آبان
اخبار
Kimi K3.1 Pro عرضه شد؛ مدل ۲٫۸ تریلیونی مون‌شات با قیمت کمتر و وزن‌های باز در راه
شرکت چینی مون‌شات (Moonshot AI) مدل Kimi K3.1 Pro را با ۲٫۸ تریلیون پارامتر و پنجره‌ی زمینه‌ی یک میلیون توکنی عرضه کرد؛ مدلی که در بنچمارک‌های کدنویسی خودش را به Claude Opus 5.5 نزدیک می‌کند، با قیمتی حدود یک‌سوم کمتر از نسخه‌ی قبلی، و وزن‌هایش قرار است تا ۴ نوامبر منتشر شود.
لیست مطالب
۱. Kimi K3.1 Pro دقیقاً چیست؟
مدل Kimi K3.1 Pro جدیدترین محصول شرکت مون‌شات است؛ استارتاپی چینی که با سری Kimi شناخته می‌شود. این مدل از صفر ساخته نشده است. شرکت آن را «نسخه‌ی پساآموزش‌دیده‌ی Kimi K3» معرفی می‌کند که با توان محاسباتی بسیار بیشتری در مرحله‌ی پس از آموزش اصلی بهبود یافته است. به بیان ساده، پایه‌ی مدل همان K3 است، اما رفتار آن در کار با ابزار، کدنویسی طولانی‌مدت و پاسخ‌گویی دقیق‌تر تقویت شده است.
از نظر معماری، این مدل از نوع «ترکیب متخصصان» یا MoE است. مجموع پارامترها حدود ۲٫۸ تریلیون است و بعضی منابع آن را «کلاس ۳ تریلیونی» می‌نامند، اما در هر مرحله فقط حدود ۱۰۴ میلیارد پارامتر فعال می‌شود. پایه‌ی K3 از سازوکار توجه Kimi Delta Attention و ساختاری به نام Attention Residuals استفاده می‌کند و در هر لایه از میان ۸۹۶ متخصص، ۱۶ متخصص را فعال می‌کند. پنجره‌ی زمینه‌ی مدل ۱٫۰۴۸٬۵۷۶ توکن، یعنی تقریباً یک میلیون توکن، است و ورودی تصویر و ویدیو را هم از طریق API می‌پذیرد.
اگر تازه با این اصطلاحات آشنا شده‌اید، پیشنهاد می‌کنیم مقاله‌ی OpenAI چیست؟ را بخوانید تا تصویر کلی‌تری از رقابت شرکت‌های بزرگ هوش مصنوعی داشته باشید.
۲. قیمت و دسترسی: ارزان‌تر از K3
یکی از جذاب‌ترین بخش‌های این عرضه، قیمت‌گذاری است. هزینه‌ی Kimi K3.1 Pro برای هر میلیون توکن ورودی ۲ دلار و برای هر میلیون توکن خروجی ۱۰ دلار است. اگر پاسخ از حافظه‌ی نهان (cache) خوانده شود، ورودی فقط ۰٫۲۰ دلار تمام می‌شود. در مقایسه، نسخه‌ی قبلی K3 با ۳ دلار ورودی و ۱۵ دلار خروجی عرضه شده بود؛ یعنی کاهش قیمت حدود یک‌سوم.
نسخه‌ای با نام Highspeed هم وجود دارد که طبق گفته‌ی شرکت دو تا سه برابر سریع‌تر است و قیمتش ۴ دلار ورودی و ۲۰ دلار خروجی است. نمونه‌ی محاسبه‌ی یکی از رسانه‌ها نشان می‌دهد پردازش یک میلیون توکن ورودی و ۲۰۰ هزار توکن خروجی روی K3 حدود ۶ دلار هزینه دارد و روی K3.1 Pro حدود ۴ دلار.
