Moonshot تطلق Kimi K3.1 Pro: 55 نقطة وسعر $2/$10 لكل مليون توكن

طرحت شركة Moonshot الصينية نموذج Kimi K3.1 Pro عبر API. التعرفة هي $2 لكل مليون توكن إدخال و$10 لكل مليون توكن إخراج. هذا هو سعر GPT-6.1 Sol نفسه، بينما يكلّف Claude Opus 5.5 ضعف ذلك. وفي مؤشر Artificial Analysis المستقل حصل Kimi على 55 نقطة، ولم يتفوق عليه سوى Opus 5.5 بـ58 نقطة. الأوزان مغلقة حاليًا، لكن Moonshot تعد بنشرها كاملة قبل 4 نوفمبر 2026.

ماذا أظهر القياس المستقل

تضع اختبارات Moonshot نفسها النموذج K3.1 Pro في مستوى قريب من Opus 5.5 وGPT-6 Astra. فهو يتجاوزهما في بعض الاختبارات ويقترب منهما كثيرًا في أخرى. وعادةً ما تُعدّ جداول كهذه بما يخدم الشركة المطوّرة، ولذلك يبقى المؤشر الخارجي أهم. رتّب Artificial Analysis النماذج على النحو التالي:

• Claude Opus 5.5: 58 نقطة
• Kimi K3.1 Pro: 55
• Claude Fable 5.1: 53
• GPT-6 Astra: 53
• Gemini 4 Argon: 53

تبلغ الفجوة مع المتصدر ثلاث نقاط، بينما يتقدم Kimi بنقطتين على النماذج الثلاثة المغلقة. في السابق كانت النماذج مفتوحة الأوزان، ولو في المستقبل، متأخرة بوضوح عن الحدود المتقدمة للنماذج المغلقة. هذه المرة، وللمرة الأولى، لم يحدث ذلك.

اقتصاديات التوكن وثمن السرعة

في سيناريوهات الوكلاء (agents) يحسم سعر التوكن الأمر أكثر من فارق نقطتين في المؤشر. فالوكيل الذي يعمل في حلقة «قرأ المستودع، فكّر، صحّح» يستهلك الكثير من توكنات الإدخال وعددًا أقل بكثير من توكنات الإخراج. لنحسب وفق تعرفة Moonshot: جلسة بـ500 ألف توكن إدخال و50 ألف توكن إخراج تكلّف $1,00 للإدخال و$0,50 للإخراج، أي $1,50 في المجموع. أما مع Opus 5.5، بسعره الأعلى بمرتين، فسيكلّف الحجم نفسه نحو $3. وهذا حسابنا نحن وليس بيانات من الشركة المطوّرة. وعلى آلاف الجلسات يوميًا يتحول هذا الفارق إلى بند ملحوظ في الميزانية.

وهناك أيضًا نسخة Highspeed. فهي أسرع بمرتين إلى 3 مرات وأغلى بمرتين. والاستثناء الوحيد هو إصابات كاش الإدخال، إذ لا يتغير سعرها. وبالنسبة لسلاسل الوكلاء الطويلة ذات السياق المتكرر الكبير (system prompt وقاعدة الشيفرة) يُعدّ هذا شرطًا مفيدًا. يمكن تفعيل الوضع السريع في المهام التفاعلية، وترك التشغيلات الخلفية على التعرفة العادية.

البجعة على الدراجة والاختبار عبر LLM 0.32

اختبر سايمون ويليسون النموذج بامتحانه المعتاد: طلب منه توليد SVG لبجعة تركب دراجة. شغّله عبر Moonshot API بالأمر `llm openai endpoint` من LLM 0.32، وهو أمر أضافه في أغسطس. يعمل الأمر مع أي endpoint متوافق مع OpenAI، وهنا مع https://api.moonshot.ai/v1 والنموذج kimi-k3.1-pro. الأمر نفسه لا يسجّل النتائج، لذا اضطر إلى توجيه المخرجات وأثر الاستدلال إلى ملفَّي stdout وstderr. واستخدم الراية `--responses` والخيار `reasoning_effort`.

يدعم النموذج ثلاثة مستويات للاستدلال: low وmedium وmax. شغّل ويليسون المستويات الثلاثة كلها، وأعاد تشغيل Kimi K3 السابق للمقارنة. ووصف نتيجة المستوى max بأنها متينة إلى حد جيد: القدمان على الدواستين، وهيكل الدراجة مرسوم جيدًا، والمنقار جاء موفقًا. أما من العيوب، فقد وقعت القدمان معًا على جانب واحد من الهيكل.

ما الذي ينبغي اختباره قبل 4 نوفمبر

حاليًا لا يتوفر سوى API، والأنسب للاختبار هو عميل متوافق مع OpenAI. يكفي تغيير base URL واسم النموذج. وللتقييم يجدر تشغيل مستويات الاستدلال الثلاثة على مهامكم الخاصة، ومقارنة الجودة واستهلاك توكنات الإخراج معًا: ففي وضع max يستهلك أثر الاستدلال جزءًا ملحوظًا من الميزانية. ومن المفيد قياس نسبة إصابات الكاش على حدة، لأن سعر Highspeed يتوقف عليها.

أما الفرق التي تفكر في الاستضافة الذاتية (self-hosting) فعليها انتظار الأوزان الفعلية التي وُعد بنشرها قبل 4 نوفمبر 2026. ويُستحسن أن تُقيّم مسبقًا متطلبات GPU وشروط الترخيص. وإذا وفت الشركة بوعدها، فسيظهر منافس لمزوّدي النماذج المغلقة بجودة مماثلة، يمكن فوق ذلك تشغيله على بنية تحتية خاصة.