تحليل معمق · قراءة نحو 6 دقائق
Kimi K3.1 Pro: مكاسب التدريب اللاحق والاعتماد على الأدوات وإطلاق الأوزان لاحقاً
تصف Moonshot إتاحة نموذج بسياق 1M وتحسناً في اختبارات الوكلاء وضوابط سيبرانية موجهة؛ وتبقى الأوزان الكاملة التزاماً بحلول 4 نوفمبر.
- نُشر هنا
- تاريخ المصدر
- تم التحقق من المصدر
يقدم إعلان Moonshot في 24 أكتوبر نموذج Kimi K3.1 Pro ونسخة Highspeed عبر عائلة منتجاتها. والأسئلة الجوهرية هي ما الذي غيره التدريب اللاحق، وكيف أُجريت التقييمات المنشورة، وأي ادعاءات الوصول متاح الآن وأيها لا يزال مخططاً له.
استمع إلى الأخبار
استمع إلى هذا المقال أو تابع تشغيل الأخبار.
جارٍ تجهيز القراءة…
صوت الجهاز
يتولى المتصفح أو الجهاز معالجة النطق. لا يرسل AISubHub النص إلى واجهة صوتية. تختلف الأصوات والتشغيل مع قفل الشاشة حسب الجهاز.
قد تتكرر عبارة قصيرة عند المتابعة.
لمحة سريعة
- تصف Moonshot نموذج K3.1 Pro بأنه نسخة من K3 خضعت لتدريب لاحق وبنافذة سياق من مليون رمز؛ وسرعة Highspeed المزعومة البالغة 2–3× ليست قياساً أجراه الموقع.
- تعتمد نتائج البرمجة وCAD والتمويل على الأدوات وأطر التشغيل وتعريفات الاختبارات؛ ولا تثبت ترتيباً واحداً شاملاً للنماذج.
- يقول الإعلان إن إتاحة المنتجات تبدأ الآن، وإن الأوزان الكاملة ستصدر بحلول 4 نوفمبر 2026، بينما وصول المؤسسات مغلق افتراضياً إلى أن يفعله المسؤول.
التغيير في التدريب اللاحق والنظام الذي يدعمه
تسمي Moonshot نموذج K3.1 Pro أول نموذج في سلسلة K3.1 ونسخة من K3 خضعت لتدريب لاحق بقدرة حوسبة أكبر بكثير. وتصف تعلماً معززاً مشتركاً عبر مئات المجالات التطبيقية، تدعمه تغييرات في استدلال السياق الطويل وبنية البيئات المعزولة وجدولة مسارات التدريب وفحوص جودة البيئات. يستخدم الإعلان وصف فئة 3T ونافذة سياق من مليون رمز؛ ولا يحول هذا المقال اسم الفئة إلى عدد دقيق للمعلمات.
قراءتنا أنه ادعاء بتحسين كيفية تعلم نموذج قائم وإنجازه المهام الممتدة، وليس دليلاً على أن طول السياق وحده يسبب نتائج أفضل. تقدم Moonshot أيضاً K3.1 Pro Highspeed وتدعي سرعة تعادل 2–3× سرعة Pro. ولا يوفر الإعلان توزيعاً لزمن الاستجابة أُعيد إنتاجه مستقلاً، أو تسارعاً عاماً لكل المهام، أو مقارنة كاملة للتكلفة؛ لذا تحتاج النسخة الأسرع إلى تقييم في عبء العمل الفعلي للقارئ.
درجات البرمجة تتطلب قراءة ملاحظات إطار الاختبار
في Terminal-Bench 4.0 تعلن Moonshot نتيجة 65.7% لـK3.1 Pro، مقابل 58.2% لـGPT-6 Astra و66.4% لـClaude Opus 5.5. وفي اختبارها الداخلي Kimi Code Bench 3.0 Long-horizon تبلغ النتيجة 61.2% مقابل 55.95% لـK3. هذان اختباران مختلفان: الأول يفحص مهام طرفية بقيود خاصة بكل مهمة، والثاني يقيم عملاً هندسياً متعدد الخطوات داخلياً. ولا تعني أي نتيجة إنجاز النسبة نفسها من مشاريع الإنتاج الاعتباطية.
