کی‌ام‌آی کی‌تری چین، رقیبان بزرگ را در بنچمارک‌ها پشت سر گذاشت

موشنایت ای‌آی بزرگترین مدل متن‌باز چینی را معرفی کرد؛ کیمی کی۳ در نوشتن سناریو از کلود فیبل ۵ پیشی گرفت

شرکت موشنایت ای‌آی (Moonshot AI) به تازگی بزرگترین مدل متن‌باز چینی را عرضه کرده است که در نوشتن سناریوهای فیلم و سریال، از مدل کلود فیبل ۵ (Claude Fable 5) پیشی گرفته است. این دستاورد در آزمون “نوشتن هوش مصنوعی” (Towards AI’s Writing Elo) که در آن مدل‌ها سناریوهای واقعی را نوشته و بدون اطلاع داوران با نسخه‌های منتشر شده مقایسه می‌شوند، به ثبت رسیده است. در این آزمون که از سیستم رتبه‌بندی الو (Elo) مشابه شطرنج استفاده می‌کند، کیمی کی۳ (Kimi K3) با امتیاز ۲۸۴۰، بالاتر از فیبل ۵ با امتیاز حداکثر ۲۷۶۰ قرار گرفت. این در حالی است که تیم آنتروپیک (Anthropic) به طور سنتی در این حوزه پیشتاز بوده است.

رتبه‌بندی در آزمون نوشتن

نتایج اولیه از آزمون داخلی نوشتن نشان می‌دهد که کیمی کی۳ از موشنایت ای‌آی با امتیاز ۲۸۴۰ الو، در حال حاضر رتبه اول را در نوشتن با لحن تحریریه کسب کرده و از کلود فیبل ۵ پیشی گرفته است. این مدل در مقایسه با نسل قبلی خود، کیمی کی۲.۶ (Kimi K2.6)، جهشی از رتبه ۲۱ به رتبه اول داشته است. هزینه اجرای این مدل حدود ۰.۲۵ دلار برای هر سناریو تخمین زده می‌شود که ۵ برابر کمتر از مدل‌های مشابه است.

پیشتازی در تولید کد

کیمی کی۳ همچنین در صدر جدول امتیازات “آرنا ای‌آی” (Arena AI) برای کدهای فرانت‌اند (Frontend Code Leaderboard) قرار گرفته است. این رتبه‌بندی بر اساس هزاران رأی انسانی در مقایسه‌های دوتایی برای وظایف تولید کد و با استفاده از سیستم الو امتیازدهی شده است. کیمی کی۳ با امتیاز ۱۶۷۹، از فیبل ۵ با امتیاز ۱۶۳۱ پیشی گرفته و در شش حوزه از هفت حوزه فرانت‌اند، رتبه اول را به خود اختصاص داده است. این جهشی ۱۷ پله‌ای نسبت به کیمی کی۲.۶ (رتبه ۱۸) محسوب می‌شود.

جایگاه در شاخص تحلیل هوش مصنوعی

شاخص “تحلیل هوش مصنوعی” (Artificial Analysis Intelligence Index) که بر اساس نه ارزیابی مستقل در حوزه‌های کدنویسی، استدلال، کار عامل‌گونه و دانش، با امتیازدهی از ۰ تا ۱۰۰ سنجیده می‌شود، کیمی کی۳ را با امتیاز ۵۷ در رتبه سوم قرار داده است. در این شاخص، کلود فیبل ۵ با امتیاز ۶۰، جی‌پی‌تی ۵.۶ سول (GPT-5.6 Sol) با امتیاز ۵۹ و کلود اوپوس ۴.۸ (Claude Opus 4.8) با امتیاز ۵۶ قرار دارند. این بدان معناست که کیمی کی۳ با اختلاف اندکی، پس از فیبل ۵ و جی‌پی‌تی ۵.۶ سول، سومین مدل توانمند در این ارزیابی ترکیبی است.

