تثير نماذج مفتوحة المصدر تضم 2.8 تريليون معلمة ضجة في وول ستريت، كيف يعيد Kimi K3 تشكيل مشهد المنافسة في مجال الذكاء الاصطناعي؟

في 16 يوليو 2026، أطلقت شركة مَونز ذي أيمبراس (Moon's Lemming) نموذجًا لغويًا كبيرًا من الجيل الجديد Kimi K3. وتسببت هذه السلسلة من الأرقام—2.8 تريليون معامل (بارامتر)، ونافذة سياق تتراوح حول 1 مليون token، وقدرات فهم بصري أصلية، وآلية انتباه خطي هجينة KDA مطورة داخليًا—خلال الـ72 ساعة التالية في تراجع شامل في القيمة السوقية للأسهم التكنولوجية عالميًا بنحو 470 مليار دولار. وتراجع مؤشر أشباه الموصلات في فيلادلفيا بنسبة 12.5% خلال أسبوع واحد، ودخل رسميًا في سوق هابطة تقنية. ووصفت مجلة “فورتشن” ذلك بأنه “الضربة الثانية لحدث DeepSeek”. كما كسرت أداء Kimi K3 التصور السائد بأن قدرات الذكاء الاصطناعي الصينية متأخرة بوضوح عن GPT وClaude. وهذه ليست مجرد عملية إطلاق منتج، بل اختبار منهجي منطقي لتقييمات صناعة الذكاء الاصطناعي عالميًا.

كيف تُحدث الاختراقات التقنية ضغطًا على النماذج الرائدة عالميًا

تتجلى الميزة التنافسية الأساسية لـ Kimi K3 أولاً في حجم المعاملات وابتكار البنية. إذ يجعله إجمالي 2.8 تريليون معامل نموذجًا مفتوح المصدر صاحب أكبر عدد من المعاملات عالميًا. يعتمد النموذج بنية الخبراء (MoE)، مع تجهيز 896 وحدة خبراء، بحيث لا يتم تفعيل 16 خبيرًا فقط لكل token، ما يرفع كفاءة التوسع بنحو 2.5 مرة مقارنةً بالجيل السابق K2. وفي لوحة “Frontend Code Arena” لأداء نماذج الذكاء الاصطناعي الكبيرة، حقق Kimi K3 1,679 نقطة متجاوزًا 1,631 نقطة لـ Claude Fable 5 و1,618 نقطة لـ GPT-5.6 Sol، ليحتل المركز الأول. وفي 14 اختبارًا معياريًا، فاز Kimi K3 في 11 منها. كما حصل في تقييم قدرات هندسة الطرفية “Terminal Bench 2.1” على 88.3 نقطة، متأخرًا بفارق بسيط عن 88.8 نقطة لـ GPT 5.6 Sol، ومتفوقًا على 84.6 نقطة لكلٍّ من Claude Fable 5 وClaude Opus 4.8.

وتعزو مَونز ذي أيمبراس هذا القفز في الأداء إلى ثلاث تقنيات رائدة مطورة داخليًا: يتيح MoonClip مُحسّن من الدرجة الثانية توليد نتائج تدريبية تعادل 40T من خلال بيانات تدريب 20T، مع خفض تكلفة التدريب إلى النصف عند تحقيق أداء مماثل؛ وتُحسن تقنية بقايا الانتباه (attention residual) كفاءة التدريب والاستدلال بنسبة 25%؛ كما يعالج آلية الانتباه الخطي المطورة داخليًا مشكلة تدهور الأداء في المهام الطويلة جدًا التي تعاني منها آليات الانتباه الخطي التقليدية. وأكدت مَونز ذي أيمبراس صراحةً أن تحسين أداء K3 “ليس تقليدًا للتقطير (distillation) لأية نماذج قائمة”.

جوهر هلع السوق هو التشكيك الجماعي في عائد استثمار الحوسبة

تظهر استجابة السوق بعد إصدار Kimi K3 في درجة عالية من الاتساق—تراجع شامل في أسهم التكنولوجيا وقطاع أشباه الموصلات. فقدت شركة Nvidia لفترة وجيزة مكانة “الشركة الأكثر قيمة” عالميًا، وتراجعت أسهم أشباه الموصلات بنسبة تزيد على 20% مقارنةً بأعلى مستوياتها في يونيو 2026. وهبط مؤشر Nasdaq 100 مؤقتًا بنسبة 2.7%. وفي سوق هونغ كونغ، شهدت شركة Zhipu انهيارًا يوميًا بنسبة 28.49%، بينما تراجعت MiniMax بنسبة 15.62%.

