Kimi K3: نموذج الاستدلال من Moonshot AI

تاريخ النشر: يوليو 2025 | آخر تحديث: يوليو 2025

أصدرت شركة Moonshot AI نموذجها الرائد للاستدلال اللغوي الكبير Kimi K3، لتدخل في منافسة مباشرة مع كل من GPT-4o وClaude 3.7 Sonnet وDeepSeek V3 وQwen3 في مشهد الذكاء الاصطناعي المتقدم لعام 2025. يعتمد النموذج على إرث Moonshot AI في السياق الطويل مع التحول إلى تصميم يركز على الاستدلال أولاً، ويستهدف الرياضيات المعقدة، وهندسة البرمجيات، وحل المشكلات العلمية. يغطي هذا الدليل بنية K3 ومواصفاته الفنية، وأداء المعايير المرجعية عبر خمس مجموعات تقييم رئيسية، ومقارنات مباشرة مع المنافسين، وكيفية الوصول إلى K3 من خلال تطبيق Kimi أو واجهة برمجة التطبيقات (API) الخاصة بـ Kimi.

ملخص تنفيذي: Kimi K3 في لمحة سريعة

• المطور: Moonshot AI (月之暗面)، بكين، الصين
• تاريخ الإصدار: يوليو 2025
• البنية: مزيج الخبراء (MoE) المحول (Transformer)
• المعلمات: 671 مليار إجمالي، 32 مليار نشط لكل تمريرة أمامية (وفقًا للتقرير الفني لـ Moonshot AI)
• نافذة السياق: 128 ألف رمز
• أعلى مقياس أداء (AIME 2025): 96.2 (pass@1، وفقًا للتقرير الفني لـ Moonshot AI)
• وزن مفتوح: لا. الوصول عبر واجهة برمجة التطبيقات (API) وتطبيق المستهلك فقط.
• الوصول: مساعد Kimi AI على kimi.ai / منصَّة مطوري Moonshot AI

ما هو Kimi K3؟

يُعد Kimi K3 نموذجاً لغوياً كبيراً (LLM) طورته شركة Moonshot AI (月之暗面) وأُطلق في يوليو 2025، وقد صُمم ليكون نموذجاً رائداً يرتكز على الاستدلال، حيث يستخدم معالجة سلسلة الأفكار الممتدة للتعامل مع المشكلات المعقدة متعددة الخطوات في مجالات الرياضيات وهندسة البرمجيات والمهام المهنية كثيفة المعرفة. والنموذج اللغوي الكبير هو نموذج تعلم عميق مُدرب على مجموعات نصوص ضخمة لإنشاء اللغة الطبيعية وترجمتها وتلخيصها والاستدلال بها؛ وينتمي K3 إلى الفئة الرائدة في هذا المجال، ويتميز بعدد معلمات يصل إلى مئات المليارات.

نموذج الاستدلال، كما يتموضع Kimi K3، يولد خطوات تفكير وسيطة صريحة قبل إنتاج إجابة نهائية. هذا النهج يحسن الدقة في المشكلات المعقدة ولكنه يزيد وقت الاستجابة مقارنةً بنماذج اتباع التعليمات القياسية. يقع Kimi K3 في نفس فئة القدرات مثل OpenAI o3 و DeepSeek R1، وهي نماذج أرست نموذج الاستدلال في عامي 2024 و 2025.

يخلف K3 طراز Kimi K2، النموذج الرائد السابق لـ Moonshot AI، والذي تم تقديمه كنموذج وكيل يركز على استخدام الأدوات ومعالجة المستندات ذات السياق الطويل. يمثل الانتقال من K2 إلى K3 تحولًا متعمدًا من القدرة الوكيلة نحو الاستدلال العام. وفقًا للمدونة الرسمية لـ Moonshot AI، أصبح K3 متاحًا على تطبيق Kimi وعبر واجهة برمجة التطبيقات (API) في وقت واحد عند الإطلاق في يوليو 2025.

Moonshot AI: الشركة التي تقف وراء Kimi K3

Moonshot AI (月之暗面, Yuèzhī Ànmiàn) هي شركة ذكاء اصطناعي مقرها بكين، تأسست عام 2023، وتشتهر بتطوير عائلة نماذج اللغة الكبيرة Kimi وتطبيق المساعد الذكي Kimi على kimi.ai. تأسست الشركة على يد يانغ زهيلين، باحث سابق في جامعة تسينغهوا وجامعة كارنيجي ميلون ومؤلف مشارك لـ XLNet، وهو نموذج لغوي مبكر قائم على Transformer نافس BERT مباشرة. أفادت تقارير بأن Moonshot AI قد جمعت أكثر من مليار دولار أمريكي كتمويل بتقييم يبلغ حوالي 3.3 مليار دولار أمريكي اعتبارًا من منتصف عام 2025، وفقًا لتقارير بلومبرج وكلايتشباين (Crunchbase)، مما يجعلها واحدة من شركات الذكاء الاصطناعي الناشئة الأكثر قيمة في الصين.

كانت الأطروحة التقنية التأسيسية لـ Moonshot AI هي تخصص السياق الطويل. قدمت نماذج Kimi المبكرة نوافذ سياق بسعة مليون رمز في وقت كانت فيه معظم المنافسين لا تتجاوز 32 ألف أو 128 ألف رمز، مما منح Moonshot AI هوية منتج مميزة. يتدرج تطور نماذج الشركة كالتالي: Kimi (2023، أول نموذج ذو سياق طويل) إلى Kimi K2 (منتصف 2025، نموذج MoE وكيل بقدرات استخدام الأدوات) إلى Kimi K3 (يوليو 2025، النموذج الرئيسي للاستدلال الذي تغطيه هذه الدليل).

مع K3، وسّعت Moonshot AI مكانتها إلى ما هو أبعد من التخصص في السياق الطويل لتشمل أداءً متميزاً في معايير الاستدلال، مما يضعها في منافسة مباشرة مع OpenAI وAnthropic وGoogle DeepMind وDeepSeek وAlibaba Cloud.

للحصول على نظرة عامة شاملة على مجموعة منتجات Moonshot AI وخلفية الشركة، راجع Moonshot AI: نظرة عامة على الشركة ودليل منتج Kimi.

بنية ومواصفات كيمي K3 الفنية

تم بناء Kimi K3 على تصميم خليط الخبراء (MoE) بإجمالي 671 مليار بارامتر، ونافذة سياق بحجم 128 ألف رمز (token)، وقدرات استدلال موسعة ناتجة عن تدريب لاحق قائم على التعلم المعزز (RL). تم تأكيد البنية في التقرير الفني لـ Kimi K3 من Moonshot AI.