عملکرد در BridgeBench و وب‌هندسی

کیمی کی۳ در آزمون BridgeBench نیز عملکرد بهتری نسبت به فیبل ۵ داشته و در ۷ از ۸ سناریو، از جمله بازسازی کد (Refactoring) با امتیاز ۹-۰ و رفع اشکال (Debugging) با امتیاز ۶-۱، پیروز شده است. تنها پیروزی فیبل ۵ در این آزمون، در بخش سرعت بوده است. همچنین، کیمی کی۳ در وب‌سایت https://t.co/SnZ54Xok7n بهترین عملکرد را داشته و در زمان کمتر به نرخ موفقیت قابل مقایسه‌ای با فیبل دست یافته است. این اولین بار است که یک مدل متن‌باز در یک بنچمارک جامع مهندسی وب، از تمام مدل‌های اختصاصی پیشی می‌گیرد.

معماری و پارامترها

کیمی کی۳ با ۲.۸ تریلیون پارامتر، که مقادیر عددی ذخیره دانش مدل هستند، در معماری “ترکیبی از متخصصان” (Mixture-of-Experts) طراحی شده است. این معماری پارامترها را به ۸۹۶ زیرشبکه “متخصص” تقسیم کرده و تنها کسری از آن‌ها را برای هر وظیفه فعال می‌کند. موشنایت ای‌آی اعلام کرده است که این اولین مدل متن‌باز در کلاس ۳ تریلیون پارامتری در جهان است که برای سناریوهای پیشرفته هوش مصنوعی از جمله کدنویسی طولانی‌مدت، دانش‌محوری و استدلال طراحی شده است. این مدل دو برابر بزرگترین رقیب متن‌باز خود، DeepSeek V4-Pro با ۱.۶ تریلیون پارامتر، و همچنین دو برابر مدل قبلی خود، کیمی کی۲ با یک تریلیون پارامتر، ظرفیت دارد.

قابلیت‌ها و نوآوری‌های فنی

این مدل دارای پنجره زمینه یک میلیون توکن (واحد پایه اطلاعاتی که هوش مصنوعی پردازش می‌کند) است که هر توکن تقریباً معادل سه چهارم یک کلمه است. همچنین، قابلیت درک بومی تصاویر و ویدئو و استدلال همیشگی را داراست. دو تکنیک معماری کلیدی در افزایش کارایی این مدل نقش دارند: “کیمی دلتا اتنشن” (Kimi Delta Attention) که سرعت رمزگشایی را برای دنباله‌های طولانی تا ۶.۳ برابر در زمینه‌های یک میلیون توکنی افزایش می‌دهد، و “اتنشن رزیدوالز” (Attention Residuals) که اطلاعات را به طور انتخابی در لایه‌های مدل هدایت می‌کند و نه به طور یکنواخت. این دو تکنیک در مجموع منجر به مقیاس‌پذیری ۲.۵ برابر بهتر نسبت به کی۲ شده‌اند.

قیمت‌گذاری و مزیت رقابتی

هزینه استفاده از کیمی کی۳ ۳ دلار برای هر میلیون توکن ورودی و ۱۵ دلار برای هر میلیون توکن خروجی است که با نرخ کلود سونت ۵ (Claude Sonnet 5)، مدل میان‌رده آنتروپیک، برابر است. با این حال، کیمی کی۳ در شاخص ترکیبی تحلیل هوش مصنوعی، سه امتیاز پایین‌تر از فیبل ۵ قرار دارد. هزینه هر وظیفه در این مجموعه ۹ بنچمارکی برای کیمی کی۳ ۰.۹۴ دلار، برای جی‌پی‌تی ۵.۶ سول ۱.۰۴ دلار و برای اوپوس ۴.۸ ۱.۸۰ دلار است. این بدان معناست که این مدل عملکردی در سطح پیشرفته را با قیمتی در سطح میان‌رده ارائه می‌دهد.

