Kimi K3.1 Pro وفجوة الـ 0.7 نقطة: قراءة ورقة الإصدار قبل أوزان 4 نوفمبر

الاستنتاجات الأساسية

• Kimi K3.1 Pro سجلت 65.7% على Terminal-Bench 4.0 — أقل بـ 0.7 نقطة من 66.4% التي قاستها البائعة لـ Claude Opus 5.5 على الـ harness نفسه، وأعلى بـ 7.5 نقطة من GPT-6 Astra عند 58.2% (مشاركة الإطلاق من Moonshot).
• معدل الهلوسة على مستوى العبارة انخفض من 23.4% في K3 إلى 8.3% في K3.1 Pro — دون 15.0% لـ Opus 5.5 — مع طباعة تنبيه اختبار الإجهاد في الفقرة نفسها (مشاركة الإطلاق).
• أسعار الـ API موثقة على صفحة المنصة نفسها: $2.00/$10.00 لكل مليون توكن مع إدخال مخزّن مؤقتًا بقيمة $0.20 — خصم كاش معلن بنسبة 90% — وتُفوتر كتابات الكاش منفصلةً حسب الـ TTL بقيمة $2.00 (خمس دقائق) أو $4.00 (ساعة) (أسعار Kimi API).
• أزالت Moonshot بيانات الهجمات السيبرانية من مرحلتي التدريب كلتيهما — جسم التدريب الأوسط (mid-training) ومزيج بيئات التعلم المعزز (RL) — قبل إصدار الأوزان المفتوحة (مشاركة الإطلاق، قسم الأمن السيبراني).
• الأوزان الكاملة مؤكدة من البائعة بتاريخ 4 نوفمبر؛ وحتى ذلك الحين تضع Artificial Analysis على النموذج وسم «مقفل» بـ 2.8 تريليون معامل، ورخصة الأوزان بلا اسم بعد (صفحة النموذج على Artificial Analysis).

رقمان على صفحة الإطلاق نفسها يحسمان معظم هذا التحليل: 65.7 و66.4. إن Kimi K3.1 Pro هي أول نموذج في سلسلة K3.1 من Moonshot وتسميه الشركة «أقوى نموذج مفتوح الأوزان من فئة 3T حتى اليوم»، بنافذة سياق مليون توكن، وسجلت 65.7% على Terminal-Bench 4.0 — والورقة نفسها تطبع Claude Opus 5.5 بنسبة 66.4% مقاسة على الـ harness الخاص بـ Moonshot، وGPT-6 Astra بنسبة 58.2% (مشاركة الإطلاق). فالإطلاق يتقدم بالصفوف التي يخسرها بهامش ضيق. كما تطبع الورقة معدل هلوسة على مستوى العبارة انخفض من 23.4% في K3 إلى 8.3% في K3.1 Pro، وصفحة أسعار تطابق أرقامها سطرًا سطرًا، وتاريخًا للأوزان الكاملة هو 4 نوفمبر. تقرأ هذه المقالة الإصدار كما يقرؤه مشترٍ: ما أحسمته الورقة أولًا — فئة القدرة والسعر ومطابقة عبء العمل — وما لا يمكن إلا للأوزان أن تجيب عنه — الرخصة والمعايرة والتكرار — وتدقيق الخطوات الخمس الذي يُنفَّذ في 4 نوفمبر، بالاعتماد على منهج يوم الأوزان الذي يوسّع هذا التدقيق إلى إصدار يصل «ورقةً أولًا».

