Kimi K3 با ۲.۸ تریلیون پارامتر معرفی شد؛ مدلی متن‌باز بزرگ با عملکرد شبیه به محصولات آمریکایی

شرکت Kimi از مدل پرچمدار جدید خود با نام Kimi K3 رونمایی کرد؛ مدلی متن‌باز با ۲.۸ تریلیون پارامتر که به گفته این شرکت، نخستین مدل متن‌باز در محدوده حدود ۳ تریلیون پارامتر محسوب می‌شود. K3 به‌صورت بومی از پردازش تصویر و ویدیو پشتیبانی می‌کند، پنجره زمینه یک میلیون توکنی دارد و برای برنامه‌نویسی طولانی‌مدت، کارهای دانشی و استدلال‌های پیچیده توسعه یافته است. قرار است وزن‌های کامل این مدل تا ۲۷ ژوئیه منتشر شوند.

در ارزیابی‌های داخلی Kimi، مدل K3 همچنان پایین‌تر از Claude Fable 5 و GPT-5.6 Sol قرار می‌گیرد، اما از تمام مدل‌های دیگر حاضر در مقایسه، از جمله Claude Opus و GLM-5.2، عملکرد بهتری ثبت کرده است و این شرکت اعلام می‌کند همه نتایج با حداکثر یا سطح بالای شدت تفکر به دست آمده‌اند. K3 در میان عامل‌های عمومی سه مورد از شش آزمون را برد، در حالی که Fable 5 هر دو آزمون عامل‌های بصری را با رتبه نخست به پایان رساند.

بر اساس نتایج ۳۵ بنچمارک منتشرشده، Kimi K3 حدود هفت بار رتبه نخست را کسب کرده و در بیشتر آزمون‌های دیگر نیز دوم یا سوم شده است. Fable 5 بیشترین تعداد پیروزی را در آزمون‌های انفرادی به دست آورد و K3 تقریباً در همه بنچمارک‌ها با اختلافی محسوس از Opus 4.8، GPT-5.5 و GLM-5.2 پیش افتاد. البته نتایج با سه سیستم عامل متفاوت شامل KimiCode، Claude Code و Codex ثبت شده‌اند و شرایط اجرای همه آزمون‌ها کاملاً یکسان نبوده است.

آزمایشگاه مستقل Artificial Analysis نیز نخستین ارزیابی خود از Kimi K3 را منتشر کرده است و این مدل در شاخص Intelligence Index امتیاز ۵۷ را به دست آورده و در سطح Opus 4.8 و GPT-5.5 قرار گرفته، اما هنوز از Claude Fable 5 و GPT-5.6 Sol عقب‌تر است. در آزمون GDPval v2، امتیاز Elo این مدل به ۱۶۶۸ رسیده که نسبت به امتیاز ۱۱۹۰ مدل K2.6 جهشی قابل‌توجه محسوب می‌شود و از GLM-5.2، GPT-5.5 و Claude Opus 4.8 نیز بالاتر است، هرچند هنوز به Fable 5 با امتیاز ۱۷۶۰ نمی‌رسد.

کیمی K3 همچنین در آزمون AutomationBench-AA با کسب امتیاز ۵۳ درصد رتبه نخست را به دست آورده است، در ارزیابی خصوصی AA-Briefcase نیز امتیاز کلی Elo آن به ۱۵۴۷ رسیده که نسبت به K2.6 افزایش ۷۳۲ امتیازی را نشان می‌دهد و تنها Claude Fable 5 عملکرد بهتری داشته است. Artificial Analysis کیفیت تحلیل و امتیازدهی K3 را بسیار نزدیک به Fable 5 توصیف می‌کند، اما GPT-5.6 Sol همچنان در کیفیت ارائه برتری خود را حفظ کرده است.

با وجود افزایش دقت، نرخ تولید پاسخ‌های نادرست نیز بیشتر شده است و امتیاز kimi K3 در شاخص AA-Omniscience از مثبت ۶ به مثبت ۱۸ رسیده و دقت آن از ۳۳ درصد به ۴۶ درصد افزایش یافته است، اما نرخ توهم یا Hallucination نیز از ۳۹ درصد به ۵۱ درصد رسیده؛ موضوعی که نشان می‌دهد مدل ضمن پاسخ صحیح به پرسش‌های بیشتر، پاسخ‌های ساختگی بیشتری نیز تولید می‌کند.

به گفته کیمی مهم‌ترین کاربرد Kimi K3 توسعه پروژه‌های نرم‌افزاری بزرگ با حداقل دخالت انسان است و این مدل می‌تواند پایگاه‌های کد بزرگ را تحلیل کند، ابزارهای ترمینال را هماهنگ سازد و در طول فرایندهای چندمرحله‌ای روی یک وظیفه متمرکز بماند. همچنین با استفاده از سیستمی موسوم به Vision in the Loop، خروجی تصویری را بررسی می‌کند، کد را تغییر می‌دهد و نتیجه را دوباره ارزیابی می‌کند؛ قابلیتی که برای توسعه بازی، طراحی رابط کاربری و CAD در نظر گرفته شده است.