مدل از امروز در وب‌سایت Kimi.ai، اپ‌های iOS و اندروید، نسخه‌ی دسکتاپ Kimi Work و ابزار Kimi Code در دسترس است. توسعه‌دهندگان هم می‌توانند با شناسه‌های kimi-k3.1-pro و kimi-k3.1-pro-highspeed از طریق رابط سازگار با OpenAI به آن وصل شوند. برای شروع، حداقل یک دلار شارژ لازم است.
۳. بنچمارک‌ها: کجا نزدیک Claude است و کجا عقب می‌ماند؟
مهم‌ترین عدد این عرضه، نتیجه‌ی Terminal-Bench 4.0 است؛ آزمونی برای سنجش کار عامل‌های هوش مصنوعی در محیط ترمینال. مدل Kimi K3.1 Pro در این آزمون ۶۵٫۷ درصد گرفته است. به گفته‌ی شرکت، این عدد از GPT-6 Astra با ۵۸٫۲ درصد جلوتر و تنها اندکی پایین‌تر از Claude Opus 5.5 با ۶۶٫۴ درصد است.
در آزمون SWE-Marathon که کار مهندسی نرم‌افزار طولانی را می‌سنجد، مون‌شات عدد ۵۱٫۷ را ثبت کرده است، در حالی که Opus 5.5 عدد ۴۶٫۳ دارد. در آزمون داخلی Kimi Code Bench 3.0 هم امتیاز مدل از ۵۵٫۹۵ در K3 به ۶۱٫۲ رسیده است. در حوزه‌ی کارهای اداری، امتیاز OfficeQA Pro v2 برابر ۶۴٫۴ گزارش شده و شرکت آن را بهترین نتیجه‌ی موجود می‌داند.
اما تصویر کامل یک‌طرفه نیست. در BenchCAD با ابزار، مدل ۹۲٫۷ می‌گیرد، در حالی که Opus 5.5 عدد ۹۶٫۲ و GPT-6 Astra عدد ۹۵٫۹ را دارند. در Terminal-Bench Science 0.1، مدل فقط ۳۸٫۱ گرفته و از GPT-6 Astra (۶۸٫۱) و Opus 5.5 (۶۳٫۳) بیش از ۲۵ امتیاز عقب است. یعنی برای کارهای علمی سنگین هنوز مدل‌های بسته برتری آشکار دارند.
نکته‌ی بسیار مهم این است که تقریباً همه‌ی این اعداد را خود مون‌شات اعلام کرده و بخشی از آن‌ها بنچمارک‌های داخلی است. تفاوت ابزار اجرای آزمون (harness) هم می‌تواند نتیجه را چند امتیاز جابه‌جا کند. پس این اعداد را باید «جهت حرکت» بدانید، نه حکم نهایی. گزارش مستقل Artificial Analysis در این باره می‌تواند مرجع بهتری باشد.
۴. توهم کمتر؛ از ۲۳٫۴ به ۸٫۳ درصد
ادعای دیگر شرکت کاهش چشمگیر توهم، یعنی تولید اطلاعات نادرست با لحن مطمئن، است. در آزمون داخلی Kimi Hallu Bench Hard، نرخ ادعاهای نادرست در سطح هر گزاره از ۲۳٫۴ درصد در K3 به ۸٫۳ درصد در K3.1 Pro رسیده است. به گفته‌ی شرکت، GPT-6 Astra در همین آزمون ۵٫۵ درصد دارد و Claude Opus 5.5 حدود ۱۵ درصد.
این پیشرفت اگر در دنیای واقعی هم تکرار شود، برای کاربران مهم است؛ چون بزرگ‌ترین مانع اعتماد به مدل‌های زبانی در کارهای جدی همین توهم است. برای آشنایی با راه‌های مقابله با این مشکل در کار روزمره، مقاله‌ی آموزش پرامپت‌نویسی برای مبتدیان را ببینید و همچنین ابتدای آموزش‌های ChatGPT را مرور کنید.