المقارَن الذي تطبعه ضد نفسها

صفوف Terminal-Bench 4.0 الثلاثة هي الكشف بحد ذاتها. K3.1 Pro عند 65.7، وClaude Opus 5.5 عند 66.4 كما قاست Moonshot على الـ harness الخاص بها — وتنسب الـ footnote للورقة نتيجة Opus إلى بطاقة النظام لدى Anthropic بوصفها مصدر المقارنات — وGPT-6 Astra عند 58.2. فجوة بـ 0.7 نقطة تقع داخل أي هامش ضجيج معقول، وهذه هي النقطة: لا يجب على أي مشترٍ أن يبدّل الـ stack لفجوة بهذا الحجم، لكن الورقة تقضي على إغراء التظاهر بأن النموذج متقدم على الرائد لدى Anthropic. ولهذا التمييز ثمن في لغة الشراء. تقدم بـ 7.5 نقاط على الرائد الوكيل لدى OpenAI عمود قدرة حقيقي؛ أما ادعاء التكافؤ أو التفوق على حدود Anthropic فيكون اختلاقًا يعقّبه الفهرس المستقل فورًا — فالـ composite لدى Artificial Analysis يضع K3.1 Pro عند مؤشر ذكاء (Intelligence Index) بقيمة 55، في المرتبة الرابعة من 215 نموذجًا، داخل العنقود الحدودي ذاته الذي تقوده النماذج المغلقة. كما تربط footnote البائعة مقارناتها بمصادر أولى — صفحة OpenAI لـ Astra، وبطاقة نظام Anthropic لـ Opus 5.5 — فيكون أصل الورقة قابلًا للتحقق، لا مجرد ادعاء.

النتائج مع الأدوات مطبوعة مرتين، والفجوة نفسها هي الدرس. على BenchCAD الذي يختبر إعادة البناء ثلاثية الأبعاد عبر توليد كود CAD، سجلت K3.1 Pro بـ 92.7 مع الأدوات، قريبة من 96.2 لـ Opus 5.5 و95.9 لـ GPT-6 Astra — وبـ 72.8 بدون أدوات، مقابل 73.0 لـ Opus 5.5 (مشاركة الإطلاق). تسعة عشر نقطة من النتيجة المنشورة معلقة على الـ harness الخاص بالأدوات. ويتكرر النمط نفسه على اختبار الهلوسة: معدل مع الأدوات 8.3% ومعدل بدون أدوات 5.4%. الفريق الذي يعرف أن الـ stack الخاص به يرفق أدوات بكل شيء عليه قراءة عمود «مع الأدوات»؛ والفريق الذي يقيّم سلوك النموذج منفردًا عليه قراءة العمود الآخر. وطباعة العمودين معًا هو الكشف الذي يجعل الاختيار مقروءًا.

العمود المستقل يضع سعر العمل، وهو ليس مجانيًا. يضيف صف الـ composite لدى Artificial Analysis — مقاسًا على Kimi API — الآثار الجانبية التي تجاهلها جدول القدرات: $2.11 لكل مهمة في فهرس الذكاء، وسرعة إخراج 57.5 توكنًا/ثانية مقابل وسيط 82.3، وطولًا في الصياغة (verbosity) 150 مليون توكن إخراج في تشغيل الفهرس مقابل وسيط 87 مليونًا. فالإطناب زائد هو فاتورة — الآلية نفسها التي عزلها تحليل اقتصاديات الجهد في Sonnet 5.5: الوكيل الذي يفكر بتوكنات أكثر يكلّف التفكير أكثر. وبالنسبة لعبء العمل الدائم، فإن سرعة الإخراج الأبطأ ضريبة زمن استجابة تفاعلية؛ وزمن أول توكن (time-to-first-token) 3.07s أفضل من الوسيط 3.90s، ما يخفف الضرر. والرد على هذه الضريبة طبقة ثانية: K3.1 Pro Highspeed تقدم ضعفين إلى ثلاثة أضعاف سرعة K3.1 Pro لنفس فئة التفاعل، بسعر $4.00/$20.00 لكل مليون توكن على صفحة الأسعار.

خفض الهلوسة إلى النصف، مع وسم الإجهاد

الأرقام الصادقة أولًا، ثم الوسم الصادق. على مجموعة Kimi Hallucination Benchmark Hard — معدل الهلوسة على مستوى العبارة كما يقيّمه وكلاء التحقق من الوقائع على مقاطع عملية منزّلة الهوية ومصممة عمدًا لاستدراج الخطأ — انخفض معدل K3.1 Pro من 23.4% في K3 إلى 8.3%، وتراجعت نسبة الردود المحتوية على خطأ واقعي واحد على الأقل إلى 42.4% من معدل السابقة لها (مشاركة الإطلاق). في عمود «مع الأدوات»، تقع 8.3% لـ K3.1 Pro دون 15.0% لـ Opus 5.5، وأقل بكثير من 22.6% لـ GLM-5.3 و23.3% لـ DeepSeek-V4.1-Flash-1017، مع تقدّم 5.5% لـ GPT-6 Astra وحدها. وتحمل مشاركة الإطلاق تنبيهها الخاص في القسم ذاته: التقييم اختبار إجهاد للدقة الواقعية، وعيناته تفتش المواقف التي تكثر فيها أخطاء النماذج، والمعدلات المعلنة «لا تمثل معدلات الخطأ الإجمالية في الاستخدام اليومي». فالمشتري الذي يقتبس 8.3% دون هذا الوسم هو الذي يحرف كلام البائعة.

