اگر در هفته‌های اخیر اخبار هوش مصنوعی را دنبال کرده باشید، احتمالاً دیده‌اید که یک مدل چینی دوباره سر و صدا راه انداخته است. Kimi K3.1 Pro مدلی است که ادعا می‌کند در برنامه‌نویسی و کارهای عاملی (agentic) به مدل‌های پرچم‌دار آمریکایی نزدیک شده، اما با نصف قیمت Opus 5.5 و با وعده‌ی انتشار وزن‌ها. در این مقاله بدون هیاهو بررسی می‌کنیم چه چیزی تأیید شده، چه چیزی هنوز فقط ادعای شرکت است و یک یوتیوبر یا تولیدکننده‌ی محتوای فارسی‌زبان در عمل چه استفاده‌ای از آن می‌تواند ببرد.
Kimi K3.1 Pro دقیقاً چیست؟
Moonshot AI شرکت چینی سازنده‌ی خانواده‌ی Kimi است. K3.1 Pro اولین مدل از سری K3.1 است و در واقع نسخه‌ی پس‌آموزش‌دیده‌ی (post-trained) مدل Kimi K3 است که با توان محاسباتی بسیار بیشتری در مرحله‌ی یادگیری تقویتی آموزش دیده است. به گفته‌ی شرکت، این یادگیری تقویتی به‌صورت مشترک روی صدها حوزه‌ی کاربردی انجام شده است.
مشخصات فنی که از منابع خبری و مستندات منتشرشده به دست می‌آید:
| ویژگی | مقدار |
|---|---|
| تاریخ عرضه | ۲۳ اکتبر ۲۰۲۶ (۲ آبان ۱۴۰۵) |
| معماری | Mixture-of-Experts؛ ۲٫۸ تریلیون پارامتر کل، ۱۰۴ میلیارد فعال |
| پنجره‌ی زمینه | یک میلیون توکن |
| ورودی‌ها | متن، تصویر و ویدیو (از طریق API) |
| قیمت API | ۲ دلار ورودی / ۱۰ دلار خروجی به ازای هر میلیون توکن (کش‌هیت: ۰٫۲۰ دلار) |
| نسخه‌ی Highspeed | ۲ تا ۳ برابر سریع‌تر، با قیمت ۴ / ۲۰ دلار |
| وزن‌های متن‌باز | وعده‌ی انتشار تا ۴ نوامبر ۲۰۲۶؛ هنوز منتشر نشده |
شناسه‌ی مدل‌ها در API برابر kimi-k3.1-pro و kimi-k3.1-pro-highspeed است و endpoint سازگار با OpenAI دارد؛ یعنی اگر قبلاً با کتابخانه‌های OpenAI کار کرده‌اید، تغییر دادن به Kimi معمولاً فقط عوض کردن آدرس و کلید است. مدل از طریق Kimi.ai، Kimi Work، Kimi Code و خود API در دسترس است.
عملکرد واقعی؛ کدام اعداد قابل اتکاست؟
مهم‌ترین نکته درباره‌ی هر مدل تازه، تفکیک «ادعای سازنده» از «ارزیابی مستقل» است. در مورد Kimi K3.1 Pro هر دو را داریم.
ارزیابی مستقل
طبق گزارش‌ها، Artificial Analysis به این مدل امتیاز ۵۵ داده است. در همان گزارش Claude Opus 5.5 با ۵۸ در صدر است و Claude Fable 5.1، GPT-6 Astra و Gemini 4 Argon هر کدام ۵۳ گرفته‌اند. اگر این اعداد دقیق باشند، یک مدل که قرار است وزن‌هایش باز شود، از چند مدل بسته‌ی پرچم‌دار بالاتر ایستاده است. سایمون ویلیسون، توسعه‌دهنده و وبلاگ‌نویس شناخته‌شده، آن را «اولین باری» توصیف کرده که یک مدل (به‌زودی) متن‌باز تا این حد به مرز دانش نزدیک شده است.
ادعاهای خود Moonshot
این اعداد را شرکت خودش منتشر کرده و بیشتر با ابزار Claude Code و در بالاترین سطح استدلال (max) اجرا شده‌اند:
- Terminal-Bench 4.0: ۶۵٫۷٪ برای Kimi در برابر ۶۶٫۴٪ برای Opus 5.5؛ تقریباً هم‌سطح.