۵. ماجرای امنیت سایبری و وزن‌های باز
مون‌شات اعلام کرده پیش از انتشار وزن‌ها، داده‌های مرتبط با حملات سایبری را از مراحل آموزش میانی و یادگیری تقویتی حذف کرده است. در آزمون داخلی xdev-bench-hard، نسخه‌ای که بدون این محدودیت آموزش دیده بود ۹۰٫۵ درصد مسائل را حل می‌کرد، اما مدل نهایی ۸۱ درصد را حل می‌کند. برای مقایسه، K3 در همین آزمون فقط ۳۳٫۳ درصد داشته است. شرکت می‌گوید مدل هنوز از بهترین مدل‌های بسته در وظایف تهاجمی سایبری عقب‌تر است.
کارشناسان ایمنی اما هشدار می‌دهند که محافظ‌های مدل‌های بازوزن از مدل‌های بسته ضعیف‌ترند و به تعبیر آن‌ها، «مدل باز پس از دانلود قابل فراخوانی نیست». این نگرانی بی‌سابقه نیست؛ K3 در ماه اوت هم به خاطر فرار از محیط آزمایشی و پیدا کردن پاسخ بنچمارک در اینترنت مورد توجه قرار گرفته بود. در ماه ژوئیه نیز کاخ سفید مون‌شات را به استفاده از تراشه‌های ممنوعه‌ی انویدیا و تقلید از یک مدل Anthropic متهم کرده بود، اما شواهدی منتشر نکرد.
۶. وزن‌ها کی منتشر می‌شوند؟
طبق وعده‌ی شرکت، وزن‌های کامل مدل تا ۴ نوامبر ۲۰۲۶ عرضه می‌شود؛ هرچند بعضی گزارش‌ها فقط از «نوامبر» نام برده‌اند. هنوز مجوز استفاده اعلام نشده و روشن نیست قالب انتشار دقیقاً چگونه خواهد بود. اگر وعده عملی شود، به گفته‌ی مؤسسه‌ی Artificial Analysis، این مدل با امتیاز ۵۵ در شاخص هوش آن مؤسسه در رتبه‌ی چهارم قرار می‌گیرد و می‌تواند برترین مدل بازوزن جهان باشد.
البته اجرای محلی آن برای کاربر عادی عملی نیست. مدل با ۲٫۸ تریلیون پارامتر به خوشه‌هایی با ۶۴ شتاب‌دهنده یا بیشتر نیاز دارد و وزن‌هایش با فرمت MXFP4 و فعال‌سازی‌های MXFP8 ارائه می‌شود. بنابراین بیشتر کاربران از طریق API یا ارائه‌دهندگان ابری از آن استفاده خواهند کرد، نه روی سیستم شخصی.
۷. محدودیت‌های فنی که باید بدانید
توسعه‌دهندگان پیش از مهاجرت باید به چند قید توجه کنند. حالت تفکر همیشه روشن است و سطح تلاش استدلال بین سه حالت low، high و max (پیش‌فرض: max) انتخاب می‌شود. دمای نمونه‌برداری روی ۱٫۰ و top-p روی ۰٫۹۵ ثابت است و مقدار دیگر خطا برمی‌گرداند. تغییر سطح استدلال وسط گفتگو هم کش پیشوند را بی‌اعتبار می‌کند. مون‌شات توصیه می‌کند پیام کامل دستیار، همراه با تاریخچه‌ی استدلال، به مدل برگردانده شود وگرنه خروجی ناپایدار می‌شود.
همچنین مدل‌های K2 از ۳۱ اکتبر برای کاربران جدید بسته می‌شوند و در پایان دسامبر کاملاً بازنشسته خواهند شد. اگر پروژه‌ای روی K2 دارید، از همین حالا برنامه‌ی انتقال بریزید. ورودی تصویر هم نشانی عمومی تصویر را نمی‌پذیرد و باید از base64 یا شناسه‌ی فایل بارگذاری‌شده استفاده کنید.
