Kimi K3.1 Pro: نزدیک به Opus در کدنویسی، با نصف قیمت و وزن‌های باز
شرکت Moonshot نسخه‌ی تازه‌ی پرچم‌دارش را منتشر کرد: Kimi K3.1 Pro. ادعای اصلی‌اش این است که در کار با خط فرمان تقریباً پابه‌پای Claude Opus 5.5 می‌رود، با نصفِ قیمت آن — و برخلاف رقبای بسته، وزن‌های مدل هم به‌زودی عمومی می‌شود. در این مقاله می‌بینیم این ادعا تا کجا پشتوانه دارد و کجا ندارد.
Kimi K3.1 Pro دقیقاً چیست؟
این بزرگ‌ترین مدل خانواده‌ی Kimi است؛ یک مدل زبانی بزرگ که روی همان مدل پایه‌ی Kimi K3 ساخته شده و با آموزشِ بعدی پخته‌تر شده است. مشخصات کلیدی:
- حافظه‌ی گفت‌وگوی یک میلیون توکنی، با ورودیِ متن، تصویر و ویدیو.
- همیشه با استدلال کار می‌کند؛ حالت بدون فکرکردن ندارد، و عمق استدلالش به‌طور پیش‌فرض روی بیشترین سطح است.
- وزن‌های باز: سازنده گفته وزن‌های کامل این مدلِ حدوداً سه‌هزارمیلیارد پارامتری را منتشر می‌کند — چیزی که هیچ‌کدام از پرچم‌داران آمریکایی ندارند.
- تمرکز بر کار طولانی و چندمرحله‌ای: کدنویسی، طراحی سه‌بعدی، و کارهای اداری و مالی.
کارنامه‌ی بنچمارک‌ها
سازنده در دو سنجه‌ی عمومی آن را مستقیم کنار رقبای بسته گذاشته. عددهای بزرگ‌تر بهترند — و در هر دو، Kimi نفر اول نیست:
| سنجه | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 — کار در خط فرمان | ۶۵٫۷ | ۶۶٫۴ | ۵۸٫۲ |
| BenchCAD (با ابزار) — طراحی سه‌بعدی مهندسی | ۹۲٫۷ | ۹۶٫۲ | ۹۵٫۹ |
خواندنش ساده است. در کار با خط فرمان یک واحد با Opus 5.5 فاصله دارد و از GPT-6 Astra هفت واحد جلوتر است؛ در طراحی سه‌بعدی مهندسی از هر دو عقب‌تر است. سازنده چند ادعای دیگر هم دارد که با سنجه‌های خودش اندازه گرفته: کدنویسیِ طولانی از ۵۶ به ۶۱ نسبت به نسل قبل، و کاهش اشتباه‌های واقعیت‌گویی از ۲۳ درصد به ۸ درصد در یک آزمونِ عمداً دشوار. این‌ها جهت را نشان می‌دهند، اما آزمون‌هایشان را خودِ سازنده ساخته و کسی بیرون از شرکت نمی‌تواند تکرارشان کند.
و همان تذکر همیشگی: این اعداد را خودِ سازنده منتشر کرده. همان‌طور که در معرفی Gemini 4 Argon دیدیم، جدول بنچمارک می‌گوید کدام مدل در امتحانِ سازنده بهتر بوده، نه در کار شما.
یک واحد فاصله در کار با خط فرمان، با نصف قیمت. برای بیشتر کارها همین جمله کل مقایسه است.
— تیم هوشواره
مقایسه‌ی هزینه
برای اینکه مقایسه معنادار باشد، هزینه‌ی Kimi K3.1 Pro را برابر ۱ می‌گیریم. ستون آخر یک ترکیب واقع‌گرایانه از گفت‌وگوی معمولی است (۵ واحد ورودی به ازای هر ۱ واحد خروجی).
| مدل | شاخص ورودی | شاخص خروجی | شاخص حافظه‌ی نهان | شاخص گفت‌وگوی معمول |
|---|---|---|---|---|
| Kimi K3.1 Pro | ۱٫۰ | ۱٫۰ | ۱٫۰ | ۱٫۰۰ |
| GPT-6.1 Sol | ۱٫۰ | ۱٫۰ | ۰٫۵ | ۱٫۰۰ |
| Gemini 4 Argon — تعرفه‌ی معرفی | ۱٫۰ | ۱٫۰ | ۰٫۵ | ۱٫۰۰ |
| Claude Opus 5.5 | ۲٫۰ | ۲٫۰ | ۱٫۰ | ۲٫۰۰ |
| GPT-6 Astra | ۵٫۰ | ۵٫۰ | ۵٫۰ | ۵٫۰۰ |
| Claude Fable 5.1 | ۵٫۰ | ۵٫۰ | ۱٫۲۵ | ۵٫۰۰ |
| Gemini 3.8 Flash | ۰٫۴۱ | ۰٫۴۱ | ۰٫۴۱ | ۰٫۴۱ |
| GPT-6 Luna | ۰٫۰۵ | ۰٫۰۵ | ۰٫۰۵ | ۰٫۰۵ |
سه نکته از این جدول. اول: هم‌قیمتِ GPT-6.1 Sol و Gemini 4 Argon است، نصفِ Opus 5.5 و یک‌پنجمِ GPT-6 Astra. دوم: ستون حافظه‌ی نهان. هزینه‌ی «یادآوری» متنی که قبلاً فرستاده‌اید در این مدل دو برابرِ Sol و Argon است؛ پس در گفت‌وگوهای طولانیِ ادامه‌دار روی یک سند ثابت، آن دو ارزان‌تر تمام می‌شوند.