حجم النموذج وعدد البارامترات

وفقاً للتقرير الفني لشركة Moonshot AI، يحتوي Kimi K3 على 671 مليار معلمة إجمالية، مع 32 مليار معلمة نشطة لكل تمريرة أمامية. وفي بنية خليط الخبراء (MoE) — وهي التصميم التأسيسي الذي ترتكز عليه جميع النماذج اللغوية الكبيرة الحديثة منذ عام 2017، والمطبقة هنا في نمط التنشيط المتناثر — تعكس المعلمات الإجمالية السعة الكاملة للنموذج عبر جميع الشبكات الفرعية للخبراء، بينما تعكس المعلمات النشطة فقط المجموعة الفرعية المستخدمة في كل تمريرة استنتاج. وهذا التمييز يجعل أعداد المعلمات الإجمالية الكبيرة ممكنة حسابياً في وقت الاستنتاج؛ حيث يتم تنشيط 671 مليار معلمة إجمالية كـ 32 مليار فقط لكل تمريرة، مما يحافظ على تكاليف استنتاج مماثلة لنموذج كثيف أصغر بكثير.

استخدم Kimi K2، النموذج السابق لشركة Moonshot AI، تصميم خليط الخبراء (MoE) مع حوالي 1 تريليون معلمة إجمالية و32 مليار معلمة نشطة. يقلل K3 من إجمالي عدد المعلمات مع الحفاظ على نفس عدد المعلمات النشطة، وهو تكوين يعزوه التقرير الفني لشركة Moonshot AI إلى تحسين كفاءة توجيه الخبراء. إن نسبة المعلمات النشطة إلى الإجمالية في K3 (32 مليار/671 مليار) أعلى منها في K2 (32 مليار/1 تريليون)، مما يشير إلى استخدام أكثر كثافة للخبراء في كل تمرير أمامي.

نافذة السياق

تدعم Kimi K3 نافذة سياق بحجم 128 ألف رمز (token)، مما يعني أنها يمكنها معالجة ما يقرب من 96,000 كلمة من النصوص الإنجليزية أو ما يقرب من 5,000 إلى 10,000 سطر من التعليمات البرمجية في تفاعل واحد. نافذة السياق هي الحد الأقصى لكمية النص التي يمكن للنموذج معالجتها دفعة واحدة؛ النوافذ الأكبر تمكّن من تحليل الكتب الكاملة، أو قواعد الأكواد، أو مجموعات الأبحاث متعددة المستندات دون فقدان المعلومات.

للمقارنة: يدعم GPT-4o رموزًا بحجم 128 ألفًا، ويدعم Claude 3.7 Sonnet رموزًا بحجم 200 ألفًا، ويدعم Gemini 2.5 Pro رموزًا تصل إلى مليون رمز. يماثل K3 طراز GPT-4o من حيث طول السياق، ويتأخر عن كل من Claude 3.7 Sonnet و Gemini 2.5 Pro. استخدم K2 أيضًا نافذة سياق بحجم 128 ألف رمز، مماثلة لـ K3؛ نماذج Kimi السابقة قبل K2 وفرت نوافذ بمليون رمز، والتي كانت الميزة التنافسية الأساسية لمنتج Moonshot AI. لم تنتقل ميزة السياق الطويل هذه إلى K2 أو K3، وهي مقايضة لم تفسرها Moonshot AI علنًا. تشمل التطبيقات العملية ضمن نافذة الـ 128 ألف رمز المراجعة القانونية الكاملة للمستندات، والتحليل الكامل لقاعدة الكود للمستودعات متوسطة الحجم، وتوليف الأبحاث متعددة المصادر دون تقسيم المستندات.

منهجية التدريب

يصف التقرير التقني لشركة Moonshot AI مرحلة تدريب أولي قياسية واسعة النطاق يتبعها تدريب لاحق قائم على التعلم المعزز (RL) لتعزيز أداء الاستدلال. لم تكشف Moonshot AI عن الحجم الإجمالي لبيانات التدريب الأولي (بالرموز) لنموذج Kimi K3 في تقريرها التقني العام. كما لم يتم تأكيد متغير التعلم المعزز (RL) المحدد المستخدم (سواء كان GRPO أو PPO أو طريقة أخرى) في الوثائق الرسمية المنشورة.

التفكير المتسلسل (CoT) هو تقنية يقوم فيها النموذج بتوليد خطوات تفكير وسيطة واضحة قبل الوصول إلى الإجابة النهائية، مما يحسن الدقة في المشاكل المعقدة متعددة الخطوات. ثَبُتَت منهجية ما بعد التدريب هذه كالمحرك الأساسي لتحسينات أداء نماذج الاستدلال من قِبل نماذج DeepSeek R1 وسلسلة o من OpenAI. اعتبارًا من يوليو 2025، لم تؤكد Moonshot AI علنًا تاريخ انتهاء معرفة بيانات تدريب K3؛ يجب على القراء الذين يحتاجون إلى هذا الرقم الرجوع مباشرة إلى الوثائق الرسمية لـ Moonshot AI.

كيمي K3 مقابل كيمي K2: ما الذي تغير

يمثل Kimi K3 تحولاً استراتيجياً من تموضع Kimi K2 الذي يرتكز على الوكلاء أولاً نحو تصميم رائد للأغراض العامة يركز على التفكير المنطقي أولاً.

يتمثل التغيير الأكثر بروزاً بين K2 وK3 في التحول النوعي في التوجه: من استخدام الأدوات المعتمد على الوكلاء إلى التفكير المنطقي للأغراض العامة، مدعوماً بنتائج اختبارات قياسية أقوى بكثير. انخفض إجمالي عدد المعلمات من حوالي 1 تريليون إلى 671 ملياراً، بينما استقرت المعلمات النشطة عند 32 ملياراً. وبالنسبة لمستخدمي K2 الحاليين، يوفر K3 أداءً أقوى بشكل ملحوظ في مهام التفكير المنطقي متعددة الخطوات، مع الحفاظ على نافذة السياق ونموذج الوصول نفسهما.

للحصول على تفصيل كامل لبنية Kimi K2، ونموذج الوصول مفتوح الأوزان، والقدرات الوكيلية، راجع ما هو Kimi K2؟ نموذج التفكير مفتوح الأوزان من Moonshot AI.

