مدل Kimi K3.1 Pro از شرکت چینی Moonshot AI در شاخص هوش Artificial Analysis به رتبهٔ چهارم جهان رسید. این نخستین مدل چینی است که مستقیماً پشت مدل‌های پرچم‌دار آنتروپیک و متا می‌ایستد؛ وزن‌های باز آن تا ۴ نوامبر منتشر می‌شود و هزینهٔ استنتاجش یک‌پنجم GPT-6 Astra از اوپن‌ای‌آی است.
در یک سال گذشته، آزمایشگاه‌های چینی سریع‌ترین تعقیب‌کنندگان مدل‌های پیشرو بوده‌اند. شرکت‌های آمریکایی مانند آنتروپیک و اوپن‌ای‌آی قوی‌ترین مدل‌هایشان را بسته نگه داشته‌اند و می‌گویند انتشار باز خطر امنیتی دارد. حالا این فاصله به‌شدت کم شده است.
داریو آمودی (Dario Amodei) در ماه مه به مدافعان سایبری هشدار داد که مدل‌های چینی ظرف ۶ تا ۱۲ ماه به رقبا می‌رسند. K3.1 Pro زودتر از این زمان‌بندی رسید. این مدل در محک‌های دفاع سایبری بدون حتی یک امتناع ایمنی (safety refusal) نمرهٔ ۶۴ درصد گرفت و فقط از نسخه‌ای از GPT-6 عقب ماند که تنها در اختیار مدافعان تأییدشده است.
این عرضه اقتصاد مدل‌های پیشرو را هم زیر فشار می‌گذارد. قیمت K3.1 Pro با ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی، هم‌اندازهٔ Sonnet 5.5 آنتروپیک و ۸۰ درصد ارزان‌تر از GPT-6 Astra است.
رتبهٔ چهارم Kimi K3.1 Pro در شاخص هوش Artificial Analysis
Artificial Analysis نسخهٔ به‌روز شاخص هوش (Intelligence Index) را در ۲۶ اکتبر منتشر کرد و K3.1 Pro را در رتبهٔ چهارم جهان قرار داد. این شاخص عملکرد مدل‌ها را در محک‌های استدلال، کدنویسی و دانش جمع می‌زند. K3.1 Pro از GPT-6 Astra جلو زد و فقط از دو مدل Opus 5.5 و Sonnet 5.5 آنتروپیک و Muse Wonder متا عقب ماند. در گزارش قبلی Artificial Analysis، K3.1 پرو با ۵۵ امتیاز رتبه چهارم شد و این رتبهٔ جدید تاییدکننده‌ی آن است.
برتری در کارهای طولانی، طبق آزمون‌های داخلی Moonshot
طبق ارزیابی خود Moonshot، مدل K3.1 Pro در چهار دستهٔ دشوار از Opus 5.5 بهتر عمل کرده است:
- پروژه‌های کدنویسی چندساعته
- پرسش‌های دانشگاهی در سطح متخصص
- پژوهش‌های متکی بر اسناد زیاد
- کارهای شغلی واقعی
این آزمون‌ها بیشتر استدلال پیوسته را می‌سنجند تا پاسخ تک‌مرحله‌ای. Moonshot هنوز ابزار کامل ارزیابی را برای بررسی مستقل منتشر نکرده است.
قیمت پایین، اما مصرف توکن بالا
قیمت API این مدل ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای هر میلیون توکن خروجی است. این نرخ با Sonnet 5.5 برابر است و حدود یک‌پنجم نرخ GPT-6 Astra است. با این حال، Artificial Analysis می‌گوید K3.1 Pro توکن بیشتری از رقبای پیشرو مصرف می‌کند. این موضوع ممکن است مزیت هزینه در هر کار را برای کارهای پرحرف کم کند.
وزن‌های باز و مرز تازهٔ مدل‌های متن‌باز
Moonshot متعهد شده وزن‌های K3.1 Pro را تا ۴ نوامبر برای دانلود رایگان منتشر کند. اگر این وعده عملی شود، K3.1 Pro قوی‌ترین مدل در دسترس عموم تا امروز خواهد بود و از سری Llama 4 متا و همهٔ مدل‌های باز چینی قبلی جلو می‌زند. شرایط مجوز استفاده هنوز اعلام نشده است.
رکورد مدل‌های باز در دفاع سایبری
در ارزیابی دفاع سایبری Artificial Analysis، مدل K3.1 Pro نمرهٔ ۶۴ درصد را بدون هیچ امتناع ایمنی ثبت کرد. تنها نمرهٔ بالاتر به نسخه‌ای از GPT-6 تعلق دارد که فقط مدافعان تأییدشده به آن دسترسی دارند. این نخستین بار است که یک مدل با وزن‌های باز به صدر جدول توانایی سایبری نزدیک می‌شود. در ارزیابی‌های قبلی، K3.1 پرو در بنچمارک ترمینال ۴ با ۶۵.۷٪ GPT-6 را پشت سر گذاشت و اکنون نمرهٔ ۶۴ درصدی دفاع سایبری را هم ثبت کرده است.
مدل Craft کانوا، نخستین مدل تصویری اختصاصی این شرکت
در خبری جداگانه، کانوا (Canva) از Craft رونمایی کرد. این نخستین مدل تصویری اختصاصی کانواست و با میلیون‌ها قالب طراحی‌شده به دست طراحان این پلتفرم آموزش دیده است. Craft در جدول رده‌بندی مردمی DesignArena چهارم شد و فقط پشت سه مدل اوپن‌ای‌آی قرار گرفت. این مدل از بهترین مدل‌های مایکروسافت، گوگل و xAI جلو زد.
Craft معماری دومرحله‌ای دارد: اول چیدمان را طراحی می‌کند و بعد تصویر را می‌سازد. به همین دلیل خروجی آن با قابلیت Magic Layers به طرح قابل ویرایش تبدیل می‌شود. Craft در دسته‌های پرتره و طبیعت رتبهٔ اول را دارد. این مدل برای همهٔ ۲۵۰ میلیون کاربر کانوا و از طریق API عمومی در دسترس است.
ورود عامل‌های هوش مصنوعی بدون دیدن رمز با 1Password
اتصال تازهٔ 1Password به عامل‌های هوش مصنوعی اجازه می‌دهد به جای کاربر وارد حساب شوند، بی‌آنکه رمز عبور را ببینند. Muse و Grok Bot از این اتصال پشتیبانی می‌کنند و Claude به راه‌اندازی جداگانه روی Mac نیاز دارد. روند آزمایش این است:
- یک درخواست آزمایشی را رد کنید.
- ورود درست را تأیید کنید.
- بررسی کنید عامل صفحهٔ موردنظر را می‌خواند.
- دسترسی را لغو کنید و از خروج از حساب مطمئن شوید.
میزگرد The Rundown: کاربرد روزمرهٔ هوش مصنوعی
جونا، مدیر آموزش هوش مصنوعی The Rundown، گفت برای طراحی بازسازی اتاق خواب اصلی به جای استخدام طراح از ChatGPT کمک گرفته است. آن‌ها چیدمان را طرح زدند، مصالح را مشخص کردند و با ChatGPT Voice طرح را بارها اصلاح کردند. سپس تصاویر نهایی را به پیمانکار دادند.
جنیفر، نویسندهٔ حوزهٔ فناوری و رباتیک، از Astra برای بررسی برنامه‌های هنری دبیرستان‌ها استفاده می‌کند. او رتبه‌ها، امکانات، شرایط نمونه‌کار و زمان رفت‌وآمد را در یک چارچوب تصمیم‌گیری کنار هم می‌گذارد.
گزارش باشگاه که هر جمعه خودکار به‌روز می‌شود
بریجت اورسون (Bridget Overson)، یکی از خوانندگان The Rundown، یک عامل زمان‌بندی‌شدهٔ Claude ساخته است. این عامل هر جمعه ساعت ۱۰ صبح به وقت شرق آمریکا سند Hevy Workout Log را به‌روز می‌کند. داده‌ها از API برنامهٔ Hevy، یک پوشهٔ عکس در Google Drive و خود سند می‌آید. عامل منابع را با هم تطبیق می‌دهد، ورودی‌های جدید را پیدا می‌کند و به‌روزرسانی‌ها را در برگه‌های روزانه و خلاصهٔ هفتگی می‌نویسد؛ بدون بک‌اند اختصاصی و بدون دخالت انسان.
دیگر خبرهای مهم هوش مصنوعی
- بلاک از دسا (Dessa) رونمایی کرد. این مدل صوتی واقع‌گرا با صدای خام مکالمه و بدون متن پیاده‌شده آموزش دیده و آن‌قدر کوچک است که روی یک MacBook قدرتمند اجرا می‌شود.
- آنتروپیک پیش از عرضهٔ عمومی اولیه (IPO) دو نفر از سازندگان ارشد Claude Code را از دست داد.
- تیم‌های قرمز (red teams) اوپن‌ای‌آی راه‌های ناشناخته‌ای برای فرار از sandbox پیدا کردند و آموزش مدل پیشرو در سپتامبر ۱۱ روز متوقف شد.
- جیسون کلینتون، معاون رئیس امنیت آنتروپیک، به مدافعان هشدار داد برای ۱۸ ماه دشوار آماده شوند.
پیام Kimi K3.1 Pro برای آزمایشگاه‌های آمریکایی
سه نشانه کنار هم قرار گرفته‌اند: رتبهٔ چهارم در شاخص هوش، بهترین نتیجهٔ دفاع سایبری میان مدل‌های باز و انتشار نزدیک وزن‌ها. این سه نشانه می‌گویند برتری مدل‌های بسته سریع‌تر از انتظار آزمایشگاه‌های آمریکایی در حال کم شدن است. به این ترتیب، پنجرهٔ ۶ تا ۱۲ ماههٔ آمودی عملاً در پنج ماه بسته شد.
برای خریداران سازمانی، فشار قیمت همین حالا حس می‌شود. مدلی که هم‌سطح Sonnet 5.5 و هم‌قیمت آن است اما وزن‌های باز دارد، حساب‌وکتاب خرید را تغییر می‌دهد. با این حال، مصرف بالای توکن ایجاب می‌کند پیش از مهاجرت آزمون واقعی انجام شود.
نتیجهٔ دفاع سایبری اهمیت راهبردی دارد. سیاست آمریکا انتشار مدل‌های پرتوان در هک را محدود کرده است. حالا یک مدل هوش مصنوعی چینی و باز با نمرهٔ ۶۴ درصد، بازنگری در راهبرد دفاعی و فرض‌های کنترل صادرات را ناگزیر می‌کند.
گام بعدی شما
- انتشار وزن‌ها در ۴ نوامبر و تکرار مستقل محک‌های کارهای طولانی Moonshot را دنبال کنید.
- پیش از مهاجرت از GPT-6 Astra یا Sonnet 5.5، هزینهٔ واقعی مصرف توکن را روی کارهای خودتان بسنجید.
- اگر در تیم امنیتی هستید، سناریوهای تهدید با مدل‌های بازِ هم‌سطح نمرهٔ ۶۴ درصد را در مدل تهدید خود بگنجانید.
گفتگو