- SWE-Marathon: ۵۱٫۷ برای Kimi در برابر ۴۶٫۳ برای Opus 5.5؛ اینجا Kimi جلوتر است.
- Terminal-Bench Science 0.1: ۳۸٫۱ برای Kimi در برابر ۶۸٫۱ برای GPT-6 Astra و ۶۳٫۳ برای Opus 5.5؛ اینجا فاصله بسیار زیاد است.
- توهم (hallucination) در آزمون داخلی: نرخ ادعاهای نادرست از ۲۳٫۴٪ در K3 به ۸٫۳٪ رسیده است؛ GPT-6 Astra در همان آزمون ۵٫۵٪ دارد.
نتیجه‌ی عملی: Kimi K3.1 Pro در کدنویسی طولانی و کارهای ترمینالی رقیب جدی است، ولی در کارهای علمی سنگین هنوز با پرچم‌دارها فاصله دارد. چند برد هم روی آزمون‌های داخلی خود شرکت ثبت شده که تا بازتولید مستقل، باید با احتیاط خوانده شود.
قیمت؛ جایی که Kimi واقعاً جذاب می‌شود
۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای خروجی، طبق گزارش‌ها تقریباً نصف قیمت Claude Opus 5.5 است و با قیمت مدل‌های میان‌رده‌ی OpenAI هم‌سطح می‌شود. نسبت به نسل قبل (K3 با ۳ و ۱۵ دلار) هم حدود یک‌سوم ارزان‌تر شده است. قیمت کش‌هیت فقط ۰٫۲۰ دلار است؛ یعنی اگر پرامپت سیستمی یا اسناد بلندی را مدام تکرار می‌کنید، هزینه‌ی واقعی خیلی پایین‌تر از عدد ظاهری می‌آید.
یک مثال ساده: فرض کنید یک اسکریپت ۲۰ هزار توکنی ورودی دارید و خروجی ۵ هزار توکنی می‌خواهید. هزینه‌ی تقریبی هر اجرا حدود ۰٫۰۴ + ۰٫۰۵ = ۰٫۰۹ دلار است؛ کمتر از ده سنت. برای تولید روزانه‌ی محتوا این عدد قابل چشم‌پوشی است.
کاربرد Kimi K3.1 Pro برای یوتیوبرها و تولیدکنندگان محتوا
مدلی با یک میلیون توکن زمینه برای کسی که با متن‌های بلند کار می‌کند، دقیقاً همان چیزی است که لازم دارد. چند سناریوی واقع‌بینانه:
- تحلیل کل یک کانال: زیرنویس ده‌ها ویدیوی خودتان را یک‌جا بدهید و بخواهید الگوی ریزش مخاطب، موضوعات تکراری و ایده‌های ویدیوی بعدی را استخراج کند. با پنجره‌ی کوچک‌تر باید قطعه‌قطعه کار می‌کردید.
- نوشتن و بازنویسی اسکریپت: اگر قبلاً از هوش مصنوعی برای نوشتن سناریو استفاده می‌کنید، راهنمای استفاده از هوش مصنوعی برای نوشتن اسکریپت ویدیوی یوتیوب را ببینید و همان روش را روی Kimi هم امتحان کنید. توصیه‌ی من: خروجی را حتماً با لحن خودتان بازنویسی کنید.
- اتوماسیون فنی: اگر برای کانال خودتان ابزار کوچک می‌نویسید، مثلاً اسکریپت تولید توضیحات و فصل‌بندی، مدل‌های کدنویس ارزان ارزش آزمودن دارند.
- بررسی تصویر و ویدیو: ورودی تصویر و ویدیو از طریق API پشتیبانی می‌شود، پس می‌توان تامبنیل‌ها یا قطعه‌ای از ویدیو را برای بازخورد داد. کیفیت این بخش را خودتان با نمونه‌های واقعی بسنجید.
برای دید کلی‌تر از ابزارهایی که الان در حوزه‌ی یوتیوب مفیدند، مقاله‌ی کاربرد هوش مصنوعی در یوتیوب؛ ۷ روش عملی را هم بخوانید.