والقراءة التشغيلية تبقى قوية للعمل المكثف بالمستندات. تسجّل OfficeQA Pro v2 — تحليل مستندات مالية عبر الاسترجاع والتحقق بين المستندات والاستدلال الرقمي متعدد الخطوات — أفضل نتيجة معلنة للفئة 64.4 لـ K3.1 Pro، وتتحسن المقاييس الداخلية للبائعة 7.2 نقطة في النمذجة المالية و11.6 نقطة في البحث المالي، ومضاعف 4.2× في العمليات التجارية طويلة الأجل مقابل K3 (مشاركة الإطلاق). ولمندوب تسوية العروض أو تدقيق الفواتير، فإن خفض معدل الخطأ على مستوى العبارة إلى النصف على اختبار إجهاد مع طباعة التنبيه هو الفرق بين نموذج يحتاج طبقة تحقق أمام كل استرجاع مفتوح ونموذج يحتاجها فقط حيث تكون المقاطع معادية. ثم تضع اقتصاديات الوكلاء الدائمين سعر ما تبقى.

ما تلتزم به صفحة الأسعار

كل رقم يحتاجه نموذج التكلفة موجود على صفحة الأسعار للمنصة نفسها، وقد تم التحقق منه هذا الأسبوع. تُفوتر kimi-k3.1-pro بقيمة $2.00 لكل مليون توكن إدخال و$10.00 لكل مليون توكن إخراج، مع إدخال مخزّن مؤقتًا بقيمة $0.20؛ وتضاعف طبقة Highspeed سعرَي القائمة مع الاحتفاظ بمعدل الكاش $0.20 نفسه؛ وتحمل كل نماذج سلسلة K3 نافذة سياق بـ 1,048,576 توكنًا (أسعار Kimi API). الفوترة مسطّحة بالدفع حسب الاستخدام دون طبقات حسب طول السياق، ومعها — الصف الذي يغيّر الحساب — تُفوتر كتابات الكاش بفصل تام حسب الـ TTL: $2.00 لكل مليون توكن لطبقة الخمس دقائق و$4.00 لكل مليون توكن لطبقة الساعة. وتفعّل الـ API التخزين المؤقت للسياق تلقائيًا للبادئات المتكررة بـ TTL افتراضي 5 دقائق. وتكلفة كتابة كاش للساعة تساوي ضعف سعر الإدخال تمامًا؛ وتكلفة كتابة الخمس دقائق تساوي سعر الإدخال. فجلسات الوكلاء طويلة العمر ينبغي أن تشتري الطبقة الرخيصة وتعيد الحساب، لا أن تفترض تكلفة كاش واحدة.

ومعدل الكاش هو الصف الثالث المنشور بجوار طبقات flash — لكن في فئة حجم أخرى. تسجّل MiniMax M3.1 Flash للإدخال المخزن مؤقتًا $0.015 لكل مليون توكن (قراءة يوم الإطلاق)، وتحسب لقطة 1017 لدى DeepSeek نحو $0.017 إدخالًا فعليًا عند معدل إصابة الكاش المرصود لها (وكيل الـ $0.017). أما $0.20 لـ Kimi فهي أعلى عشرة أضعاف بالقيمة المطلقة — وهي صف بحجم الرائد (عدّت Artificial Analysis 2.8 تريليون معامل) لا منتج طبقة flash، مع الخصم المعلن عند 90%. والمقارنة التي ينبغي لمشترٍ متوسط السوق أن يمضي بها هي لكل مهمة عند نسبة الإصابة في عبء عمله، لا بسعر القائمة لكل توكن.

