Phala مدل Kimi K3 را برای استنتاج محرمانه در GPUهای امن مستقر کرد

اگر برای تحلیل کدهای محرمانه یا اسناد حساس شرکتتان از مدل‌های ابری استفاده می‌کنید، دیگر مجبور نیستید بین «هوش مدل» و «حریم خصوصی داده‌ها» یکی را انتخاب کنید. در ۱۲ اوت ۲۰۲۶، شرکت Phala مدل Kimi K3 را به سبد خدمات ابری خود اضافه کرد و آن را درون یک محیط اجرای مورد اعتماد (TEE) مستقر نمود تا استنتاج (Inference) — همان لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه به خودِ آشپزی و نه دوره‌ی آموزش آشپز — به‌صورت کاملاً محرمانه انجام شود.

بیشتر مدل‌های پیشرو کاربر را در موقعیت دشواری قرار می‌دهند: یا از هوش بالای مدل استفاده کنید و یا داده‌های خام خود را به ارائه‌دهنده بسپارید. Phala این اعتماد کورکورانه را با تاییدیه رمزنگاری جایگزین کرده است تا پرامپت‌ها و اسناد شما حتی از دید اپراتورهای سرور هم پنهان بماند.

به نقل از اعلامیه Phala، مدل Kimi K3 که توسط Moonshot AI توسعه یافته، یک مدل عظیم با ۲.۸ تریلیون پارامتر (Parameters) است. این مدل به‌طور ویژه برای پژوهش‌های طولانی و عامل‌های کدنویسی پیچیده طراحی شده است. مشخصات فنی کلیدی این مدل عبارتند از:

• پنجره متنی (Context Window) — میزان متنی که مدل هم‌زمان در ذهن نگه می‌دارد، شبیه میز کاری که جا برای چند ورق دارد — تا ۱ میلیون توکن (Token) است که پردازش کل یک پایگاه کد را ممکن می‌کند.
• چندوجهی (Multimodal) بودن ذاتی: درک تصاویر در این مدل یک قابلیت داخلی است، نه ابزاری که بعداً به آن اضافه شده باشد.
• قیمت‌گذاری: ۳ دلار به‌ازای هر میلیون توکن ورودی و ۱۵ دلار به‌ازای هر میلیون توکن خروجی.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، کاهش سطح حمله در لایه‌ی سخت‌افزاری حیاتی است. طبق گزارش فنی این پروژه، استفاده از یک «انکلاو امن» باعث می‌شود داده‌ها حتی در حین پردازش رمزنگاری‌شده باقی بمانند و ریسک نشت اطلاعات به شدت کاهش یابد.

برای یک مدیر کسب‌وکار، این یعنی استقرار یک عامل (Agent) — شبیه دستیاری که می‌تواند به‌جای شما کارهای پیچیده را مدیریت کند — برای تحلیل اسناد داخلی بدون ترس از افشای داده‌ها. قابلیت تایید مستقل محیط سخت‌افزاری، نیاز به اعتماد به «جعبه سیاه» APIهای استاندارد را از بین می‌برد.

توسعه‌دهندگان می‌توانند از طریق نقطه اتصال moonshotai/kimi-k3 در Phala Cloud به این مدل دسترسی پیدا کنند. همچنین گزارش فنی کامل Moonshot AI در arXiv برای بررسی معماری مدل در دسترس است.

گام بعدی شما

• اگر با داده‌های حساس سر و کار دارید، مدل Kimi K3 را در محیط TEE تست کنید تا تفاوت سرعت و امنیت را بسنجید.
• مستندات Phala Cloud را برای یادگیری نحوه تایید (Attestation) محیط سخت‌افزاری مطالعه کنید.
• گزارش arXiv مدل Kimi K3 را برای درک نحوه مدیریت ۲.۸ تریلیون پارامتر بخوانید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک لایه‌های امنیتی تراشه‌های جدید، به تحلیل ما درباره‌ی پردازنده‌های محرمانه مراجعه کنید.