Kimi k3 ينطلق كمصدر مفتوح بـ 2.8 تريليون معامل، لكنه لا يزال متأخراً عن أنثروبيك وأوبن إيه آي في المعايير

على السطح، الأرقام مذهلة. Kimi K3 هو نموذج خليط من الخبراء بحجم 2.8 تريليون معامل ينشط 16 من 896 خبيراً لكل رمز. هندسته تتضمن Kimi Delta Attention (KDA) وAttention Residuals (AttnRes)، وهما ابتكاران تصميميان يقول المختبر إنهما يحسنان كفاءة التوسع بنحو 2.5 مرة مقارنة بسابقه Kimi K2. يدعم النموذج نافذة سياقية تبلغ مليون رمز ويعالج النصوص والصور والفيديو بشكل أصلي.

لكن جدول المعايير يروي قصة أكثر دقة. عبر أكثر من 40 تقييماً تشمل البرمجة والمهام الوكيلة والتفكير والمعرفة والرؤية، يحتل Kimi K3 الطبقة العليا، لكن نادراً في القمة. في معيار البرمجة الرئيسي DeepSWE، يسجل 67.5، متأخراً عن GPT 5.6 Sol (73.0) وClaude Fable 5 (70.0). في اختبار التفكير GPQA-Diamond، يسجل 93.5 متأخراً عن GPT 5.6 Sol البالغ 94.1. فقط في Terminal Bench 2.1 (88.3) وBrowseComp (91.2) يتقدم على القادة الخاصين.

نموذج مفتوح، لكن ليس نموذجاً رائداً

صياغة Kimi حذرة: "بينما لا يزال أداؤه الإجمالي متأخراً عن أقوى النماذج الخاصة، Claude Fable 5 وGPT 5.6 Sol، أظهر Kimi K3 أداءً على مستوى الحدود." هذا التمييز مهم. Kimi K3 هو أكبر نموذج مفتوح تم إطلاقه على الإطلاق، لكن الحجم وحده لا يترجم إلى هيمنة.

على معايير الوكلاء، الفجوة أكثر وضوحاً. على GDPval-AA v2، يسجل Kimi K3 Elo قدره 1,668، مقارنة بـ 1,760 لـ Claude Fable 5 و1,748 لـ GPT 5.6 Sol. على DECK-Bench، تقييمه الداخلي، يسجل 73.5، أقل من GPT 5.6 Sol البالغ 74.7. النمط يستمر عبر معايير الرؤية: على CharXiv مع بايثون، يصل Kimi K3 إلى 91.3، لكن Claude Fable 5 يصل إلى 93.5.

يتفوق Kimi K3 في بعض المهام المتخصصة. يتغلب على جميع النماذج الخاصة في SWE Marathon (42.0 مقابل 35.0 لـ Fable 5)، وفي SpreadsheetBench 2 (34.8 مقابل 34.7 لـ Fable 5)، وفي Automation Bench (30.8 مقابل 29.1 لـ Fable 5). لكن هذه ليست المعايير التي تحدد الحدود لمعظم الممارسين.

الهندسة: القصة الحقيقية

الأكثر إثارة للاهتمام من ترتيب المعايير هو ما بناه Kimi تحت الغطاء. KDA مصمم لتحسين تدفق المعلومات عبر التسلسلات الطويلة، يدعي الفريق أنه يعالج سياق مليون رمز بكفاءة أكبر من آليات الانتباه القياسية. AttnRes، من ناحية أخرى، يستعيد بشكل انتقائي التمثيلات من الطبقات السابقة بدلاً من تراكمها بشكل موحد، مما قد يقلل من عقوبة العمق في الشبكات العميقة جداً.

جنباً إلى جنب مع Stable LatentMoE، الذي ينشط 16 خبيراً من أصل 896، وطريقة تدريب موازية للخبراء متوازنة بالكامل، حل Kimi العديد من المشكلات الهندسية التي عانت منها نماذج MoE واسعة النطاق السابقة. يستخدم النموذج أيضاً تدريباً واعياً للتكميم من مرحلة SFT فصاعداً بأوزان MXFP4 وتنشيطات MXFP8، مما يضمن توافقاً واسعاً مع الأجهزة.

قد تثبت هذه الابتكارات أنها أكثر أهمية من أرقام المعايير. إذا تعممت KDA وAttnRes بشكل جيد، فإنها تمثل تقدماً معمارياً حقيقياً، يمكن للمختبرات الصغيرة والمشاريع مفتوحة المصدر تبنيه في نماذجها الخاصة.

التسعير والتوفر

Kimi K3 متاح الآن على Kimi.com وKimi Work (تطبيق سطح المكتب) وKimi Code (الطرفية) وKimi API. التسعير تنافسي: 0.30 دولار/مليون رمز للإدخال المخبأ، 3.00 دولار/مليون رمز للإدخال غير المخبأ، و15.00 دولار/مليون رمز للإخراج، أرخص بشكل ملحوظ من مستويات Anthropic وOpenAI المماثلة. تدعي API معدل إصابة مخبأ يتجاوز 90% على أعباء عمل البرمجة بفضل هندسة Mooncake الاستدلالية المنفصلة.

سيتم إصدار أوزان النموذج الكاملة بحلول 27 يوليو 2026، على الرغم من عدم توفر تقرير فني بعد. يقول Kimi إنه "يعمل عن كثب مع شركاء الاستدلال والمحافظين مفتوحي المصدر" لضمان إطلاق موثوق.

الخلاصة

Kimi K3 هو إنجاز هندسي جاد وأكبر نموذج مفتوح تم إطلاقه على الإطلاق. لكن مقارنته بالمعايير مع النماذج الخاصة الرائدة يكشف أنه ليس بعد قائداً، بل ينافس الطبقة الثانية. للمنظمات التي تريد نموذجاً بحجم 2.8 تريليون معامل يمكنها فحصه وتعديله واستضافته ذاتياً، يمثل Kimi K3 تغييراً جذرياً في قدرات النموذج المفتوح. للمستخدمين الذين يحتاجون إلى أعلى أداء خام في المعايير، يظل Claude Fable 5 وGPT 5.6 Sol النقاط المرجعية.