تأثیر بر بازار و تحریم‌های آمریکا

عرضه کیمی کی۳ در حالی صورت می‌گیرد که شکاف قیمتی بین مدل‌های پیشرفته چینی و آمریکایی در اوایل سال جاری ۱۵ تا ۳۰ برابر بوده است. کیمی کی۳ با قیمتی مشابه مدل‌های میان‌رده غربی، عملکردی نزدیک به مدل‌های پیشرفته را ارائه می‌دهد که برای تیم‌هایی که از API استفاده می‌کنند، بهبود قابل توجهی در هزینه ایجاد می‌کند. اگر آنتروپیک فیبل ۵ را صرفاً از طریق API عرضه کند، کیمی کی۳ به نزدیکترین جایگزین متن‌باز برای مدل دوم صنعت تبدیل خواهد شد و هزینه هر وظیفه آن نصف اوپوس ۴.۸ خواهد بود.

این عرضه همچنین بحث‌هایی را در مورد کنترل صادرات تراشه‌های آمریکا به چین برانگیخته است. آمریکا در اواخر سال ۲۰۲۳ صادرات پردازنده‌های گرافیکی Nvidia H800 را به چین محدود کرد و موشنایت ای‌آی تأیید کرده است که مدل‌های قبلی خود را با این تراشه‌ها آموزش داده است. مستندات بنچمارک کیمی کی۳ به پردازنده‌های H200 و سخت‌افزار Ascend هواوی اشاره دارد، اما محل تأمین این سخت‌افزارها مشخص نیست.

یوتونگ ژانگ، رئیس موشنایت ای‌آی، در اجلاس داووس امسال اظهار داشت که این شرکت به دلیل محدودیت در دسترسی به توان محاسباتی، مجبور به تمرکز بر تحقیقات بنیادی و بهره‌وری شده است. تحلیلگران بانک آو آمریکا نیز معتقدند که کیمی کی۳ نشان می‌دهد که مقیاس‌پذیری پیش‌آموزش همراه با نوآوری معماری، همچنان می‌تواند دستاوردهای چشمگیری را برای مدل‌های پرچمدار چینی تحت این محدودیت‌ها به ارمغان آورد.

چالش‌ها و ملاحظات

نرخ توهم (hallucination rate) کیمی کی۳ در آزمون AA-Omniscience، که میزان اطمینان مدل به پاسخ‌های نادرست را می‌سنجد، از ۳۹ درصد در نسل قبلی به ۵۱ درصد افزایش یافته است. این بدان معناست که در حالی که مدل پاسخ‌های صحیح بیشتری ارائه می‌دهد، پاسخ‌های ساختگی بیشتری نیز تولید می‌کند. این مدل همچنین در مستندات خود اذعان دارد که ممکن است “بیش از حد فعال” باشد و در وظایف طولانی و خودکار، تصمیمات غیرمنتظره‌ای از طرف کاربر بگیرد.

برای تیم‌هایی که از ابزارهای مبتنی بر کیمی کی۲.۶ استفاده می‌کنند، کیمی کی۳ گامی رو به جلو محسوب می‌شود، اما نرخ توهم آن نیازمند آزمایش دقیق قبل از استفاده در کاربردهای حساس به دقت است.

این مدل به صورت رایگان در وب‌سایت رسمی کیمی در دسترس است، اما به دلیل ترافیک بالا، استفاده از آن با اختلالات مداوم مواجه است و عملاً قابل استفاده نیست. استفاده از اشتراک پولی یا API جایگزین‌های بهتری هستند. وزن‌های این مدل در تاریخ ۲۷ جولای منتشر خواهند شد و برای شرکت‌های بزرگ در دسترس خواهند بود. در حال حاضر، هیچ پردازنده گرافیکی داخلی، صرف نظر از اندازه، قادر به پردازش مدلی در این مقیاس نیست.