مقایسه‌ی سریع با چند رقیب
| مدل | امتیاز Artificial Analysis | نکته |
|---|---|---|
| Claude Opus 5.5 | ۵۸ | صدرنشین؛ تقریباً دو برابر Kimi از نظر قیمت |
| Kimi K3.1 Pro | ۵۵ | وزن‌ها هنوز منتشر نشده |
| GPT-6 Astra | ۵۳ | در آزمون علمی ترمینال بسیار قوی |
| Gemini 4 Argon | ۵۳ | مدل تازه‌ی گوگل |
| Claude Fable 5.1 | ۵۳ | — |
درباره‌ی رقبا می‌توانید مقاله‌های ما را هم ببینید: Gemini 4 Argon رسماً آمد و GPT-6 در ChatGPT. یادتان باشد که امتیاز یک بنچمارک جمع‌بندی همه‌چیز نیست؛ مدلی که در جدول بالاتر است ممکن است برای کار فارسی شما بدتر باشد.
نکات فنی و محدودیت‌هایی که باید بدانید
مستندات Moonshot چند قید دارد که اگر از API استفاده می‌کنید، مستقیماً به کارتان می‌آید:
- حالت تفکر (thinking) همیشه روشن است و سطح استدلال بین
low،highوmaxانتخاب می‌شود؛ پیش‌فرضmaxاست، که یعنی هزینه و زمان بیشتر. برای کارهای ساده سطح پایین‌تر را انتخاب کنید. - دمای مدل روی ۱٫۰ و top-p روی ۰٫۹۵ ثابت است و قابل تغییر نیست.
- خروجی پیش‌فرض ۱۳۱٬۰۷۲ توکن و حداکثر آن یک میلیون و حدود پنجاه‌هزار توکن است.
- برای استفاده از API حداقل یک دلار شارژ لازم است.
- ورودی تصویر از لینک عمومی پشتیبانی نمی‌شود؛ باید base64 یا شناسه‌ی فایل آپلودشده بفرستید.
- در حلقه‌های عاملی، پیام کامل دستیار (شامل تاریخچه‌ی استدلال) باید برگردانده شود، وگرنه خروجی ناپایدار می‌شود.
و اما محدودیت‌های بزرگ‌تر:
وزن‌ها هنوز بسته‌اند. «متن‌باز» فعلاً یک وعده است. تا زمان انتشار (حداکثر ۴ نوامبر) و دیدن مجوز واقعی، نمی‌توان درباره‌ی استفاده‌ی تجاری یا میزبانی شخصی قضاوت قطعی کرد. مجوز در منابعی که بررسی شد ذکر نشده است.
اجرای محلی عملاً ممکن نیست. مدلی با ۲٫۸ تریلیون پارامتر روی لپ‌تاپ یا یک کارت گرافیک معمولی اجرا نمی‌شود. حتی برای K3 خود Moonshot چیدمانی با ۶۴ شتاب‌دهنده یا بیشتر پیشنهاد کرده است. «متن‌باز بودن» برای اکثر ما یعنی ارائه‌دهندگان شخص ثالث ارزان‌تر خواهند شد، نه اجرای خانگی.
داده‌ها به کجا می‌روند؟ استفاده از API یک شرکت چینی یعنی ارسال داده به سرورهای آن. اسناد حساس، قراردادها و اطلاعات مشتری را بدون بررسی سیاست حریم خصوصی نفرستید.
ایمنی سایبری. Moonshot می‌گوید داده‌های مرتبط با حملات سایبری را از آموزش نسخه‌ی متن‌باز حذف کرده است؛ در آزمون داخلی xdev-bench-hard نسخه‌ی بدون فیلتر ۹۰٫۵٪ و نسخه‌ی عرضه‌شده ۸۱٫۰٪ را حل کرده است. این هم عدد خود شرکت است و مستقلاً تأیید نشده.
چطور شروع کنیم؟ یک مسیر ساده
- ابتدا در Kimi.ai مدل را بدون هزینه‌ی API روی همان کارهای واقعی خودتان بیازمایید.