وتحمل الورقة ساعة الترحيل أيضًا. تغلق نماذج سلسلة K2 أبوابها أمام المستخدمين الجدد في 31 أكتوبر 2026، وتخطط المنصة لإيقافها جميعًا بحلول نهاية ديسمبر (إشعار الأسعار) — فكل نشر K2 على المنصة يرث ترحيلًا إلى K3.1 موصولًا بموعد نهائي. ووثّقت منصّات الـ docs أمرًا إضافيًا: إعداد مستوى التفكير (reasoning effort) لكل طلب بقيم low أو high أو max (الافتراضي max)، مع استحالة تعطيل التفكير كليًا — فالمستوى، لا المفتاح، هو أداة التحكم في التكلفة لكل مهمة (quickstart لـ K3.1 Pro).

بوابة الإصدار التي يمكن قراءتها بالفعل

إزالة بيانات الهجوم السيبراني مذكورة بآليتها، لا كشعار فقط. لاحظت Moonshot ارتفاع قدرة أبحاث الثغرات كلما اتسع التدريب البعدي، وتتبعت محتوى سيبرانيًا مدفونًا في جسم التدريب الأوسط ومهام سيبرانية في مزيج بيئات التعلم المعزز، ووجدت في تجارب تمهيدية أنه «من دون إزالة البيانات في مرحلتي التدريب الأوسط أو التعلم المعزز، ارتفعت قدرة الأمن السيبراني اللاحقة للنموذج تباعًا». وفي إصدار الأوزان المفتوحة، أزالت الشركة البيانات المتصلة بالأمن السيبراني من مرحلتي التدريب مع إبقاء مهام البرمجة العامة (مشاركة الإطلاق، قسم الأمن السيبراني). وهذا هو النمط نفسه المتضمن ببوابة الإصدار الذي قدّمته GLM-5.3 في إصدارها المرحلي — أوزان بعد وقفة أمان (سابقة الإصدار المرحلي) — مع فرق بنيوي واحد: نشرت K3.1 Pro ورقة التفاصيل كاملة عند الإطلاق وحددت تاريخًا للأوزان، من دون وقفة مرحلية بينهما.

لقد شكّلت إصدارات الأوزان المفتوحة في أكتوبر الآن ثلاثة playbooks مقروءة. أصدرت MiniMax أوزانها بعد أربعة أيام من إطلاق الـ API وجعلت ملف الرخصة يحمل شروط الشراء — خط دخل بـ 20 مليون دولار مع النسبة. ووضعت GLM-5.3 إصدارها خلف وقفة أمان. ثم أطلقت Kimi K3.1 Pro إصدارًا «ورقة أولًا» مع رفع بوابة الأمان استباقيًا وتحديد الأوزان في 4 نوفمبر. ما يتبدل ليس ادعاء القدرة؛ بل أيُ الأثر يهبط أولًا — ويتعين على تدقيق المشتري أن يتبع الأثر.

ما يبقى مفتوحًا حتى 4 نوفمبر — والتدقيق الواجب تنفيذه

تجيب الورقة عن القدرة والسعر ومطابقة عبء العمل. ومستعصي أربع نقاط لا تجيب عنها، ويغطيها منهج الخطوات الخمس في يوم الأوزان بالطريقة ذاتها التي غطت بها MiniMax:

1. الرخصة بلا اسم بعد. كتب يوم أوزان MiniMax خط دخل بـ 20 مليون دولار ومتطلب نسبة في الاستضافة الذاتية التجارية؛ وشروط K3.1 Pro تظل البند الأكثر فتحًا في 4 نوفمبر، ولا ينبغي توجيه سعر لخطة استضافة ذاتية قبل قراءة ملف الرخصة.
2. لا يوجد عمود معايرة مستقلة. يقيس الـ composite لـ Artificial Analysis القدرة ($2.11 لكل مهمة عند مؤشر 55)، لا نمط الفشل الواثق من خطئه — الصف من صنف AA-Omniscience الذي كشف أن طبقة flash لدى MiniMax أخطأت بثقة في 92.8% من الحالات (تدقيق يوم الأوزان). وفي الاسترجاع الواقعي المفتوح غياب طبقة تحقق، فذلك العمود هو الحجة التي لن تستطيع الورقة طباعتها عن نفسها.
3. التكرار على أجهزة غير متبوعة. يستخدم الـ composite بالفعل Terminal-Bench 4.0 واحدًا من تقييماته العشرة؛ وعند هبوط الأوزان ستُعيد قراءات الـ harness المجتمعية إما إثبات 65.7 الورقة أو تفرض footnote على الـ harness — وهو المفاضلة نفسها التي دعت إليها جدول MiniMax.
4. المعاملات على مستوى البطاقة ووصف الخدمة. تحتاج تسمية «فئة 3T» وتعداد Artificial Analysis البالغ 2.8T إلى كلام بطاقة النموذج نفسها؛ ولوصف الخدمة (serving recipes) لسلسلة stacks من نوع vLLM وSGLang القيمة الحاسمة لأنّه يحوّل التنزيل إلى إنتاج.