تقول الحواشي إن Kimi يستخدم إطار Claude-Code في هذه التقييمات البرمجية. وما لم يُذكر خلاف ذلك، تُجرى نتائج Kimi بجهد استدلال max وtemperature 1.0 وtop-p 0.95. وقد تأتي نتائج النماذج الأخرى من تقارير الإصدار أو جداول رسمية، وقد تتضمن بعض إعدادات النماذج المغلقة سلوك رجوع إلى بدائل. لذلك نعدها مقارنة من المورد بشروط معلنة، لا إعادة اختبار مستقلة جديدة. وينبغي للفرق مقارنة إتمام المهام وأذونات الأدوات والاستهلاك الفعلي للموارد معاً.
يوضح CAD أهمية إعداد الأدوات
تعلن Moonshot درجات BenchCAD تبلغ 92.7 بالأدوات و72.8 من دونها. يعيد الاختبار بناء الأشكال من مناظر مصيرة متعددة عبر شيفرة CAD؛ وقُيمت النماذج المفتوحة على عينة عشوائية من 1000 حالة من مجموعة تضم 17900 حالة. يستخدم إعداد الأدوات Claude Code، بينما يستخدم الآخر توليداً بمحاولة واحدة ومسار التقييم الرسمي. لا توجد نتيجة معلنة لـGPT-6 Astra من دون أدوات في المقارنة؛ والخانة المفقودة ليست صفراً.
يقول الإعلان إن K3.1 Pro يستطيع كتابة سكربتات لـBlender وبرمجيات CAD من دون موصل MCP، ويصف 3D Make لمعاينة النماذج وتحريرها وتصديرها. ونميز عملياً للمصمم بين توليد هندسة قابلة للتحرير، ومطابقة شكل في اختبار، وإثبات صلاحية قطعة للتصنيع. هذه متطلبات منفصلة. وتنسب أوصاف الأمثلة أصولاً إلى مصادر خارجية أيضاً؛ فلا ينبغي وصف المشاهد المعروضة بأنها محتوى أنشأه النموذج بالكامل. ولم نشغل تلك العروض بصورة مستقلة.
مكاسب التمويل ومعدلات الهلوسة تستخدم وحدات مختلفة
يسجل المصدر 64.4 في OfficeQA Pro v2، الذي يجمع الاسترجاع والتحقق عبر الوثائق والاستدلال العددي على مستندات مالية. ويتحسن اختبارا النمذجة المالية والبحث المالي الداخليان على K3 بمقدار 7.2 و11.6 نقطة على الترتيب. تتعلق الادعاءات بمهام تقييم محددة، لا بعوائد استثمار أو إنتاجية محللين جرى التحقق منها. وتحتوي الصفحة تعارضاً غير محسوم: يعرض رسم Business Operation القيمة 37.0، بينما يعرض الجدول الكامل 37.8. لا نوحدهما بصمت ولا نستنتج مضاعفاً دقيقاً لأداء الأعمال.
في اختبار الضغط الداخلي Hallu Bench Hard، تقول Moonshot إن الهلوسة على مستوى الادعاء تنخفض من 23.4% لـK3 إلى 8.3% لـPro. وبشكل منفصل، تبلغ حصة الإجابات التي تتضمن خطأ واقعياً واحداً على الأقل 42.4% من المعدل المقابل لدى الجيل السابق؛ وليس ذلك معدل خطأ مطلقاً قدره 42.4%. ويقول المصدر صراحة إن الأسئلة الصعبة المصممة عمداً لا تمثل معدلات الخطأ اليومية. لذلك ينبغي للعمل المالي الحفاظ على الاستشهادات والافتراضات وفحوص الحساب، لا تفسير انخفاض الاختبار كإذن لتجاوز المراجعة.
