أطلقت Moonshot نموذج Kimi K3 بحجم 2.8 تريليون parameter، ونافذة سياق تصل إلى مليون token، ودعم أصلي للصور. النتائج الأولية تضعه قريبًا جدًا من أقوى نماذج Anthropic وOpenAI، بينما تخطط الشركة لنشر أوزانه الكاملة بحلول 27 يوليو. 1
هذه واحدة من الإصدارات النادرة التي تغيّر شكل المنافسة فعلًا. الفارق بين أفضل نموذج صيني وأفضل النماذج الأمريكية لم يختفِ، لكنه أصبح صغيرًا بما يكفي لأن تختلف الإجابة حسب المهمة والاختبار، بدل أن تكون النتيجة محسومة مسبقًا.
هذا النموذج الاول المفتوح الذي ينضم لموجه الاصدارات الاخيرة التي تتجاوز اداء Opus 4.8, بينما تنتقلOpenAI و Anthropic للتركيز على الجيل الجديد من النماذج.
أكبر نموذج مفتوح حتى الآن
تصف Moonshot النموذج بأنه أول نموذج مفتوح من فئة 3 تريليونات parameter. أحجام Fable 5 وGPT-5.6 Sol غير معلنة، لذلك تبقى المقارنات المتداولة تقديرية، لكن K3 أصبح من أكبر النماذج التي كُشف حجمها علنًا، وأكبر بكثير من GLM-5.2 ذي 753 مليار parameter وDeepSeek V4 Pro ذي 1.6 تريليون. 1 2
هذا مهم لأن مطوري النماذج الصينيين لم يعودوا ينافسون فقط عبر الكفاءة والأسعار المنخفضة. أصبحوا قادرين أيضًا على تدريب نماذج ضخمة جدًا، ضمن الطبقة الحجمية نفسها التي يُعتقد أن مختبرات القمة الأمريكية تعمل فيها.
النموذج يعمل بأسلوب Mixture of Experts، مع 896 خبيرًا وتفعيل 16 خبيرًا فقط لكل token. كما يستخدم Kimi Delta Attention وAttention Residuals لتحسين نقل المعلومات عبر السياق وطبقات النموذج. وتقول Moonshot إن هذه التغييرات حسنت كفاءة التوسع بنحو 2.5 مرة مقارنة بـKimi K2. 1
قريب جدًا في البرمجة
أوضح نتيجة لقوة K3 تظهر في DeepSWE، وهو اختبار حديث وصعب التحسين له مسبقًا. حقق النموذج 67.5%، مقابل 70% لـFable 5 و73% لـGPT-5.6 Sol. كما تعادل تقريبًا مع GPT-5.5 الذي حقق 67%، وتجاوز Opus 4.8 عند 59% وGLM-5.2 عند 46.2%. 1
على Terminal-Bench 2.1 وصل K3 إلى 88.3%، بفارق نصف نقطة فقط عن GPT-5.6 Sol عند 88.8%، ومتقدمًا على Fable 5 وOpus 4.8 عند 84.6%. هذه نتيجة مهمة لأنها تقيس العمل داخل الطرفية، واستخدام الأدوات، والتعامل مع الملفات والأخطاء والمهام الطويلة.
وصل أيضًا إلى 77.8% على ProgramBench، وهي أعلى نتيجة في جدول Moonshot وبفارق بسيط عن GPT-5.6 Sol عند 77.6%. وعلى FrontierSWE حقق 81.2%، خلف Fable 5 لكنه متقدم بفارق واضح على GPT-5.6 Sol وOpus 4.8. أما في SWE Marathon، الذي يركز على العمل البرمجي الممتد، فقد تصدر بنتيجة 42%. 1
هذه الأرقام تضعه في المنطقة نفسها مع النماذج المغلقة، حتى لو بقيت الأفضلية العامة لـFable 5 وGPT-5.6 Sol.
الأول في تصميم الواجهات
المفاجأة الأكبر جاءت من Frontend Code Arena. صعد Kimi K3 من المركز الثامن عشر مع K2.6 إلى المركز الأول بنتيجة 1679، متجاوزًا Fable 5. 3
تصدر النموذج ستة من سبعة مجالات: تصميم العلامات والتسويق، التصميم المبني على مرجع، البيانات والتحليلات، المنتجات الاستهلاكية، المحاكاة، وأدوات صناعة المحتوى. جاء ثانيًا فقط في الألعاب خلف Fable 5.
تساعده هنا قدرته البصرية الأصلية. يستطيع النموذج مشاهدة الواجهة التي بناها، ثم تعديل الكود بناءً على النتيجة الفعلية. عرضت Moonshot أمثلة لتطوير ألعاب ثلاثية الأبعاد، وواجهات تفاعلية، وأعمال CAD، وحتى تصميم شريحة لمعالج صغير خلال جلسة مستقلة استمرت 48 ساعة. 1
أداء قوي خارج البرمجة
حقق K3 نتيجة 57 على مؤشر Artificial Analysis للذكاء، وهي نتيجة تقاربه من Opus 4.8 وGPT-5.5، مع بقائه خلف Fable 5 وGPT-5.6 Sol. 2
على GDPval-AA v2، الذي يقيس مهام عمل حقيقية طويلة، وصل إلى 1668 نقطة. النتيجة أعلى من Opus 4.8 عند 1600 وGLM-5.2 عند 1514 وGPT-5.5 عند 1494، لكنها خلف Fable 5 وGPT-5.6 Sol. كما حقق 1548 في AA-Briefcase، خلف Fable 5 فقط تقريبًا، وتصدر BrowseComp بنتيجة 91.2%. 1 2
هذا يجعل K3 نموذجًا عامًا قويًا للعمل الوكيلي، وليس مجرد نموذج برمجة ضخم.