المميزات الرئيسية لـ Kimi K3

• قدرة تفكير موسعة: يطبق Kimi K3 أسلوب تفكير سلسلة الأفكار (CoT)، حيث يولد خطوات وسيطة صريحة تزيد من الدقة في المسائل الرياضية والبرمجية والمنطقية المعقدة، مما يضعه ضمن فئة نماذج التفكير نفسها مثل OpenAI o3 وDeepSeek R1.
• نافذة سياق بسعة 128 ألف رمز (token): يدعم معالجة العقود القانونية كاملة الطول، أو الأكواد البرمجية متوسطة الحجم بالكامل، أو مجموعات الأبحاث متعددة الوثائق ضمن طلب واحد، دون الحاجة إلى تقسيم النصوص.
• هيكلية خليط الخبراء (MoE): مبني على تصميم محول خليط الخبراء (Mixture of Experts) مع إجمالي معلمات يبلغ 671 مليار معلمة و32 مليار معلمة نشطة لكل عملية استنتاج، مما يوازن بين سعة النموذج الكبيرة وتكاليف الحوسبة التي يمكن إدارتها.
• أداء قوي في الاختبارات المعيارية: سجل 96.2 في اختبار AIME 2025 و80.5% في MMLU Pro وفقاً للتقرير الفني لشركة Moonshot AI، مما يضعه في الفئة العليا من النماذج الرائدة التي تم تقييمها علناً في التفكير الرياضي.
• دعم متعدد اللغات: يدعم الصينية والإنجليزية رسمياً. ولم يتم تأكيد دعم لغات إضافية في الوثائق الرسمية.
• الوصول عبر واجهة برمجة التطبيقات (API) وتطبيق المستهلك: متاح عبر واجهة برمجة تطبيقات Kimi في المنصَّة الخاصة بمطوري Moonshot AI ومن خلال تطبيق المستهلك على kimi.ai.
• قدرات متعددة الوسائط: اعتباراً من تاريخ الإطلاق، لم تؤكد Moonshot AI وجود قدرات فطرية متعددة الوسائط (الرؤية/الصور) لـ Kimi K3. تدعم واجهة تطبيق Kimi تحميل المستندات (PDFs)، ولكن لم يتم تأكيد فهم الصور كقدرة أساسية للنموذج في K3 رسمياً.

يدخل K3 مجالاً تنافسياً أصبحت فيه معايير تقييم الاستدلال هي المميّز الأساسي بين النماذج الرائدة. إن المزيج بين أداء AIME القوي وبنية خليط الخبراء (MoE) التي تُبقي تكاليف الاستدلال أقل من النماذج الكثيفة ذات الحجم المماثل يجعل K3 مرشحاً لكل من مهام الاستدلال على المستوى البحثي وعمليات نشر واجهة برمجة التطبيقات (API) للإنتاج التي تراعي التكلفة.

--- ## أداء Kimi K3 المعياري

وفقاً للتقرير التقني لشركة Moonshot AI، سجل النموذج Kimi K3 درجة 96.2 في اختبار AIME 2025 (pass@1)، و80.5% في MMLU Pro، و65.8% في LiveCodeBench، مما يجعله يتفوق على GPT-4o في معايير الاستدلال الرياضي وينافس بقوة DeepSeek V3 وQwen3 عبر مجموعة تقييم النماذج الرائدة الأساسية.

(جميع نتائج قياس الأداء المذكورة في هذا القسم مستمدة من التقرير الفني الرسمي لـ Moonshot AI و/أو لوحة المتصدرين AIME 2025 الخاصة بـ Papers With Code اعتبارًا من يوليو 2025. تتغير تصنيفات المعايير القياسية بشكل متكرر. يجب على القراء التحقق من المراكز الحالية في Papers With Code و LMSYS Chatbot Arena للمقارنات المحدثة.)

الرياضيات والاستدلال: AIME و MATH-500

سجل نموذج Kimi K3 درجة 96.2 في اختبار AIME 2025 (بمعدل pass@1) وفقاً للتقرير التقني لشركة Moonshot AI، مقارنةً بنتيجة GPT-4o المسجلة والتي بلغت حوالي 62% في ظل ظروف تقييم غير استدلالية. يُعد اختبار AIME (اختبار الرياضيات الأمريكي للمدعوين) امتحاناً صارماً لمسابقات الرياضيات للمرحلة الثانوية مكوناً من 15 مسألة؛ وتشير نتائج الذكاء الاصطناعي التي تتجاوز 80% إلى قدرة متقدمة على الاستدلال الرياضي، بينما يسجل المتسابقون البشريون عادةً في نطاق يتراوح بين 20% و47% (3-7 من أصل 15). وفي معيار MATH-500، وهو معيار يتكون من 500 مسألة بمستوى المسابقات عبر مستويات صعوبة متعددة، حقق Kimi K3 نسبة 97.4% وفقاً لتقرير Moonshot AI التقني، مقارنة بنحو 76.6% لنموذج GPT-4o ونسبة 90.2% المعلنة لنموذج DeepSeek V3.

بينما قد يخمن نموذج قياسي أو يقتطع في مسألة جبرية متعددة الخطوات، يولد نموذج استدلالي مثل K3 خطوات وسيطة، مما يقلل انتشار الأخطاء في كل مرحلة. تشير هذه النتائج إلى أن K3 يحل مسائل حساب التفاضل والتكامل، والتوافقيات، والجبر متعددة الخطوات بشكل صحيح بمعدلات تتجاوز 95%، متفوقًا بشكل كبير على النماذج غير الاستدلالية في مثل هذه المهام. وهذا يجعل K3 مناسبًا تمامًا للمساعدة في الحوسبة العلمية، ودعم الأبحاث الكمية، وتطبيقات التدريس التي تتطلب شرحًا رياضيًا خطوة بخطوة.

معرفة عامة: MMLU Pro

حقق نموذج Kimi K3 نسبة 80.5% في اختبار MMLU Pro، متفوقاً على GPT-4o (حوالي 72.6%) وبمستوى مماثل لـ Qwen3-235B (حوالي 79.8%)، وفقاً للتقارير التقنية الرسمية لكل منها. يُعد MMLU Pro (Massive Multitask Language Understanding Pro) نسخة محسنة من معيار MMLU لاختبار المعرفة والاستدلال متعدد الخطوات عبر 57 مجالاً أكاديمياً ومهنياً، وهو مصمم للتمييز بين النماذج الرائدة (frontier models) حيث تقاربت درجات MMLU الأصلية بالقرب من مستوى التشبع. ترتبط درجات MMLU Pro العالية بالأداء الموثوق في المهام كثيفة المعرفة، مثل الأبحاث القانونية، والإجابة على الأسئلة الطبية، ومراجعة الأدبيات العلمية.

البرمجة: LiveCodeBench وSWE-bench Verified

في LiveCodeBench، سجل Kimi K3 نسبة 65.8% وفقًا للتقرير الفني لـ Moonshot AI، مقارنةً بنسبة تقريبية 39.3% لـ GPT-4o ونسبة تقريبية 59.4% لـ DeepSeek V3. يقوم LiveCodeBench بتقييم النماذج على مسائل البرمجة التنافسية التي تم جمعها باستمرار من LeetCode و Codeforces بعد نقاط توقف تدريب النموذج، مما يقلل خطر تلوث بيانات التدريب ويجعلها مؤشرًا أكثر موثوقية على القدرة الحقيقية على البرمجة مقارنةً بالمعايير الثابتة.

في معيار SWE-bench Verified، حقق Kimi K3 نسبة 63.9% وفقاً للتقرير الفني لشركة Moonshot AI، وهي نسبة أقل من النسبة المسجلة لـ Claude 3.7 Sonnet والبالغة 70.3% (مع التفكير المطول) ولكنها أعلى من نسبة GPT-4o البالغة 38.7% تقريباً. يختبر SWE-bench Verified الحل التلقائي لمشكلات هندسة البرمجيات الحقيقية على GitHub، مما يتطلب فهماً لقاعدة الكود، وتحديد الأخطاء البرمجية، وإنشاء التصحيحات. وتُعد هذه القدرات ضرورية لتطوير البرمجيات بمساعدة الذكاء الاصطناعي. تعني درجة 63.9% أن K3 يمكنه حل ما يقرب من 64 من كل 100 مشكلة واقعية على GitHub بشكل مستقل، وهي قدرة قابلة للتطبيق في عمليات المراجعة التلقائية للكود وسير عمل إصلاح الأخطاء.