تقلل الضوابط السيبرانية قدرة مقاسة ولا تلغيها
تقول Moonshot إنها وجدت محتوى سيبرانياً في بيانات التدريب الوسيط وبيئات التعلم المعزز، ثم أزالت محتوى مستهدفاً مع الإبقاء على مهام البرمجة العامة. وفي xdev-bench-hard الداخلي، تحل نقطة الحفظ غير المرشحة 90.5% من المسائل عند pass@3، ويبلغ نموذج Pro النهائي 81.0%. يستخدم التقييم مجموعة فرعية من التشغيلات دون مهلات زمنية صارمة أو حدود لرموز المخرجات. وpass@3 مقياس متعدد المحاولات، لا نجاح محاولة واحدة ولا ضماناً بشأن مخاطر النشر المعتاد.
مبدأ الشركة المعلن للإصدار هو تجنب توسيع الحد الأقصى المطلق للقدرة السيبرانية الهجومية، مع نشر قدرة دفاعية مفيدة تدريجياً عبر الأوزان المفتوحة. هذه حجة سياسات من Moonshot، لا شهادة سلامة منا. وتظل نتيجة 81.0% دالة على قدرة كبيرة في ذلك الاختبار، ويقر المصدر بأن تحسن البرمجة العامة ينتقل إلى المهام السيبرانية بعد الترشيح الموجه. لذلك يدعم تحليلنا استمرار ضوابط الوصول وحدود البيئات المعزولة، بدلاً من اعتبار حذف بيانات التدريب حماية تشغيلية كاملة.
إتاحة المنتجات وتنزيل الأوزان لهما جدولان منفصلان
يقول الإعلان إن Pro يُتاح عبر Kimi.com وتطبيقات الهاتف وKimi Work وKimi Code وAPI. ويحدد Kimi Work بالإصدار 3.1.0 أو أحدث على Windows وأجهزة Mac بمعالجات Apple silicon، واختيار النموذج عبر /model في Kimi Code، ومعرفي API هما kimi-k3.1-pro وkimi-k3.1-pro-highspeed. وإتاحة Zero Data Retention لعملاء API لا تثبت أنه الوضع الافتراضي لكل حساب. يستطيع مسؤولو المؤسسات تفعيل Pro، لكن الوصول مغلق افتراضياً عند الإطلاق.
هناك وعد بإصدار أوزان النموذج الكاملة بحلول 4 نوفمبر 2026. ويجب فصل هذا الالتزام المستقبلي عن إعلان المنتجات المستضافة اليوم وعن أي تقييم لاحق للترخيص أو العتاد. لم ننزل الأوزان أو نختبر الوصول المدفوع أو نتحقق من كل خطة ومنطقة. يستخدم التحليل النص الكامل والحواشي وجدول الاختبارات المعروض كاملاً والأشكال الثابتة؛ أما مقاطع العرض الاختيارية والأمثلة التفاعلية ووثائق الأمثلة المرفقة فلم تُراجع بالكامل، ولا تُستخدم هنا كدليل على أداء تحققنا منه مستقلاً.
لماذا يهم
يمنح الإصدار المطورين والمؤسسات إعداداً محدداً من نموذج وأدوات لتقييمه في البرمجة وCAD والعمل كثيف الوثائق. والمقارنة المفيدة هي إنجاز مهامهم ضمن أذوناتهم وميزانيتهم وعملية مراجعتهم.
القيود والتوافر
تُنسب جميع نتائج الأداء وتقليل المخاطر المعلنة إلى Moonshot والتقييمات التي تستشهد بها. لم يُعد الموقع إنتاجها مستقلاً، أو يتحقق من جميع استحقاقات الوصول، أو يراجع العروض الاختيارية بالكامل؛ ولا يُعرف تاريخ النشر الأصلي إلا بدقة اليوم التقويمي.
المصادر والأدلة
تاريخ المصدر: · تم التحقق من المصدر:
مقالات تحريرية بمساعدة الذكاء الاصطناعي تُراجع مقابل المصادر الأولية المذكورة. تُنسب ادعاءات الشركات إليها، والإدراج لا يعني التوصية.