- سه کار تکراری انتخاب کنید (مثلاً خلاصه‌سازی زیرنویس، پیشنهاد عنوان، بازنویسی توضیحات) و خروجی را با مدلی که الان استفاده می‌کنید مقایسه کنید.
- اگر به API رفتید، سقف هزینه‌ی ماهانه بگذارید و سطح استدلال را روی
lowیاhighنگه دارید. - تا انتشار وزن‌ها و مجوز، زیرساخت اصلی خود را به یک مدل وابسته نکنید.
- بعد از انتشار وزن‌ها، قیمت ارائه‌دهندگان مثل OpenRouter را دوباره مقایسه کنید؛ معمولاً رقابت قیمت بعد از متن‌باز شدن تشدید می‌شود.
نظر شخصی من این است که ارزش اصلی این خبر برای ما، رقابت قیمتی است: وقتی مدلی هم‌سطح پرچم‌دارها با نصف قیمت عرضه می‌شود، بقیه‌ی شرکت‌ها هم زیر فشار می‌افتند. مثلاً Anthropic اخیراً با Claude Haiku 5.5 مسیر مدل‌های ارزان را پیش گرفته است. نتیجه برای شما سود است، به شرط آنکه کورکورانه به بنچمارک‌ها اعتماد نکنید.
سؤالات متداول درباره‌ی Kimi K3.1 Pro
Kimi K3.1 Pro رایگان است؟
خیر؛ API پولی است (۲ دلار ورودی و ۱۰ دلار خروجی برای هر میلیون توکن) و حداقل یک دلار شارژ می‌خواهد. وضعیت سهمیه‌ی رایگان در اپ Kimi.ai ممکن است تغییر کند و باید از خود سایت بررسی شود.
آیا وزن‌های Kimi K3.1 Pro متن‌باز شده‌اند؟
هنوز نه. Moonshot وعده داده وزن‌ها تا ۴ نوامبر ۲۰۲۶ (۱۳ آبان ۱۴۰۵) منتشر شود. مجوز در منابع بررسی‌شده مشخص نشده و تا انتشار رسمی تأییدشده نیست.
Kimi K3.1 Pro بهتر از Claude Opus 5.5 است؟
طبق Artificial Analysis خیر؛ Opus 5.5 امتیاز ۵۸ و Kimi امتیاز ۵۵ دارد. در بعضی آزمون‌های کدنویسی طولانی، به گفته‌ی خود Moonshot، Kimi جلوتر یا نزدیک است. ارزان‌تر بودنش مزیت اصلی آن است.
آیا Kimi فارسی را خوب می‌فهمد؟
در منابع بررسی‌شده بنچمارک مستقل مشخصی برای فارسی پیدا نکردم؛ پس این موضوع تأییدنشده است. بهتر است با متن‌های واقعی خودتان آزمایش کنید.
آیا می‌توانم Kimi K3.1 Pro را روی کامپیوتر خودم اجرا کنم؟
برای اغلب کاربران نه. اندازه‌ی ۲٫۸ تریلیون پارامتری آن به زیرساخت چندگره نیاز دارد و برای کاربر معمولی استفاده از API یا ارائه‌دهندگان ثالث واقعی‌تر است.
جمع‌بندی
Kimi K3.1 Pro نشان می‌دهد فاصله‌ی مدل‌های باز و بسته در حال کم شدن است، اما هنوز چند «اگر» دارد: اگر وزن‌ها واقعاً منتشر شوند، اگر مجوز مناسب باشد و اگر نتایج مستقل بیشتری ادعاهای شرکت را تأیید کنند. تا آن زمان، بهترین کار این است که آن را روی کارهای واقعی خودتان محک بزنید و تصمیم را به عدد خودتان بسپارید، نه به جدول بنچمارک.
منابع
- MarkTechPost؛ معرفی Kimi K3.1 Pro
- Simon Willison؛ Introducing Kimi K3.1 Pro
- AI Weekly؛ امتیاز ۵۵ در Artificial Analysis
- OpenRouter؛ قیمت و ارائه‌دهندگان Kimi K3.1 Pro
آخرین بررسی: ۲ آبان ۱۴۰۵
دیدگاه خود را بنویسید