‏Kimi K3.1 Pro تو ساخت صحنه‌های سه‌بعدی چقدر خوبه؟

Kimi K3.1 Pro مدل جدید Moonshot AI هست که روی Kimi K3 (منتشرشده تو جولای) ساخته شده. معماریش mixture of experts هست، یعنی از حدود ۲.۸ تریلیون پارامتر، برای هر درخواست فقط حدود ۱۰۴ میلیاردش فعال می‌شه. همین باعث می‌شه با این حجم بزرگ، سریع و نسبتاً ارزون اجرا بشه. پنجره‌ی context یک میلیون توکنی داره، تصویر هم می‌فهمه و Moonshot اونو برای کدنویسی، کارهای agentic، مالی و ساخت محتوای سه‌بعدی تو Blender، Unreal، Unity، Godot و نرم‌افزارهای CAD معرفی کرده.

بهترین دمویی که دست‌به‌دست می‌شه یه شبیه‌سازی مکعب روبیک سه‌بعدیه. انعکاس نور روی وجه‌ها، چرخش واقعی سه‌بعدی، کنترل با کیبورد، تایمر و تابع به‌هم‌ریختن داره. نکته‌ی مهم اینه که مکعب رو واقعاً با یه الگوریتم حل می‌کنه، نه اینکه فقط حرکت‌های خودش رو برعکس کنه. به گفته‌ی مقاله خیلی از مدل‌های open weights دقیقاً همین‌جا کم میارن. تو یه دموی دیگه که خود Moonshot اجرا کرده، صحنه‌ی پرتاب موشک برای Kimi حدود ۶ دقیقه وقت و ۱.۹۵ دلار هزینه برده، در حالی که برای Claude Opus 5.5 حدود ۲۴ دقیقه و ۱۰.۳۵ دلار. خروجی Opus یه کم تمیزتر بوده.

ولی همه‌ی دموها خوب درنیومدن. یه تستر ازش خواسته تو Blender یه طناب با گره bowline (یه گره معروف کوهنوردی) مدل کنه. شکل کلی تقریباً درست بوده، ولی طناب واقعاً گره نخورده بوده و به هارنس هم وصل نبوده. وقتی ازش خواستن یه موشن‌گرافیک دوبعدی برای آموزش همین گره بسازه، معلوم نبود طناب کجا از رو و کجا از زیر رد می‌شه، پس عملاً به درد آموزش نمی‌خورد. GPT-6.1 Soul با همون پرامپت نتیجه‌ی واضح‌تری داده. یه رندر WebGL از گوشی هم نور و متریال خوبی داشته، ولی لوگو و چیدمان صفحه رو اشتباه درآورده.

تو بازی‌سازی، تستر ازش خواسته یه کلون مرورگری از بازی Fall Guys بسازه. حدود ۴۸ دقیقه طول کشیده و یه مسیر مانع سه‌بعدی قابل‌بازی با رقیب‌های متحرک، موانع، چک‌پوینت و تایمر تحویل داده. رنگ‌ها زیادی پاستلی بوده، تشخیص برخورد (collision detection) دقیق نبوده و تصویر چشمک می‌زده، ولی تستر گفته برای یه مدل open weights نتیجه‌ی خوبیه.

سر بنچمارک‌ها شک زیاده. Moonshot می‌گه تو Humanity’s Last Exam به ۷۰ درصد رسیده، در برابر ۶۷.۷ درصد Opus 5.5 و ۵۷.۲ درصد GPT-6 Astra. ولی بیشتر این تست‌ها رو خود Moonshot اجرا کرده و بعضی‌هاش رو هم خودش طراحی کرده. Artificial Analysis بهش امتیاز ۵۵ داده و رتبه‌ی چهارم (پشت Opus 5.5 با ۵۸) و تو لیدربورد وب Arena هم هشتم شده. جمع‌بندی مقاله اینه که مدل واقعاً توانمنده، ولی یه پله پایین‌تر از بهترین مدل‌های بسته‌ست.

به گفته‌ی نویسنده برگ برنده‌ش قیمته: ۲ دلار برای هر میلیون توکن ورودی و ۱۰ دلار برای خروجی، و نسخه‌ی High Speed با ۴ و ۲۰ دلار. یعنی حدوداً نصف Opus 5.5 و یک‌پنجم GPT-6 Astra. برای کسی که پروتوتایپ یا محتوای سه‌بعدی می‌سازه و سرعت و هزینه براش از چند امتیاز بنچمارک مهم‌تره، این تفاوت می‌تونه تعیین‌کننده باشه.

نکات کلیدی:

• معماری MoE با حدود ۲.۸ تریلیون پارامتر کل و ۱۰۴ میلیارد پارامتر فعال، و context یک میلیون توکنی
• قیمت API هر میلیون توکن: ۲ دلار ورودی و ۱۰ دلار خروجی
• صحنه‌ی موشک: Kimi حدود ۶ دقیقه و ۱.۹۵ دلار، Opus 5.5 حدود ۲۴ دقیقه و ۱۰.۳۵ دلار
• رتبه‌ی چهارم تو Artificial Analysis با امتیاز ۵۵ و رتبه‌ی هشتم تو لیدربورد وب Arena
• مدل‌کردن گره bowline تو Blender رو درست انجام نداد