کیمی K3.1 Pro عرضه شد؛ مدل پیشرو با وزن‌های بازِ وعده‌داده‌شده
شرکت Moonshot مدل Kimi K3.1 Pro را با پنجره ۱ میلیون توکنی و نسخه Highspeed عرضه کرد و وعده داد وزن‌هایش تا ۴ نوامبر ۲۰۲۶ منتشر شود.
شرکت Moonshot در ۲۳ اکتبر ۲۰۲۶ مدل Kimi K3.1 Pro را از طریق API و اپلیکیشن‌های کیمی در دسترس گذاشت. این مدل نخستین عضو سری K3.1 است و شرکت قول داده وزن‌های کامل آن حداکثر تا ۴ نوامبر ۲۰۲۶ منتشر شود. همزمان نسخه‌ای سریع‌تر با نام Highspeed هم عرضه شده است.
چه چیزی عرضه شد؟
Kimi K3.1 Pro نسخهٔ پس‌آموزش‌دیدهٔ Kimi K3 است که به گفتهٔ Moonshot با محاسبات بسیار بیشتر و یادگیری تقویتی گسترده در «صدها حوزهٔ پایین‌دستی» آموزش دیده است. شرکت آن را توانمندترین مدل «وزن‌باز در رده ۳ تریلیون پارامتر» خود می‌نامد. پنجرهٔ زمینه ۱ میلیون توکن است و شناسهٔ API آن kimi-k3.1-pro است.
نسخهٔ kimi-k3.1-pro-highspeed به گفتهٔ شرکت ۲ تا ۳ برابر سریع‌تر است. بر اساس بررسی یک وبلاگ مستقل، قیمت آن دو برابر نسخهٔ عادی است، به‌جز توکن‌های ورودیِ کش‌شده که قیمت یکسانی دارند. قیمت نسخهٔ عادی ۲ دلار به‌ازای هر میلیون توکن ورودی و ۱۰ دلار به‌ازای هر میلیون توکن خروجی گزارش شده؛ این رقم را فقط از همین وبلاگ دیده‌ایم و در متن اعلامیهٔ رسمی نبود. API با قالب سازگار با OpenAI ارائه می‌شود و کیمی از Zero Data Retention برای مشتریان API خبر داده است. مدل در سرویس وب، اپ‌های موبایل، ابزار Kimi Code و نسخهٔ سازمانی (به‌صورت پیش‌فرض غیرفعال) در دسترس است.
نکات کلیدی
- پنجرهٔ زمینه: ۱ میلیون توکن
- نسخهٔ Highspeed: ۲ تا ۳ برابر سریع‌تر، به گفتهٔ شرکت
- قیمت گزارش‌شده: ۲ دلار ورودی و ۱۰ دلار خروجی به‌ازای هر میلیون توکن
- انتشار وزن‌ها: حداکثر تا ۴ نوامبر ۲۰۲۶
عملکرد در بنچمارک‌ها
همهٔ اعداد زیر نتایج منتشرشده توسط خود Moonshot است و هنوز راستی‌آزمایی مستقل کامل نشده است. در Terminal-Bench 4.0 مدل ۶۵٫۷٪ گرفته؛ در همین جدول GPT-6 Astra ۵۸٫۲٪ و Claude Opus 5.5 ۶۶٫۴٪ ثبت شده‌اند. در آزمون مالی OfficeQA Pro v2 امتیاز ۶۴٫۴ را برگزیدهٔ بهترین نتیجه معرفی کرده‌اند.
در آزمون داخلی توهم (Kimi Hallu Bench)، نرخ توهم در مجموعهٔ سخت و بدون ابزار ۵٫۴٪ گزارش شده، در حالی که برای Opus 5.5 رقم ۶٫۸٪ و برای GPT-6 Astra رقم ۴٫۲٪ آمده است. در رتبه‌بندی Artificial Analysis این مدل امتیاز ۵۵ گرفته؛ Opus 5.5 با ۵۸ بالاتر است و Claude Fable 5.1، GPT-6 Astra و Gemini 4 Argon هر کدام ۵۳ دارند. به‌طور خلاصه، مدل در برخی آزمون‌ها به رقبای بسته نزدیک است یا از آن‌ها جلو می‌زند، اما در همه‌جا برتر نیست.
ملاحظات امنیتی و وزن‌های باز
Moonshot می‌گوید داده‌های مرتبط با امنیت سایبری را هم از آموزش میانی و هم از محیط‌های یادگیری تقویتی حذف کرده تا توان تهاجمی مدل کاهش یابد. در آزمون داخلی xdev-bench-hard نسخهٔ نهایی ۸۱٫۰ گرفته، در حالی که چک‌پوینتِ بدون این محدودیت ۹۰٫۵ داشته است. شرکت تأکید می‌کند توان سایبری مدل از مدل‌های اختصاصیِ پیشرویی که دست‌کم سه ماه از عرضه‌شان گذشته عقب‌تر است و قصد ندارد وزن‌هایی منتشر کند که مرز مطلق توان سایبری را جلو ببرند.
مجوز انتشار هنوز اعلام نشده و شرکت فقط گفته وزن‌ها «به‌شکل غیرتبعیض‌آمیز» در دسترس خواهند بود.
چرا مهم است؟
اگر وعدهٔ انتشار وزن‌ها عملی شود، این نخستین بار است که مدلی با امتیاز نزدیک به مدل‌های بستهٔ پیشرو در اختیار عموم قرار می‌گیرد. برای برنامه‌نویس‌ها یعنی امکان اجرای خودمیزبان، تنظیم دقیق (fine-tune) و کنترل بیشتر بر داده؛ همچنین قیمت API نصف رقیب‌های هم‌رده گزارش شده است.
برای کاربران ایرانی، دسترسی به APIهای خارجی اغلب با محدودیت پرداخت و تحریم همراه است. وزن‌های باز می‌توانند این وابستگی را کم کنند، هرچند اجرای مدلی در این مقیاس سخت‌افزار سنگینی می‌خواهد و باید منتظر مجوز و جزئیات نهایی ماند.
جمع‌بندی
Kimi K3.1 Pro با ادعای رقابت با مدل‌های بستهٔ پیشرو و وعدهٔ وزن‌های باز، اگر در عمل به همین شکل عرضه شود، اهمیت زیادی خواهد داشت. فعلاً بیشتر اعداد از خود شرکت است؛ تا ۴ نوامبر و ارزیابی‌های مستقل باید صبر کرد.
منابع
- Kimi K3.1 Pro and K3.1 Pro Highspeed (وبلاگ رسمی Kimi)kimi.ai
- Introducing Kimi K3.1 Pro (وبلاگ مستقل)simonwillison.net
این خبر بر اساس منابع بالا به فارسی بازنویسی و خلاصه شده است؛ برای جزئیات کامل به منبع اصلی مراجعه کنید.