السعر أعلى مما اعتدناه من الصين
تبلغ أسعار واجهة Moonshot الرسمية 3 دولارات لكل مليون token إدخال، و15 دولارًا للإخراج، مع تخفيض الإدخال المخزن مؤقتًا إلى 0.30 دولار. سعر الإخراج ارتفع بقوة مقارنة بـK2.6 الذي كان يكلف 4 دولارات فقط. 1 2
بحسب Artificial Analysis، بلغت تكلفة المهمة الواحدة نحو 0.94 دولار. هذا قريب من GPT-5.6 Sol عند 1.04 دولار، وأقل من Opus 4.8 عند 1.80 دولار، لكنه أعلى بكثير من GLM-5.2 عند 0.32 دولار وبعض النماذج الصينية الأخرى. 2
تحسنت كفاءة استخدام tokens عن K2.6 بنحو 21%، لكن النموذج ما زال كثير الاستهلاك. استخدم قرابة 130 مليون output token خلال اختبارات Artificial Analysis، بينما يبلغ متوسط النماذج المشابهة نحو 63 مليون فقط.
تظهر المقارنة مع Grok 4.5 الفارق بوضوح. سعر Grok هو دولاران للإدخال و6 دولارات للإخراج، وتقول SpaceXAI إنه يستخدم نحو نصف عدد الخطوات مقارنة بالنماذج القريبة منه، كما احتاج في SWE-bench Pro إلى tokens أقل بنحو 4.2 مرات من Opus 4.8. ساعد التدريب المشترك مع Cursor، باستخدام تريليونات tokens من تفاعلات المطورين والوكلاء، على تحقيق هذه الكفاءة. 4 5
استطاعت Moonshot تقليل الإسراف المعتاد في نماذج reasoning الصينية، لكنها لم تصل بعد إلى كفاءة Grok 4.5 أو نماذج OpenAI الرائدة.
الأرقام لا تطابق تجربة الاستخدام دائما
وضعت Moonshot ملاحظة صريحة في نهاية إعلانها: رغم قوة K3 في الاختبارات، ما زالت تجربة استخدامه أضعف بشكل ملحوظ من Fable 5 وGPT-5.6 Sol. 1
النموذج حساس أيضًا لطريقة تمرير سجل التفكير. قد يصبح أداؤه غير مستقر عند استخدام harness غير متوافق أو عند الانتقال إليه في منتصف جلسة بدأت بنموذج آخر. كما أنه يميل إلى التصرف بشكل استباقي زائد، واتخاذ قرارات نيابة عن المستخدم عندما تكون التعليمات غير واضحة.
هذه القيود مهمة. يمكن لنموذج أن يحقق نتيجة ممتازة على benchmark، ثم يكون أقل راحة واعتمادية في العمل اليومي. ولهذا توصي Moonshot حاليًا باستخدام Kimi Code أو بيئة تم اختبار توافقها مع النموذج.
ايضا الشركات الصينية معروفة بالBenchmaxxing, وهو التركيز على النتائج مهما كانت التكلفة, وان كانت Moonshot تجنبت هذا سابقا, الا ان تجربة النموذج فعلا الطريقة الوحيده الحقيقة لتقييم المنتج لعملك الخاص.
إصدار سيغيّر المنافسة
يشبه Kimi K3 لحظة DeepSeek R1 لأن المسافة إلى القمة أصبحت صغيرة فجأة. يتصدر بعض اختبارات البرمجة والتصميم، ويقترب جدًا في اختبارات أخرى، ويقدم سياقًا بمليون token وقدرات بصرية أصلية.
حجم 2.8 تريليون parameter يكشف أيضًا عن اتجاه واضح في النماذج السحابية الحديثة. جزء كبير من القفزة الحالية يأتي من نماذج ضخمة جدًا وبنى MoE أكثر تطورًا، بينما تحاول جهات مثل OpenAI وSpaceXAI استخراج أداء قريب عبر استدلال أكثر كفاءة واستهلاك أقل للـtokens.
الأوزان لم تُنشر بعد، ولذلك يبقى K3 نموذجًا مغلقًا في لحظة الإطلاق. لكن Moonshot تعهدت بنشرها بحلول 27 يوليو. عند حدوث ذلك، سيصبح K3 بفارق واضح أقوى نموذج متاح بأوزان مفتوحة، مع قدرات تقترب من أفضل ما تملكه Anthropic وOpenAI.
كتب من GPT 5.6 SOL high