سوم و مهم: چون این مدل همیشه فکر می‌کند و عمق استدلالش پیش‌فرض روی بیشترین سطح است، معمولاً توکن خروجیِ بیشتری از یک مدل معمولی مصرف می‌کند — و فکرکردنش هم مثل خروجی حساب می‌شود. برای سؤال ساده، هزینه‌ی واقعی‌اش ممکن است از آنچه جدول نشان می‌دهد بیشتر شود. یک تذکر لازم هم اینکه این جدول عکسِ لحظه‌ای تعرفه‌هاست و تعرفه‌ها تغییر می‌کنند؛ ارقام این جدول در ۵ آبان ۱۴۰۵ بازبینی شده‌اند و مرجع همیشگی، عدد به‌روزِ هر مدل در کاتالوگ مدل‌هاست.
مدلی که همیشه فکر می‌کند، برای هر سلام و احوال‌پرسی هم فکر می‌کند. آن را برای کاری نگه دارید که واقعاً فکر می‌خواهد.
پس چه‌وقت این مدل، چه‌وقت مدل دیگر؟
- سراغ Kimi K3.1 Pro بروید برای کدنویسی و کار عاملیِ چندمرحله‌ای، کار با خط فرمان، و اسناد و ویدیوهای بلند — جایی که کیفیتی نزدیک به Opus با نصف هزینه می‌خواهید.
- سراغ Claude Opus 5.5 بروید وقتی آن آخرین واحد دقت مهم است، یا کارتان طراحی و مدل‌سازی سه‌بعدی است — همان ردیفی که Kimi در آن عقب ماند.
- سراغ یک مدل سبک بروید برای ترجمه، خلاصه و پاسخ کوتاه؛ ده‌ها برابر ارزان‌ترند و برای کار ساده فکرِ اضافه نمی‌کنند.
لازم هم نیست از پیش تصمیم بگیرید: در آرنای مدل‌ها همان درخواست واقعی خودتان را هم‌زمان به چند مدل بدهید و پاسخ و هزینه را کنار هم ببینید.
پرسش‌های متداول
با Kimi K3 چه فرقی دارد؟
روی همان مدل پایه ساخته شده، اما با آموزشِ بعدی در کدنویسی طولانی و دقت پاسخ‌ها بهتر شده؛ سازنده بیشترین بهبود را در کاهش اشتباه‌های واقعیت‌گویی گزارش کرده. Kimi K3 هم همچنان در کاتالوگ هست.
«وزن باز» برای من چه اهمیتی دارد؟
یعنی هر کسی می‌تواند مدل را روی سخت‌افزار خودش اجرا کند. برای کاربر عادی فرقی در استفاده ایجاد نمی‌کند، اما معمولاً یعنی سرویس‌دهنده‌های بیشتر و رقابت بیشتر سر قیمت در ماه‌های بعد.
چرا گاهی کند جواب می‌دهد؟
چون پیش از پاسخ فکر می‌کند و عمق پیش‌فرضش بیشترین سطح است. برای کارهای ساده، یک مدل سبک‌تر هم سریع‌تر است و هم ارزان‌تر.
فارسی را خوب می‌فهمد؟
خانواده‌ی Kimi در کار چندزبانه قوی است، اما هیچ سنجه‌ی عمومی‌ای کیفیت فارسی را جداگانه اندازه نمی‌گیرد. توصیه‌ی ما ساده است: یک نمونه‌ی واقعی از کار خودتان را در آرنا به دو سه مدل بدهید و خودتان قضاوت کنید.
چطور در هوشواره از آن استفاده کنم؟
مثل هر مدل دیگر: در صفحه‌ی گفت‌وگو از فهرست مدل‌ها انتخابش کنید. هزینه‌ی هر پاسخ پیش و پس از ارسال به‌صورت تومانی نمایش داده می‌شود. اگر توسعه‌دهنده‌اید، از طریق API هم در دسترس است.
جمع‌بندی
Kimi K3.1 Pro قوی‌ترین مدل وزن‌باز امروز است و در کار با خط فرمان تقریباً به Opus 5.5 رسیده، با نصف قیمت. در طراحی سه‌بعدی عقب‌تر است، حافظه‌ی نهانش از هم‌قیمت‌هایش گران‌تر است، و چون همیشه فکر می‌کند برای کار ساده انتخاب به‌صرفه‌ای نیست.
ساده‌ترین راه قضاوت، امتحان‌کردن با کار خودتان است. فهرست کامل مدل‌ها و تعرفه‌ی تومانی هرکدام در کاتالوگ مدل‌ها و طرح‌های اشتراک در صفحه‌ی تعرفه‌ها است. حساب ندارید؟ ثبت‌نام کمتر از یک دقیقه طول می‌کشد.