جدول مقارنة المعايير الرئيسي

يقارن الجدول أدناه نموذج Kimi K3 بخمسة نماذج رائدة عبر فئات المعايير المرجعية الرئيسية (جميع الدرجات مأخوذة من التقارير الفنية الرسمية للنماذج أو لوحات الصدارة المعتمدة اعتباراً من يوليو 2025).

ملاحظات: تم الإبلاغ عن درجات AIME 2025 كنسبة مئوية من الإجابات الصحيحة (pass@1 ما لم يُذكر خلاف ذلك). تستخدم درجة SWE-bench لنموذج Claude 3.7 وضع التفكير الممتد. تم الحصول على درجات المنافسين من التقارير التقنية الرسمية المعنية وإدخالات لوحة المتصدرين في Papers With Code اعتبارًا من يوليو 2025. الدرجات الموضحة بالعلامة ~ هي أرقام تقريبية من التقارير الرسمية وقد تختلف بناءً على إعداد التقييم. تحقق من الترتيب الحالي في لوحة متصدرين AIME 2025 على Papers With Code.

Kimi K3 مقابل المنافسة

تتنافس Kimi K3 في الفئة الرائدة لنماذج اللغة الكبيرة إلى جانب GPT-4o و Claude 3.7 Sonnet و DeepSeek V3 و Qwen3 و Gemini 2.5 Pro. تتناول المقارنة التالية ملف أداء كل نموذج وحالات الاستخدام التي يتميز فيها كل منها.

Kimi K3 مقابل GPT-4o. يتفوق Kimi K3 على GPT-4o في كل المعايير الرئيسية للاستدلال والبرمجة: 96.2 مقابل 62~ في AIME 2025، و97.4% مقابل 76.6%~ في MATH-500، و80.5% مقابل 72.6%~ في MMLU Pro، و65.8% مقابل 39.3%~ في LiveCodeBench، و63.9% مقابل 38.7%~ في SWE-bench Verified. يحتفظ GPT-4o بمزايا في القدرات متعددة الوسائط (تكاملات مؤكدة للرؤية والصوت وتوليد الصور)، وأدوات طرف ثالث أوسع نطاقاً، وسجل حافل أطول في عمليات النشر الإنتاجية. بالنسبة للرياضيات والاستدلال العلمي ومهام البرمجة حيث تكون الدقة في المشكلات المعقدة هي الأولوية، يقدم K3 حالة معيارية أقوى. ستجد الفرق التي تتطلب مدخلات متعددة الوسائط، أو علاقات قائمة مع الموردين، أو اتفاقيات مستوى خدمة (SLAs) مضمونة، أن GPT-4o هو الخيار الأقل تعقيداً. كما أن تسعير واجهة برمجة التطبيقات (API) يصب في مصلحة K3 بشكل كبير: 0.15 دولار لكل مليون رمز إدخال (tokens) مقابل ما يقرب من 5.00 دولار لـ GPT-4o.

Kimi K3 مقابل DeepSeek V3. كلاهما من نماذج اللغات الكبيرة (LLMs) الرائدة التي تم تطويرها في الصين، ولكنهما يختلفان في البنية ونموذج الوصول. DeepSeek V3 هو نموذج كثيف بـ 671 مليار معامل متاح كإصدار بأوزان مفتوحة بموجب ترخيص نموذج DeepSeek؛ يمكن للمطورين تنزيله واستضافته بأنفسهم. يستخدم K3 نموذج MoE (مزيج الخبراء) بـ 32 مليار معامل نشط لكل تمريرة، وهو متاح عبر واجهة برمجة التطبيقات (API) فقط. في الاختبارات المعيارية، يتفوق K3 في AIME 2025 (96.2 مقابل ~90.6) و SWE-bench Verified (63.9% مقابل ~49.2%)؛ DeepSeek V3 تنافسي في LiveCodeBench (59.4% مقابل 65.8% لـ K3). يجب على الفرق التي تتطلب النشر المحلي، أو الضبط الدقيق، أو الوصول إلى الأوزان اختيار DeepSeek V3. ستجد الفرق التي تعطي الأولوية لأداء الاختبارات المعيارية للاستدلال عبر واجهة برمجة التطبيقات (API) أن K3 أقوى في المهام التي تركز على الرياضيات.

Kimi K3 مقابل Claude 3.7 Sonnet. فجوة SWE-bench Verified هي الفارق الأكثر أهمية هنا: سجل Claude 3.7 Sonnet نسبة 70.3% (مع التفكير الموسع) مقابل 63.9% لـ K3، مما يمنحه ميزة 6.4 نقطة مئوية في هندسة البرمجيات الآلية. يدعم Claude أيضاً نافذة سياق أكبر (200 ألف مقابل 128 ألف رمز). يتفوق K3 على Claude في AIME 2025 (96.2% مقابل ~86.7%) و MATH-500 (97.4% مقابل ~92.3%). يوفر كلا النموذجين أوضاع تفكير بأنماط تفكير موسعة قابلة للمقارنة وظيفياً. بالنسبة لسير العمل البرمجي الآلي وهندسة البرمجيات، يظل Claude 3.7 Sonnet هو الخيار الأقوى. بالنسبة لمهام التفكير الرياضي البحت والبحث الكمي، يحتفظ K3 بميزة معيارية واضحة.

كيمي K3 مقابل Qwen3 (علي بابا). Qwen3-235B، النموذج الرائد لـ Alibaba Cloud لعام 2025، يتخلف عن K3 في AIME 2025 (92.8 مقابل 96.2) و MMLU Pro (79.8% مقابل 80.5%)، بينما يتفوق بفارق ضئيل على LiveCodeBench (66.2% مقابل 65.8%). يتوفر Qwen3 بإصدارات مفتوحة المصدر (open-weight) في مستودع QwenLM على GitHub، مقارنةً بوصول K3 عبر واجهة برمجة التطبيقات (API) فقط. بالنسبة لمهام اللغة الصينية، يستفيد Qwen3 من البنية التحتية المؤسسية لـ Alibaba Cloud وبيانات التدريب متعددة اللغات؛ ولم تنشر مقارنات مستقلة لـ C-Eval أو CMMLU بين K3 و Qwen3 وقت كتابة هذا التقرير. ستجد الفرق داخل منظومة Alibaba Cloud أن Qwen3 أكثر تكاملاً؛ بينما ستجد الفرق التي تقيّم على معايير الاستدلال الرياضي أن K3 أقوى بشكل هامشي.

كيمي K3 مقابل Gemini 2.5 Pro. تُعد فجوة نافذة السياق هي الفرق المحدد. يدعم Gemini 2.5 Pro ما يصل إلى مليون رمز مقارنة بـ 128 ألف رمز لـ K3، مما يمنح ميزة 8 أضعاف للمهام التي تتضمن مستندات طويلة جداً. في اختبارات الأداء، يتطابق النموذجان عن كثب: يتفوق Gemini 2.5 Pro قليلاً في MMLU Pro (81.3% مقابل 80.5%) و MATH-500 (97.1% مقابل 97.4% لـ K3)، بينما يتفوق K3 في AIME 2025 (96.2 مقابل ~92.0). لتركيب الأبحاث متعددة المستندات، أو التحليل بطول كتاب، أو فهرسة قواعد التعليمات البرمجية الكبيرة التي تتجاوز 128 ألف رمز، يُعد Gemini 2.5 Pro الخيار الأقوى تقنياً. بالنسبة للمهام التي تندرج ضمن 128 ألف رمز وتعطي الأولوية للاستدلال الرياضي بتكلفة واجهة برمجة تطبيقات أقل، يتمتع K3 بالأفضلية.

مشهد الذكاء الاصطناعي في الصين في عام 2025. من بين النماذج الصينية الرائدة، تمثل نماذج Kimi K3 (Moonshot AI) وDeepSeek V3 (DeepSeek) وQwen3 (Alibaba Cloud) عقود الخيارات الثلاثة الأساسية، ولكل منها تموضع مميز. تميزت DeepSeek من خلال إصدارات مفتوحة الأوزان التي يمكن للمطورين استضافتها ذاتيًا دون تكلفة استنتاج. تستفيد Qwen3 من منظومة المؤسسات التابعة لـ Alibaba Cloud وتوفر الأوزان المفتوحة. يتموضع نموذج K3 حول الريادة في معايير الاستنتاج المنطقي. لا تدعم بيانات المعايير تسمية أي نموذج واحد كأفضل نموذج بشكل قاطع عبر جميع المهام؛ إذ يعتمد الاختيار الصحيح على ما إذا كانت حالة الاستخدام تعطي الأولوية للوصول إلى الأوزان المفتوحة (DeepSeek، Qwen3)، أو عمق منظومة المؤسسات (Qwen3)، أو أداء معايير الاستنتاج المنطقي البحت (K3، خاصة للتطبيقات الكثيفة رياضياً).

كيفية الوصول إلى Kimi K3

نموذج Kimi K3 ليس مفتوح الأوزان. يمكن الوصول إليه عبر واجهة برمجة تطبيقات Kimi (API) للمطورين ومن خلال تطبيق Kimi للمستهلكين على kimi.ai للمستخدمين غير المطورين. لا توجد أوزان للنموذج متاحة للعامة في وقت كتابة هذا النص؛ وبالنسبة للبدائل مفتوحة الأوزان بمستويات أداء مماثلة، فإن DeepSeek V3 وQwen3 يوفران خيارات نشر محلية.

تداول رمز MOONSHOT على Bybit: جذب نمو Moonshot AI انتباه متداولي العملات الرقمية — توفر Bybit العقود الآجلة الدائمة لـ MOONSHOTUSDT للمهتمين بتداول رمز MOONSHOT. للحصول على معلومات حول الرمز المميز نفسه، راجع ما هو MOONSHOT USDT؟ الدليل الكامل.

تطبيق Kimi (وصول المستهلك)

تطبيق Kimi هو منتج مساعد الذكاء الاصطناعي الموجه للمستهلكين من شركة Moonshot AI، وهو متاح عبر الموقع kimi.ai وكـتطبيق للهواتف المحمولة على نظامي iOS وAndroid. لبدء استخدام K3 عبر تطبيق المستهلك:

1. اذهب إلى kimi.ai أو قم بتنزيل تطبيق Kimi للجوال من متجر التطبيقات (App Store) أو Google Play.
2. أنشئ حسابًا مجانيًا باستخدام عنوان بريد إلكتروني أو رقم هاتف، أو سجل الدخول بحساب حالي.
3. يشغل Kimi K3 واجهة تطبيق Kimi الحالية افتراضيًا؛ ولا يلزم خطوة اختيار النموذج إلا إذا أضافت Moonshot AI مُحدِّد نماذج في تحديث مستقبلي.
4. ابدأ الدردشة. يدعم التطبيق تحميل المستندات (ملفات PDF وملفات نصية) وتكامل البحث عبر الويب.

تطبيق Kimi متاح عالميًا، بما في ذلك للمستخدمين في الولايات المتحدة وأوروبا. يوفر المستوى المجاني الوصول إلى K3 مع حدود استخدام يومية؛ بينما تقدم Moonshot AI اشتراكًا مدفوعًا (Kimi Pro) لحدود رسائل أعلى وإمكانية وصول ذات أولوية خلال أوقات الذروة. تحقق من حدود المستوى الحالية على kimi.ai قبل الالتزام باشتراك، حيث تتغير هذه الحدود بشكل متكرر.

واجهة برمجة تطبيقات Kimi (وصول المطورين)

["أنشئ حساب مطور Moonshot AI على منصة المطورين Moonshot AI.","أنشئ مفتاح واجهة برمجة التطبيقات من لوحة تحكم الحساب تحت قسم "مفاتيح واجهة برمجة التطبيقات".","تستخدم واجهة برمجة التطبيقات Kimi مخططًا متوافقًا مع OpenAI، لذا يمكنك استبدال عنوان URL الأساسي وسلسلة معرف النموذج في كود SDK الخاص بـ OpenAI الحالي بأقل قدر من التغييرات.","قم بأول استدعاء لواجهة برمجة التطبيقات باستخدام معرف النموذج Kimi K3 وهو kimi-k3 كما هو مؤكد في توثيق واجهة برمجة التطبيقات الخاص بـ Moonshot AI."]

from openai import OpenAI

Kimi K3: نموذج الاستدلال من Moonshot AI

client = OpenAI( api_key="YOUR_MOONSHOT_API_KEY", # مفتاح واجهة برمجة التطبيقات من المنصَّة platform.moonshot.cn base_url="https://api.moonshot.cn/v1", )

Kimi K3: نموذج الاستدلال من Moonshot AI

response = client.chat.completions.create( model="kimi-k3", # معرف النموذج المؤكد لـ Kimi K3 messages=[ {"role": "system", "content": "أنت مساعد مفيد."}, {"role": "user", "content": "حل هذا خطوة بخطوة: ما هو مجموع أول 100 عدد أولي؟"}, ], temperature=0.6, )

طباعة(response.choices[0].message.content)

اعتبارًا من يوليو 2025، تبلغ أسعار واجهة برمجة تطبيقات Kimi K3 حوالي 0.15 دولار لكل مليون رمز إدخال و0.60 دولار لكل مليون رمز إخراج، وفقًا لصفحة التسعير الرسمية لـ Moonshot AI. للمقارنة، يتم تسعير GPT-4o بحوالي 5.00 دولارات لكل مليون رمز إدخال و15.00 دولار لكل مليون رمز إخراج؛ ويبلغ Claude 3.7 Sonnet حوالي 3.00 دولارات لكل مليون رمز إدخال و15.00 دولار لكل مليون رمز إخراج. تكلف K3 أقل بكثير لكل رمز مقارنة بالمنافسين الغربيين الحاليين لمهام الاستدلال ذات التعقيد المكافئ.

توفر Moonshot AI فئة مجانية لواجهة برمجة التطبيقات (API) مع حصة رموز شهرية محدودة لحسابات المطورين الجديدة؛ تحقق من حدود الفئة المجانية الحالية في صفحة أسعار واجهة برمجة تطبيقات Moonshot AI قبل التخطيط لاستخدام الإنتاج، حيث تتغير هذه الأرقام بشكل متكرر.

أسعار واجهة برمجة التطبيقات (API) قابلة للتغيير. تعكس جميع الأرقام الأسعار اعتبارًا من يوليو 2025. تحقق من الأسعار الحالية على صفحة تسعير واجهة برمجة التطبيقات Moonshot AI قبل اتخاذ قرارات تجارية.

| النموذج | المدخلات دولار/مليون رمز | المخرجات دولار/مليون رمز | نافذة السياق |
|---|---|---|---|
| Kimi K3 | $0.15 | $0.60 | 128K |
| GPT-4o | ~$5.00 | ~$15.00 | 128K |
| Claude 3.7 Sonnet | ~$3.00 | ~$15.00 | 200K |
| DeepSeek V3 (API) | ~$0.27 | ~$1.10 | 128K |
| Qwen3-235B (API) | ~$0.14 | ~$0.60 | 128K |

للحصول على تفصيل كامل لمستويات واجهة برمجة التطبيقات (API)، وتسعير الرموز، ونصائح تحسين التكلفة، راجع [أسعار واجهة برمجة تطبيقات Moonshot Kimi لعام 2026: دليل الخطط والتكلفة](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/).

واجهة برمجة تطبيقات Kimi (Kimi API) متاحة للمطورين عالميًا. لم تنشر Moonshot AI قيودًا جغرافية على الوصول إلى واجهة برمجة التطبيقات اعتبارًا من يوليو 2025. للنشر المحلي بدون الاعتماد على واجهة برمجة التطبيقات، K3 ليس خيارًا؛ فكر في إصدارات DeepSeek V3 أو Qwen3 مفتوحة الوزن بدلاً من ذلك.

## حالات استخدام Kimi K3

يُعد Kimi K3 الأنسب للمهام التي تستفيد من التفكير المنطقي المطول، ومعالجة السياق الواسع، والقدرات البرمجية القوية.

- **الرياضيات المتقدمة والاستدلال العلمي:** نتيجة K3 في AIME 2025 البالغة 96.2 ودرجة MATH-500 البالغة 97.4% تجعله مرشحًا قويًا لحل المشكلات على مستوى المنافسات، وحسابات الفيزياء والهندسة، والتحليل الإحصائي، والمساعدة في الأبحاث الكمية حيث تكون دقة الخطوات الوسيطة مهمة.
- **توليد الأكواد وتصحيح الأخطاء:** بدرجة LiveCodeBench بلغت 65.8%، يولد K3 أكواد صحيحة نحويًا ووظيفيًا عبر Python و JavaScript و SQL ولغات رئيسية أخرى، ويمكنه تصحيح أخطاء المنطق متعددة الخطوات ضمن جلسة استدعاء واحدة.
- **المساعدة في هندسة البرمجيات:** درجة SWE-bench Verified البالغة 63.9% تعني أن K3 يمكنه حل ما يقرب من 64 مشكلة من أصل 100 مشكلة حقيقية في GitHub بشكل مستقل، مما يجعله قابلاً للتطبيق على مراجعة الأكواد الآلية، واقتراحات إعادة البناء (refactoring)، وسير عمل فرز المشكلات.
- **تحليل المستندات الطويلة:** تدعم نافذة السياق ذات 128 ألف رمز (token) معالجة العقود القانونية كاملة الطول، والأوراق الأكاديمية الكاملة، والتقارير المالية، والمستندات التقنية متعددة الفصول دون الحاجة إلى تقسيم أو فقدان الملخص.
- **توليف الأبحاث متعددة الخطوات:** يمكن لـ K3 الربط المرجعي بين مستندات متعددة ضمن نافذة سياقه، واستخلاص الادعاءات المتضاربة، وإنتاج ملخصات مقارنة منظمة لمراجعات الأدبيات، وأبحاث العناية الواجبة، وتحليلات السياسات.
- **المهام ثنائية اللغة الصينية والإنجليزية:** يدعم K3 رسميًا اللغتين الصينية والإنجليزية، وقد تم تصميم منتج Moonshot AI الاستهلاكي منذ الإطلاق للسوق الصيني. لم يتم نشر مقارنات معايير اللغة الصينية المستقلة (C-Eval, CMMLU) في وقت كتابة هذا التقرير.

**من الذي ينبغي له استخدام Kimi K3:** يعد K3 أقوى خيار متاح لواجهة برمجة التطبيقات (API) للاستنتاج الرياضي المكثف، ودعم الأبحاث الكمية، وتطبيقات البرمجة الحساسة للتكلفة (بتكلفة 0.15 دولار لكل مليون توكن مدخل). ستجد الفرق التي تستخدم حالياً GPT-4o لمهام الاستنتاج أن K3 يقدم أداءً أفضل بكثير في الاختبارات القياسية بجزء بسيط من تكلفة واجهة برمجة التطبيقات. بالنسبة لسير عمل البرمجة الوكيل (agentic) حيث يكون أداء SWE-bench هو المقياس الأساسي، يحتفظ Claude 3.7 Sonnet بتفوقه. أما لحالات الاستخدام التي تتطلب سياقاً يزيد عن 128 ألف توكن، فإن Gemini 2.5 Pro هو الخيار الأنسب. وللفرق التي تطلب نشراً محلياً مفتوح الأوزان، فإن DeepSeek V3 أو Qwen3 هما البديلان المناسبان.

--- 

## القيود والاعتبارات

يمتلك Kimi K3 العديد من القيود الجوهرية التي يتعين على المستخدمين ومشتري المؤسسات تقييمها قبل البدء في استخدامه.

**نتائج المعايير المرجعية على SWE-bench.** في اختبار SWE-bench Verified، حقق نموذج K3 نسبة 63.9%، متأخراً عن نسبة 70.3% التي حققها Claude 3.7 Sonnet بفارق 6.4 نقطة مئوية. بالنسبة للفرق التي يتركز استخدامها الأساسي على الحل التلقائي لمشكلات GitHub أو هندسة البرمجيات المعتمدة على الوكلاء، فإن هذه الفجوة تُعد جوهرية، ويظل Claude 3.7 Sonnet هو الخيار الأقوى استناداً إلى بيانات المعايير المرجعية المنشورة.

