گیری می‌کند، K3.1 Pro امتیاز 61.2% را در مقابل K3 55.95% کسب می‌کند. در معیار عامل GDPval-AA که توسط تجزیه و تحلیل مصنوعی ردیابی شده است، این مدل به 1846 Elo می رسد — 312 امتیاز بالاتر از K3 و در دسترس Claude Opus 5.5 در 1866 و Muse Wonder Full در 1857 است.

نرخ توهم نیز به شدت کاهش یافت. در Kimi Hallu Bench Hard داخلی شرکت، توهمات سطح ادعا از 23.4 درصد با K3 به 8.3 درصد کاهش یافت - اگرچه مون شات هشدار می دهد که این معیار به جای معیاری برای سنجش میزان خطای عمومی، یک تست استرس عمدی است و GPT-6 Astra همچنان با 5.5 درصد پیشتاز است.

صحنه های سه بعدی، موتورهای بازی و تحقیقات مالی

فراتر از معیارهای خام، Moonshot K3.1 Pro را به عنوان یک ابزار خلاقانه و حرفه ای قرار می دهد. این شرکت تجارب کاملی از ساخت مدل را در موتورهای بازی از جمله Unity، Unreal Engine و Godot نشان داد و آنها را با جستجوی وب و تولید سه بعدی ترکیب کرد. بر اساس وبلاگ فناوری این شرکت، خروجی جلویی آن - صحنه های تعاملی Three.js و دارایی های سه بعدی - ترکیب، تایپوگرافی و انیمیشن قوی تری را نسبت به مدل قبلی خود نشان می دهد.

مون شات همچنین دستاوردهایی را در معیارهای مالی داخلی گزارش می‌دهد، با K3.1 Pro در مدل‌سازی مالی 7.2 امتیاز و در تحقیقات مالی 11.6 امتیاز نسبت به K3 بهبود می‌بخشد، و در صدر همه مدل‌های آزمایش شده در معیار وظایف اداری OfficeQA Pro v2 قرار دارد. مانند تمام ارزیابی‌های داخلی گزارش‌شده توسط فروشنده، تأیید مستقل آزمون واقعی خواهد بود.

قیمت 33٪ کاهش یافت

در کنار جهش قابلیت، مون شات قیمت ها را کاهش داد. K3.1 Pro 2 دلار به ازای هر میلیون توکن ورودی و 10 دلار به ازای هر میلیون توکن خروجی هزینه دارد، با ورودی کش 0.20 دلار - طبق گفته The Decoder، تقریباً 33٪ کاهش نسبت به قیمت API K3. نوع Highspeed 4 دلار در هر میلیون توکن ورودی و 20 دلار به ازای هر میلیون توکن خروجی در ازای استنتاج دو تا سه برابر سریعتر اجرا می کند.

این قیمت، K3.1 Pro را بسیار پایین‌تر از سطوح پرچم‌دار مدل‌های اختصاصی قرار می‌دهد که اکنون در تابلوی امتیازات دنبال می‌شوند، ترکیبی که بیشتر اشتیاق جامعه توسعه‌دهنده را توضیح می‌دهد. برای تیم‌هایی که بارهای کاری عاملی را اجرا می‌کنند که میلیون‌ها توکن را می‌سوزاند، تفاوت بین 10 تا 25 دلار در هر میلیون توکن خروجی به سرعت ترکیب می‌شود.

چرا انتشار وزن نوامبر مهم است

انتشار اوپن اوز که برای 4 نوامبر برنامه ریزی شده است، مسلماً نقطه محوری واقعی داستان است. وزنه‌های Kimi K3 در اوایل سال جاری در Hugging Face تحت یک مجوز مجاز ظاهر شدند و به سرعت توسط شرکت‌هایی که استقرارهای خود میزبان را اجرا می‌کردند، پذیرفته شدند. اگر K3.1 Pro همانطور که وعده داده بود با امتیاز رتبه چهارم دست نخورده عرضه شود، یک مدل قابل دانلود در فاصله قابل توجهی از Claude Opus 5.5 در اختیار توسعه دهندگان قرار می دهد - نقطه عطفی که قبلاً هیچ نسخه ای از آن منتشر نشده است.

رقبا ثابت نمی‌مانند. گزارش شده است که DeepSeek بیش از دو برابر هدف اصلی خود را افزایش می دهد، آخرین سری Qwen همچنان اعداد با وزن باز قوی را منتشر می کند، و آزمایشگاه های غربی همچنان سقف اختصاصی خود را تغییر می دهند. اما مسیر روشن است: شکافی که در این هفته 12 امتیاز را در شاخص تحلیل مصنوعی اندازه گیری کرد، ممکن است تا پایان سال به صورت تک رقمی - یا کمتر - اندازه گیری شود.

در حال حاضر، K3.1 Pro و K3.1 Pro Highspeed در محصولات مصرف‌کننده و API کیمی به‌صورت زنده در دسترس هستند و شمارش معکوس وزن‌ها تا 4 نوامبر در حال اجراست.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →