في 16 يوليو 2026، أطلقت الشركة الصينية Moonshot AI (月之暗面) Kimi K3 وهو أقوى نموذج لها حتى الآن. يعتمد هذا النظام على بنية خليط الخبراء المتناثر (MoE) مع 2.8 تريليونات معلمةونافذة سياق تصل إلى 1 مليون توكن وبنية انتباه هجينة مصممة للعمل بكفاءة على التسلسلات الطويلة. يُقدم النموذج كمنافس قوي لنموذجي Claude Opus 4.8 وGPT-5.5، ويظهر في المهام المتخصصة (مثل برمجة الواجهات الأمامية، والأنظمة الوكيلية، والعمل مع المستودعات البرمجية) نتائج تضاهي أو تتفوق على هذه الأنظمة المغلقة.
ويعد المطورون بإتاحة الأوزان الكاملة في 27 يوليو 2026إذا تم الإصدار بالشكل المعلن عنه، فسيصبح Kimi K3 أحد أكبر النماذج مفتوحة الأوزان (open-weight) التي تم إطلاقها على الإطلاق، متفوقاً على أسلافه بأكثر من 2.5 مرة من حيث الحجم.
الشركة والسياق الاستراتيجي
تُعد Moonshot AI مختبراً مقره بكين، تأسس في 2023 على يد يانغ تشيلين وشركائه المؤسسين من جامعة تسينغهوا، وتشتهر باستراتيجيتها المفتوحة وسلسلة نماذج Kimi. حصلت الشركة على استثمارات كبيرة؛ ففي مايو 2026 أغلقت جولة تمويلية بقيمة 2 مليارات دولار بتقييم قدره 20 مليارات دولار بدعم من ذراع Meituan Long-Z Investments ومستثمرين رئيسيين آخرين بمن فيهم Alibaba وTencent. تجاوزت الإيرادات السنوية المتكررة (ARR) الربع سنوية 200 مليون دولار في أبريل 2026. نمت سلسلة Kimi بشكل مطرد، من K2 (تريليون معلمة) عبر K2.5–K2.7 Code وصولاً إلى K3 الحالي، مع توسيع السياق وإضافة تعدد الوسائط في كل مرة. يمثل K3 قفزة نوعية من حيث الحجم والابتكارات الهيكلية، التي تستهدف خصيصاً المهام الوكيلية الطويلة والبرمجة.
الابتكارات الهيكلية: جوهر الميزة التنافسية
1. Kimi Delta Attention (KDA) — آلية انتباه خطية هجينة، تطور أفكار Gated DeltaNet وقد جُربت بالفعل في النموذج المفتوح Kimi Linear (2025). فبدلاً من الانتباه التربيعي الكلاسيكي الذي يتطلب ذاكرة وحسابات بمستوى O(n²)، تستخدم معظم الطبقات مخططاً خطياً من حيث التعقيد مع بوابات قطرية على مستوى القنوات. المكاسب العملية:
- خفض استهلاك ذاكرة التخزين المؤقت للمفاتيح والقيم (KV-cache) إلى 75% في البنى المماثلة، وهو أمر بالغ الأهمية للعمل مع سياقات تصل إلى ملايين الرموز؛
- تسريع فك التشفير في سياقات الملايين بما يصل إلى 6.3 ضعفاً، مما يجعل الجلسات الطويلة قابلة للتنفيذ عملياً؛
- الحفاظ على جودة الاسترجاع في التسلسلات الطويلة دون تدهور كبير.
حصلت KDA على أنوية CUDA مفتوحة المصدر (FlashKDA) وتم دمجها في vLLM من أجل عمليات النشر الإنتاجية.
2. متبقيات الانتباه — آلية تقوم «بسحب» التمثيلات بشكل انتقائي من الطبقات السابقة بدلاً من التراكم المنتظم عبر روابط التبقي القياسية. تُبلغ Moonshot عن زيادة في كفاءة التدريب بنسبة ~25% بتكاليف إضافية ضئيلة (~2%)، وهو ما يعني، على نطاق نموذج بحجم 2 فاصلة ثمانية تريليون معامل، توفيراً كبيراً في الموارد الحوسبية اللازمة للتدريب أو تحسيناً مكافئاً في الجودة.
3. Stable LatentMoE — نظام توجيه مفرط التشتت، حيث يتم تنشيط 16 فقط من أصل 896 خبير لكل رمز (1.8% من المجموعة)، باستخدام الموازنة المئينية وتحسين لكل رأس لاستقرار التدريب. يتيح هذا المستوى من التشتت الحفاظ على التكلفة الحوسبية للاستدلال عند مستوى مقبول، رغم العدد الهائل من المعاملات؛ فبسبب بنية MoE ووجود 16 من الخبراء النشطين، يقل العدد الفعلي للمعاملات المنشطة لكل رمز بشكل ملحوظ عن 2 فاصلة ثمانية تريليون.
4. التكميم والكفاءة — تم تكميم النموذج في الأصل باستخدام MXFP4 للأوزان وMXFP8 للتنشيطات، وهو ما اختير لضمان التوافق مع الأجهزة المتنوعة. وتصرح Moonshot بوجود ما يقرب من 2.5× أفضل في كفاءة التحجيم مقارنة بجيل K2، مما يعني أن نفس حجم الحوسبة يمنح قدرات أكبر بكثير.
المواصفات الفنية
| المعلمة | القيمة |
إجمالي عدد المعلمات | 2.8 تريليون |
الخبراء النشطون | 16 من 896 (1.8% لكل رمز مميز) |
نافذة السياق | 1,048,576 رموز مميزة (مليون واحد) |
الأنماط | نص + صورة/فيديو ← نص (رؤية أصلية) |
البنية الأساسية | Sparse MoE + Kimi Delta Attention + Attention Residuals |
التكميم | MXFP4 (الأوزان) / MXFP8 (التنشيطات) |
التفكير المنطقي | مفعّل دائماً («thinking mode»)، مع أقصى جهد (max-effort) عند البداية فقط، وخطط لتوفير أوضاع منخفضة/عالية |
المقاييس المرجعية المستقلة والرسمية: الصورة الحقيقية للأداء
الريادة في المهام المتخصصة: في Frontend/WebDev Arena (تفضيلات المطورين البشرية) احتلت K3 المركز 1 بـ 1679 نقطة Elo، متفوقة على Claude Fable 5 (1631) وGPT-5.6 Sol (1618) في اختبار أعمى. ويمثل هذا قفزة بمقدار 17 مراكز عن المركز K2.6 والنتيجة رقم 1 في 6 من أصل 7 مجالات للواجهة الأمامية (باستثناء الألعاب).
الأداء العام: في مؤشر Artificial Analysis Intelligence Index v4.1 (تقييم مستقل يجمع 9 مقياساً مرجعياً: GDPval-AA، والتفكير، والبرمجة، والمهام الوكيلية) حصلت K3 على 57.1 — المركز 4 عالمياً، بعد Fable 5 (~60) وGPT-5.6 Sol (~59)، ولكن أعلى من Claude Opus 4.8 (~56).
البرمجة والأنظمة الوكيلية:
- Terminal-Bench 2.1: 88.3 (تقريباً بمستوى GPT-5.6 Sol 88.8، وأعلى بكثير من Claude Fable 5 وOpus 4.8 — وكلاهما 84.6).
- GDPval-AA v2: 1668 نقطة Elo، المركز الثالث بعد Fable 5 Max (1815) وGPT-5.6 Sol Max (1747.8)، ومتقدمة على Opus 4.8 (1600) — وهو اختبار قياسي للمعرفة والتفكير والمهام التحليلية.
- GPQA-Diamond: 93.5% — أفضل نتيجة مفتوحة في هذا المقياس المرجعي عالي الصعوبة (معرفة بمستوى خريجي الدكتوراه).
- BrowseComp (الوكلاء الويب): 91.2% (أفضل نتيجة بين جميع النماذج المقارنة)، 90.4% في سياق كامل يبلغ مليون رمز مميز بدون ضغط.
- AA-Briefcase (المعرفة طويلة المدى/الوكلاء): 1548 نقطة Elo، في المركز الثاني بعد Fable 5، ومتقدمة على GPT-5.6 Sol.
يشير بعض المختبرين المستقلين إلى زيادة في «ثرثرة» المخرجات، مما قد يؤدي إلى زيادة استهلاك الرموز المميزة، ولكن في مهام البرمجة والمهام الوكيلية الأساسية، فإن استخدام رموز المخرجات أقل بنسبة 21% مقارنة بـ K2.6، بفضل تحسينات رموز التفكير (reasoning-tokens).
الأسعار والتوافر
تعريفة API: $3.00 لكل مليون رمز مميز للمدخلات (في حالة فقدان ذاكرة التخزين المؤقت cache miss)، و$0.30 للمدخلات المخزنة مؤقتاً، و$15.00 لكل مليون رمز مميز للمخرجات — وهو السعر الأغلى بين جميع المختبرات الصينية، لكنه يتماشى مع أسعار Claude Sonnet ويعادل تقريباً نصف تكلفة GPT-5.6 Sol ($30/مليون للمخرجات). وللمقارنة، كان سعر K2.6 هو $0.60 للمدخلات / $2.50 للمخرجات، لذا فهذه قفزة بمقدار 5 ضعفاً للمدخلات و6 ضعفاً للمخرجات، مما يعكس قفزة كبيرة في النطاق والجودة.
التوافر: Kimi Code، وتطبيق Kimi (بما في ذلك نظام iOS)، وMoonshot API المتوافق مع OpenAI، وOpenRouter. يتطلب سياق 1M الكامل اشتراك Allegretto أو أعلى؛ بينما يقتصر اشتراك Moderato على 256K.
الحملة الترويجية: صاحب الإطلاق حملة ترويجية مع أرصدة إضافية تتراوح بين +10 و30% على عمليات الشحن في الفترة من 15 يوليو إلى 11 أغسطس 2026.
إصدار الأوزان المفتوحة (Open-weight): التوقعات والأهمية
في وقت الإطلاق (16 يوليو)، لم تُنشر الأوزان بعد. التزمت Moonshot رسمياً بإصدار الأوزان الكاملة في 27 يوليو 2026 بموجب ترخيص قريب من Modified MIT (كما هو الحال في سلسلة K2). بعد فتح الأوزان، ستصبح K3 أقوى نموذج متاح بحرية من حيث مجموع النطاق (2،8T) والسياق (1M) والقدرات البرمجية والوكيلية، مما يعني توفرها للتطوير المحلي والضبط الدقيق والأبحاث على الأجهزة المناسبة (بحد أدنى 64 مسرعات للنموذج الكامل).
الأهمية الاستراتيجية وسياق المنافسة
يظهر Kimi K3 في لحظة تحول حرجة في صناعة الذكاء الاصطناعي الصينية. فبعد صعود DeepSeek في يناير 2025 (R1 مع الحوسبة منخفضة التكلفة)، فقدت Moonshot مكانتها في السوق، حيث تراجعت من المركز 3 في عدد مستخدمي Kimi النشطين إلى المركز 7 بحلول يونيو 2025. ويعد K3 رهاناً متعمداً على العودة من خلال النطاق والابتكار المعماري. ويصف المستثمرون هذا بأنه «Kimi moment» محتمل (على غرار صدمة DeepSeek قبل عام)، وهناك أسباب لذلك: فالنموذج يقلص الفجوة مع النماذج الرائدة الغربية ليس من خلال انخفاض السعر (فهو باهظ الثمن)، بل من خلال الجودة والنطاق.
إن الجمع بين 2،8T معلمة، وسياق 1M، والرؤية الأصلية، والتفكير المفعل دائماً، والبرمجة القوية، يجعل K3 مثيراً للاهتمام بشكل خاص لـ:
- الأنظمة الوكيلية وسير العمل طويل المدى (إعادة إنتاج واجهات المستخدم، والتطوير متعدد الخطوات، والمهام الهندسية المستقلة)؛
- تطوير وإعادة هيكلة قواعد الكود الكبيرة (في أحد الأمثلة الشهيرة، صمم K3 شريحة دقيقة بشكل مستقل في غضون 48 ساعات باستخدام أدوات EDA مفتوحة المصدر)؛
- المهام البحثية والتحليلية ذات السياق الضخم (الوثائق القانونية، والتقارير المالية، ومراجعة الكود للمستودعات الكبيرة)؛
- الشركات التي ترغب في الاستضافة الذاتية والاستقلال عن واجهات برمجة التطبيقات المغلقة بدلاً من الاعتماد على Anthropic أو OpenAI.
ومع ذلك، تظل هناك تحفظات مهمة: الأوزان لم تصدر بعد، وعمليات إعادة الإنتاج المستقلة والتقارير الفنية التفصيلية لا تزال قيد الإعداد، وبعض معايير القياس تستخدم أدوات اختبار خاصة (KimiCode بدلاً من المعيارية). ستتضح الصورة الحقيقية بشكل نهائي بعد 27 يوليو، عندما تصبح الأوزان متاحة وتظهر تقييمات مستقلة على النسخ المفتوحة من النماذج.
الخلاصة: يُعد Kimi K3 أحد أهم إصدارات الذكاء الاصطناعي في النصف الأول من عام 2026. إنه ليس مجرد «نموذج صيني كبير آخر»، بل منافس جدي على مكان في الصف الأول من نماذج الحدود (frontier-models)، خاصة في المهام المتخصصة المتعلقة بالبرمجة الوكيلية، والسياقات الطويلة، والاستدلال متعدد الوسائط. وتثبت الابتكارات المعمارية (KDA، وAttention Residuals، وStable LatentMoE) أن المختبرات الصينية تضاهي في هندستها أفضل المختبرات الغربية. وإذا تم إصدار الأوزان المفتوحة (open-weight) كما هو مخطط له في 27 يوليو، فإن التأثير على منظومة المصادر المفتوحة (open-source) وديناميكيات المنافسة سيكون ملحوظاً للغاية: حيث سيحصل المطورون لأول مرة على إمكانية الوصول إلى نموذج بهذا الحجم والجودة بعيداً عن واجهات برمجة التطبيقات المغلقة.