**لا يوجد وصول للأوزان المفتوحة.** إن K3 هو نموذج واجهة برمجة تطبيقات (API) مغلق. أوزان النموذج ليست متاحة للجمهور، مما يعني أن النشر المحلي، والضبط الدقيق، والاستضافة الذاتية المكممة (GGUF أو GPTQ أو AWQ عبر llama.cpp أو vLLM أو Ollama) غير ممكنة. يقدم كل من DeepSeek V3 و Qwen3 إصدارات ذات أوزان مفتوحة تدعم النشر المحلي دون تكاليف لكل رمز مميز (token). بالنسبة للمؤسسات التي لديها متطلبات لسيادة البيانات تحظر إرسال البيانات إلى واجهات برمجة تطبيقات خارجية، أو للباحثين الذين يتطلبون الوصول للضبط الدقيق، فإن K3 لا يعتبر خياراً قابلاً للتطبيق.

**نافذة السياق تتخلف عن المنافسين ذوي السياق الطويل.** نافذة سياق K3 البالغة 128 ألف رمز تماثل GPT-4o، لكنها أصغر بنسبة 36% من نافذة Claude 3.7 Sonnet البالغة 200 ألف رمز، وأصغر بنسبة 87.5% من نافذة Gemini 2.5 Pro البالغة 1 مليون رمز. ستتطلب المهام التي تتطلب معالجة مستندات طويلة جداً (تحليل كتاب كامل، فهرسة قاعدة أكواد كبيرة، أو توليف مجموعات بيانات متعددة المصادر بما يتجاوز 128 ألف رمز) استراتيجيات تقسيم أو نموذجاً مختلفاً.

**عدم يقين بشأن تاريخ انتهاء المعرفة.** لم تؤكد Moonshot AI علنًا تاريخ انتهاء معرفة بيانات تدريب K3 حتى يوليو 2025. ستؤدي الاستعلامات حول الأحداث التي تقع بعد تاريخ الانتهاء إلى إرجاع معلومات غير مكتملة أو مفقودة ما لم يتم تعزيز النموذج بالبحث على الويب أو خطوط أنابيب الجيل المعزز بالاسترجاع (RAG). يتضمن تطبيق Kimi للمستهلكين تكامل البحث على الويب الذي يخفف من ذلك للمستخدمين المستهلكين؛ يجب على مستخدمي واجهة برمجة التطبيقات (API) تنفيذ طبقة الاسترجاع الخاصة بهم للاستعلامات الحساسة للوقت.

**الموازنة بين زمن انتقال نماذج التفكير.** يؤدي الاستدلال الممتد عبر سلسلة من الأفكار إلى تقديم استجابات أكثر دقة في المهام المعقدة، ولكنه يولد عدداً أكبر بكثير من الرموز (tokens) لكل استجابة مقارنة بالنموذج القياسي لاتباع التعليمات. وبالنسبة للاستفسارات البسيطة (مثل التلخيص، وتحويل التنسيقات، والإجابة الأساسية على الأسئلة)، فإن استخدام نموذج أخف مثل GPT-4o mini أو نسخة مستخلصة من DeepSeek سيكون أكثر كفاءة من حيث التكلفة.

**حوكمة بيانات الشركات.** تم تطوير كيمي K3 بواسطة شركة مون شوت AI (Moonshot AI)، وهي شركة مقرها بكين تخضع للوائح البيانات الصينية. يجب على المؤسسات التي لديها متطلبات صارمة لتوطين البيانات، أو التزامات امتثال بموجب أطر عمل مثل اللائحة العامة لحماية البيانات (GDPR)، أو قيود على معالجة البيانات من قبل كيانات غير محلية، مراجعة اتفاقيات معالجة البيانات الخاصة بـ مون شوت AI والبنية التحتية الإقليمية لواجهة برمجة التطبيقات (API) قبل دمج K3 في أنظمة الإنتاج. ينطبق هذا التوجيه بشكل واقعي ومتماثل. كما تنطبق إجراءات العناية الواجبة نفسها على أي واجهة برمجة تطبيقات ذكاء اصطناعي عابرة للحدود، بما في ذلك الخدمات التي تتخذ من الولايات المتحدة مقراً لها والتي تستخدمها المؤسسات في الولايات القضائية التي تفرض متطلبات محلية لمعالجة البيانات.

## الأسئلة الشائعة

### ما هو Kimi K3 ومن هي الجهة المصنعة له؟

Kimi K3 هو نموذج لغوي كبير متقدم في الاستدلال، طورته شركة Moonshot AI (月之暗面)، وهي شركة ذكاء اصطناعي مقرها بكين، وتم إصداره في يوليو 2025. تم تصميمه كنموذج رائد يركز أولاً على الاستدلال، ويستخدم معالجة سلسلة الأفكار الموسعة للتعامل مع المهام المعقدة في الرياضيات والبرمجة والمهام كثيفة المعرفة. K3 هو الخلف لـ Kimi K2، مع التحول من تموضع قائم على الوكالة إلى تصميم استدلال للأغراض العامة.

### ما هي الميزات الرئيسية لـ Kimi K3؟

تتضمن الميزات الأساسية لـ Kimi K3 ما يلي: (1) استدلال ممتد عبر سلسلة الأفكار يعزز الأداء المتفوق في AIME و MATH-500؛ (2) نافذة سياق تبلغ 128 ألف رمز لمعالجة المستندات الطويلة؛ (3) بنية خليط الخبراء (MoE) مع إجمالي 671 مليار معلمة و32 مليار معلمة نشطة؛ (4) تسعير تنافسي لواجهة برمجة التطبيقات (API) عند 0.15 دولار لكل مليون رمز إدخال؛ و (5) إمكانية الوصول عبر كل من تطبيق Kimi للمستهلكين على kimi.ai وواجهة برمجة تطبيقات المطورين على المنصَّة platform.moonshot.cn.

### ما هو حجم نافذة السياق لـ Kimi K3؟

يدعم Kimi K3 نافذة سياق بحجم 128 ألف توكن، وهو ما يعادل تقريبًا 96 ألف كلمة من النص الإنجليزي. هذا يطابق سياق GPT-4o البالغ 128 ألف توكن، ولكنه أصغر من 200 ألف توكن لـ Claude 3.7 Sonnet ومليون توكن لـ Gemini 2.5 Pro. بالنسبة لمعظم مهام تحليل المستندات والترميز، فإن 128 ألف توكن كافية؛ وقد تتطلب قواعد الأكواد الكبيرة جدًا أو المستندات بحجم الكتب التقطيع.

### هل Kimi K3 مفتوح المصدر أم مغلق؟

Kimi K3 مغلق: أوزان النموذج ليست متاحة للجمهور. يتم توفير الوصول حصرياً عبر واجهة برمجة تطبيقات Kimi للمطورين وتطبيق Kimi للمستهلكين على kimi.ai للمستخدمين العامين. بالنسبة للبدائل مفتوحة الأوزان ذات مستويات القدرة المماثلة، يدعم كل من DeepSeek V3 (كثيف، 671 مليار) وQwen3 (إصدارات مفتوحة الأوزان متوفرة على QwenLM GitHub) كلاً من النشر المحلي والضبط الدقيق.