این شرکت برای نمایش توانایی‌های کیمی K3 چند نمونه عملی نیز ارائه کرده؛ از جمله یک بازی جهان‌باز سه‌بعدی که طبق ادعای شرکت به‌طور کامل در مرورگر و با استفاده از Three.js، WebGPU و GPU Compute ساخته شده است. در این پروژه محیط بازی به‌صورت رویه‌ای تولید شده و مدل‌های سه‌بعدی اسب و سوارکار با یک ابزار خارجی ساخته شده‌اند. شبیه‌سازی تعاملی سیاه‌چاله، پرتاب و بازگشت موشک Long March 10 و یک شبیه‌ساز Game Boy Advance نیز از دیگر دموهای این مدل هستند.

Kimi k3 از معماری Mixture of Experts بهره می‌برد که در هر لحظه تنها ۱۶ مورد از ۸۹۶ متخصص را فعال می‌کند. همچنین معماری جدید Kimi Delta Attention به گفته شرکت، سرعت رمزگشایی در زمینه‌های یک میلیون توکنی را تا ۶.۳ برابر افزایش می‌دهد. Kimi مدعی است فناوری Attention Residuals نیز بهره‌وری آموزش را حدود ۲۵ درصد بیشتر می‌کند، در حالی که کمتر از ۲ درصد سربار محاسباتی به سیستم اضافه می‌شود.

هم‌زمان با معرفی Kimi K3، کیمی ساختار قیمت‌گذاری جدید خود را نیز اعلام کرده است و متاسفانه هزینه هر یک میلیون توکن ورودی با Cache Hit برابر با ۰.۳۰ دلار و بدون Cache Hit معادل ۳ دلار است، در حالی که هر یک میلیون توکن خروجی شامل فرایند استدلال ۱۵ دلار هزینه دارد. این ارقام نسبت به K2.6 که به‌ترتیب ۰.۱۶، ۰.۹۵ و ۴ دلار قیمت داشت، افزایش قابل‌توجهی را نشان می‌دهند و بیانگر پایان دوران عرضه مدل‌های پیشرفته چینی با قیمت‌های بسیار پایین هستند.

با وجود این افزایش قیمت، Kimi K3 همچنان از بسیاری از مدل‌های غربی ارزان‌تر محسوب می‌شود و برای نمونه، Claude Sonnet 5 نیز دقیقاً همان تعرفه ۳ دلار برای هر یک میلیون توکن ورودی و ۱۵ دلار برای خروجی دارد، اما عملکرد ضعیف‌تری ارائه می‌دهد یا در مقابل، Claude Fable 5 برای ورودی با Cache Hit یک دلار، بدون Cache Hit ده دلار و برای خروجی ۵۰ دلار هزینه دریافت می‌کند. GPT-5.6 Sol نیز به‌ترتیب ۰.۵۰، ۵ و ۳۰ دلار قیمت‌گذاری شده است.

طبق داده‌های Artificial Analysis، میانگین هزینه اجرای هر وظیفه برای K3 حدود ۰.۹۴ دلار است؛ رقمی نزدیک به GPT-5.6 Sol با ۱.۰۴ دلار و تقریباً نصف هزینه Opus 4.8 با ۱.۸۰ دلار. با این حال این مدل همچنان گران‌تر از مدل‌های متن‌باز GLM-5.2 با هزینه ۰.۳۲ دلار و DeepSeek V4 Pro با تنها ۰.۰۴ دلار برای هر وظیفه است. K3 همچنین نسبت به K2.6 حدود ۲۱ درصد توکن خروجی کمتری مصرف می‌کند، اما به دلیل افزایش قیمت توکن‌ها احتمالاً هزینه نهایی هر وظیفه در بیشتر سناریوها بالاتر خواهد بود.

Kimi K3 هم‌اکنون از طریق وب‌سایت Kimi، اپلیکیشن‌های iOS، اندروید و HarmonyOS، نرم‌افزار Kimi Work از نسخه ۳.۱.۰ به بعد و Kimi Code در دسترس قرار دارد. این مدل در OpenRouter نیز با شناسه moonshotai/kimi-k3 فهرست شده، اما فعلاً تنها از طریق Moonshot ارائه می‌شود. Kimi همچنین نسخه‌ای ویژه کسب‌وکارها با قابلیت مدیریت اعضا و تفکیک حساب‌های شخصی و سازمانی معرفی کرده و اعلام کرده است پلتفرم Kimi Hosted Agent با محیط‌های ایزوله برای اجرای وظایف طولانی‌مدت در آینده عرضه خواهد شد و علاقه‌مندان می‌توانند از هم‌اکنون در فهرست انتظار آن ثبت‌نام کنند.

بنچمارک‌ها و قیمت‌گذاری Kimi k3:

منبع