۸. این خبر برای بازار هوش مصنوعی چه معنایی دارد؟
معنای اصلی این خبر فشار بیشتر روی قیمت است. وقتی مدلی با کیفیت نزدیک به Opus 5.5 در کدنویسی، با ورودی ۲ دلار و خروجی ۱۰ دلار عرضه می‌شود، شرکت‌های بزرگ‌تر ناچارند یا قیمت را پایین بیاورند یا برتری روشن‌تری نشان دهند. این روند برای کاربران و استارتاپ‌ها مفید است، به‌ویژه برای ساخت عامل‌های کدنویسی که هزینه‌ی توکن بخش بزرگی از بودجه‌شان را می‌بلعد.
از طرف دیگر، رقابت چین و آمریکا در مدل‌های بازوزن شدیدتر می‌شود؛ ماجرایی که ادامه‌ی خبرهای اخیر درباره‌ی DeepSeek است. برای نگاه بازتر به همین رقابت می‌توانید مقایسه‌ی ChatGPT و DeepSeek را بخوانید، و برای تحلیل اینکه این مدل‌ها در عمل چه قدر کاربردی‌اند، به توان و محدودیت‌های واقعی هوش مصنوعی سر بزنید.
برای کسب‌وکارها هم نکته این است که انتخاب مدل دیگر فقط به «قوی‌ترین» محدود نیست. هزینه، سرعت، امکان میزبانی اختصاصی و حریم داده عوامل تعیین‌کننده شده‌اند. مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار چارچوبی کاربردی برای این تصمیم‌ها ارائه می‌دهد. یادتان باشد که مدل‌ها هرچقدر قوی شوند، مهندس واقعی جایگزین‌نشدنی می‌ماند؛ این بحث را در وهم هوش مصنوعی؛ توسعه‌دهنده‌ی تنها در برابر مهندس واقعی خوانده‌اید یا بخوانید.
۹. پرسش‌های متداول
آیا Kimi K3.1 Pro رایگان است؟
خیر. استفاده از API پولی است و حداقل یک دلار شارژ می‌خواهد. در اپ Kimi هم دسترسی به قابلیت‌های پیشرفته ممکن است محدودیت سهمیه داشته باشد. وزن‌های مدل پس از انتشار قابل دانلود خواهند بود، اما اجرای آن سخت‌افزار بسیار سنگینی لازم دارد.
آیا Kimi K3.1 Pro از Claude Opus 5.5 بهتر است؟
بر اساس ادعای خود مون‌شات، در بعضی آزمون‌های کدنویسی مثل SWE-Marathon جلوتر است و در Terminal-Bench 4.0 کمی عقب‌تر. در کارهای علمی و BenchCAD هنوز Opus 5.5 و GPT-6 Astra برترند. تا ارزیابی مستقل منتشر نشود، نمی‌توان حکم قطعی داد.
وزن‌های مدل کی منتشر می‌شود؟
وعده‌ی شرکت تا ۴ نوامبر ۲۰۲۶ است. مجوز و جزئیات قالب انتشار هنوز اعلام نشده است.
آیا استفاده از مدل‌های چینی خطر امنیتی دارد؟
این به نحوه‌ی استفاده بستگی دارد. در API داده شما به سرورهای شرکت می‌رود، هرچند گزینه‌ی عدم نگهداری داده (zero data retention) اعلام شده است. پس از انتشار وزن‌ها می‌توانید مدل را روی زیرساخت خودتان اجرا کنید. برای اطلاعات حساس همیشه سیاست‌های سازمان خود را بررسی کنید.
سطح استدلال را چگونه تنظیم کنم؟
پارامتر reasoning_effort سه مقدار low، high و max را می‌پذیرد و پیش‌فرض max است. برای کارهای ساده low صرفه‌جویی بیشتری دارد، اما تغییر آن وسط گفتگو کش را از بین می‌برد.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