### كيف يُقارن Kimi K3 بـ GPT-4o في الاختبارات المعيارية؟

يتفوق Kimi K3 على GPT-4o في كل معايير الاستدلال والبرمجة المنشورة: AIME 2025 (96.2 مقابل ~62)، MATH-500 (97.4% مقابل ~76.6%)، MMLU Pro (80.5% مقابل ~72.6%)، LiveCodeBench (65.8% مقابل ~39.3%)، و SWE-bench Verified (63.9% مقابل ~38.7%). يتفوق GPT-4o في القدرات متعددة الوسائط، وتكاملات النظام البيئي لطرف ثالث، والبنية التحتية الراسخة لدعم المؤسسات. بالنسبة لمهام الاستدلال البحتة، يقدم K3 حالة معيارية قوية بأسعار واجهة برمجة تطبيقات أقل بكثير.

### كيف يختلف Kimi K3 عن Kimi K2؟

ينتقل Kimi K3 من وضع Kimi K2 الذي يعتمد على الوكيل أولاً (استخدام الأدوات، معالجة المستندات ذات السياق الطويل) إلى تصميم عام يركز على الاستدلال أولاً. كلاهما يستخدم بنية MoE مع 32 مليار معامل نشط، لكن K3 يقلل عدد المعاملات الإجمالي من حوالي 1 تريليون إلى 671 مليار، مع تحقيق درجات معيارية استدلال أقوى بكثير. لم يتم قياس أداء K2 على AIME أو MATH-500؛ يتم التركيز على K3 بشكل أساسي لقدرته على الاستدلال.

### من أسس Moonshot AI؟

تأسست Moonshot AI في عام 2023 على يد يانغ تشيلين، وهو باحث سابق في جامعة تسينغهوا وجامعة كارنيغي ميلون والمؤلف المشارك لـ XLNet، وهو نموذج لغوي مبكر قائم على Transformer نافس BERT. يشغل يانغ تشيلين منصب الرئيس التنفيذي لشركة Moonshot AI.

### هل يمكنني الوصول إلى Kimi K3 عبر واجهة برمجة التطبيقات (API)؟

نعم. تتوفر واجهة برمجة تطبيقات Kimi في منصَّة المطورين التابعة لشركة Moonshot AI. تستخدم واجهة برمجة التطبيقات مخططًا متوافقًا مع OpenAI، لذا يمكن تكييف كود OpenAI SDK الحالي عن طريق استبدال عنوان URL الأساسي (`https://api.moonshot.cn/v1`) ومعرف النموذج. بدءًا من يوليو 2025، يبلغ السعر 0.15 دولار لكل مليون رمز إدخال و0.60 دولار لكل مليون رمز إخراج. تتوفر فئة مجانية من واجهة برمجة التطبيقات لحسابات المطورين الجديدة مع حصة شهرية محدودة من الرموز.

### هل يتوفر Kimi K3 في الولايات المتحدة وأوروبا؟

نعم. يتوفر Kimi K3 عالمياً من خلال تطبيق Kimi للمستهلكين على kimi.ai وعبر واجهة برمجة تطبيقات Kimi (API). لم تنشر شركة Moonshot AI أي قيود جغرافية على الوصول إلى واجهة برمجة التطبيقات اعتباراً من يوليو 2025. يجب على مشتري المؤسسات مراجعة اتفاقيات معالجة البيانات الخاصة بشركة Moonshot AI فيما يتعلق بمقر إقامة البيانات واعتبارات الامتثال قبل النشر الفعلي.

### ما هي اللغات التي يدعمها Kimi K3؟

يدعم Kimi K3 رسميًا اللغتين الصينية والإنجليزية. ولم يتم تأكيد دعم لغات إضافية في الوثائق الرسمية لشركة Moonshot AI وقت كتابة هذا التقرير. لقد تم تصميم تطبيق Kimi للمستهلكين للسوق الصينية منذ إطلاقه، ومن المتوقع أن تتضمن بيانات تدريب K3 محتوى جوهريًا باللغة الصينية، على الرغم من عدم نشر نتائج اختبارات القياس المستقلة باللغة الصينية (C-Eval وCMMLU) حتى وقت كتابة هذا التقرير.

## الخاتمة

يمثل Kimi K3 أقوى نموذج حدودي لـ Moonshot AI حتى الآن، حيث يجمع بين تفكير رياضي رفيع المستوى (96.2 على AIME 2025) وهيكلية MoE فعالة من حيث التكلفة وأسعار واجهة برمجة التطبيقات (API) أقل بكثير من GPT-4o و Claude 3.7 Sonnet. بالنسبة للمطورين والباحثين الذين يقيمون نماذج الحدودية في عام 2025، يستحق K3 دراسة متأنية للمهام التي تتطلب تفكيرًا مكثفًا، خاصة حيث تكون التكلفة لكل إجابة صحيحة مقياسًا تقييميًا أساسيًا.

## قراءات ذات صلة
- [ما هو Kimi K2؟ نموذج التفكير مفتوح الأوزان من Moonshot AI](https://www.bybit.com/en/wiki/article/kimi-k2-open-weight-thinking-model/)
- [Moonshot AI: نظرة عامة على الشركة ودليل منتج Kimi](https://www.bybit.com/en/wiki/article/moonshot-ai-company-overview-kimi/)
- [أسعار واجهة برمجة تطبيقات Moonshot Kimi لعام 2026: الخطط ودليل التكلفة](https://www.bybit.com/en/wiki/article/kimi-api-pricing-2026-plans-cost-guide/)
- [Moonshot AI مقابل DeepSeek مقابل Qwen: مقارنة نماذج الذكاء الاصطناعي الصينية](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/)
- [ما هو Kimi AI؟ دليل إلى Moonshot AI](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/)
- [العقود الدائمة MOONSHOTUSDT على Bybit](https://www.bybit.com/trade/usdt/MOONSHOTUSDT))

يمكن للمطورين البدء في التجربة عبر واجهة برمجة تطبيقات Kimi (Kimi API) على منصَّة المطورين الخاصة بـ Moonshot AI، حيث يقلل مخطط التوافق مع OpenAI من جهد التكامل. يمكن للمستخدمين الوصول مباشرة إلى Kimi K3 عبر مساعد Kimi AI على kimi.ai. للحصول على آخر تحديثات المعايير وإصدارات النماذج والوثائق الفنية، استشر المدونة الرسمية لـ Moonshot AI على moonshotai.com. للوصول إلى مركز موارد Moonshot AI الكامل لـ Bybit، استكشف [مقارنة Moonshot AI مقابل DeepSeek مقابل Qwen](https://www.bybit.com/en/wiki/article/moonshot-ai-vs-deepseek-vs-qwen-2025-comparison/)) ودليل [ما هو Kimi AI؟](https://www.bybit.com/en/wiki/article/what-is-kimi-ai-guide-to-moonshot-ai/).

سيتم تحديث هذه المقالة فور صدور بيانات قياس الأداء الجديدة والمواصفات الرسمية ومعلومات التسعير من قِبل Moonshot AI.