ما تزال Artificial Analysis تصنف K3.1 Pro مقفلة — وهي حالة تُبطلها هبوط الأوزان في 4 نوفمبر، وهي نوع التقادم السطحي الذي يتوقعه المشتري خلال أيام من أي حدث أوزان.

يفصل المخطط ذو الدقيقة الواحدة ما استقر عن ما لا تجيب عنه إلا أوزان 4 نوفمبر:

اللوحتان هما الحد الذي ترسمه الورقة: الجانب الكهرماني هو ما حسمه 23 أكتوبر بأرقام قابلة للتحقق، والجانب البنفسجي ما لا تجيب عنه إلا أوزان 4 نوفمبر، وشريط الجذوة الحمراء هو الحدث الذي يغلق الفجوة.

قراءات ذات صلة

• خط الـ 20 مليون دولار في الرخصة: يوم الأوزان يفحص MiniMax M3.1 Flash — التدقيق الشقيق الذي يوسّعه هذا القراءة «ورقة أولًا»: منهج الخطوات الخمس، الذي نُفذ على إصدار هبطت أوزانه أولًا
• اقتصاديات الاستدلال: لماذا أصبح الوكلاء الدائمون في بيئات الإنتاج ميسورة التكلفة الآن — إطار تكلفة المهمة الواحدة الذي يحوّل طبقات الكاش المعلنة لدى Kimi إلى قرار عبء عمل
• وكيل الـ $0.017: لقطة 1017 لدى DeepSeek خفّضت تكلفة المهمة دون خفض الأسعار — صف اقتصاديات الكاش الآخر بجوار $0.20 لدى Kimi: نسبة الإصابة، لا لائحة الأسعار، هي التي تضع التكلفة الفعلية للوكيل

بناء تمثيلي

تدير شركة برمجيات B2B من 400 موظف أسطولًا من وكلاء مراجعة الكود وتدقيق المستندات نفّذ نحو 12,000 مهمة وكلاء الأسبوع الماضي على مجمع نماذج مختلط تُفوتر على تكاملات المستودعات والـ ERP المبنية على MCP الخاصة بها. تُحرّك ورقة الإصدار عبء عملين هذا الأسبوع: مهام برمجة طويلة الأجل توجهها مقاييس Terminal-Bench 4.0 إلى K3.1 Pro في فئة 65.7 مع الأدوات، حيث يتوافق معدل الإدخال المخزن مؤقتًا بـ $0.20 مع الـ TTL الافتراضي البالغ 5 دقائق مع حركتها ذات البادئات المتكررة؛ وبيئات تدقيق مستندات مالية توجهها نفس المسارات من نوع OfficeQA إلى K3.1 Pro أيضًا، مع تثبيت مستوى التفكير عند high بدلًا من الافتراضي max بعد مراجعة فريقها لتكلفة التوكنات. تُستبعد طبقة كتابة الكاش للساعة بعد الحساب — فبضعف سعر الإدخال، تعيد جلساتهم الحساب أرخص من تخزينها. وفي 4 نوفمبر يُجري فريق المنصة تدقيق الخطوات الخمس قبل أي خطة استضافة ذاتية: ملف الرخصة أولًا، ثم المعاملات، فالصيغة والوصف، ففروق الـ harness مقابل الورقة، ثم المعايرة — مع الإمساك بالـ checkpoint المثبّت حتى مع استمرار الـ serving على الـ API الخاص بالبائعة.

اطلب بناءً محدود النطاق. أسبوع اكتشاف. تحصل على جرد للأنظمة وخريطة مسار عمل ونطاق ثابت — معنا أو من دوننا.