لكن ما يثير هلع السوق فعليًا ليس تحسن أداء نموذج بعينه، بل صدمته لمنطق الاستثمار القائم على “الأولوية المطلقة للحوسبة”. إذ من المتوقع أن تبلغ النفقات الرأسمالية (capital expenditure) للشركات الأربع: Google وMicrosoft وAmazon وMeta في عام 2026 ما مجموعه 7,250 مليار دولار، على أن ترتفع إلى قرابة 9,000 مليار دولار بحلول عام 2027. وقد عرّفت Goldman Sachs هذا التراجع بوصفه “حدثًا لتقليص الرافعة المالية”، معتبرةً أن “عصر توسع الحوسبة” ربما يكون اقترب من نهايته. وتخشى وول ستريت ألا يكون Kimi K3 هو المشكلة بحد ذاته، بل أن قدرة النماذج المفتوحة المصدر الصينية على الاقتراب بتكلفة أقل من القدرات الرائدة قد تفرض إعادة تقييم منهجية لعائد استثمارات البنية التحتية الضخمة للذكاء الاصطناعي التي تقوم بها عمالقة التكنولوجيا في الولايات المتحدة.

كيف يغيّر نهج المصدر المفتوح قواعد المنافسة في صناعة الذكاء الاصطناعي عالميًا

إن Kimi K3 لا ينافس فقط على تقييم “النموذج الأكثر ذكاءً”، بل على إجماع صناعي مفاده أن “قدرات النماذج مفتوحة المصدر تتفوق على النماذج مغلقة المصدر”. ويتشابه ذلك مع منطق “هلع وادي السيليكون” الذي أطلقه DeepSeek في 2025—إذ يحول مطورو النماذج الصينيون النواقص في جوانب مثل الحوسبة الأساسية والبنية التقنية عبر استراتيجية المصدر المفتوح إلى مزايا منهجية.

ومن المخطط أن تُتاح الأوزان الكاملة للنموذج Kimi K3 بوصفها مفتوحة المصدر قبل 27 يوليو 2026. ومعنى ذلك أن بإمكان المطورين حول العالم تنزيلها بحرية ونشرها وإجراء تطويرات ثانوية عليها، ما يضرب مباشرة النموذج التجاري الأمريكي للذكاء الاصطناعي الذي يقوم على إغلاق المصدر. وتشير Arena.ai إلى أن المرة السابقة التي اقترب فيها نموذج صيني بهذا القدر من المستوى الرائد عالميًا كانت في 2025 مع DeepSeek-R1. ومن DeepSeek إلى Kimi K3، يكون نموذج الذكاء الاصطناعي الكبير في الصين قد انتقل من “اختراق فردي في نقطة محددة” إلى “اقتراب منهجي من المستوى”.

ما أوجه التشابه والاختلاف بين تأثير Kimi K3 وتحدي DeepSeek

يربط السوق على نطاق واسع صدمة Kimi K3 بعبارة “لحظة DeepSeek 2.0”. لكن بينهما اختلافات جوهرية. يتمحور السرد الأساسي في DeepSeek R1 حول “الكفاءة”—تحقيق أداء قريب من القمة بتكلفة منخفضة جدًا. بينما يبرز Kimi K3 “الحجم” أكثر—2.8 تريليون معامل، وسياق 1M token، وقدرات متعددة الوسائط أصلية، وبنية MoE. ويشير بعض المحللين إلى أن R1 يمكّن السوق أكثر من رؤية “الكفاءة”، بينما يبرز K3 “الحجم”.

كما تختلف استراتيجيات التسعير بشكل ملحوظ. يبلغ سعر واجهة برمجة التطبيقات (API) لـ Kimi K3 3 دولارات عن كل 1 مليون token كمدخلات و15 دولارًا كمخرجات، وهو ما يجعله أغلى فئة بين النماذج المحلية—أغلى بحوالي 20 مرة من DeepSeek V4 Pro، لكنه لا يتجاوز 30% من سعر Claude Fable 5 و60% من سعر GPT-5.6 Sol. وقد أكدت مَونز ذي أيمبراس أن “النموذج الصيني ليس مجرد بطاقة سعر منخفض”. وهذا يعني أن استراتيجية المنافسة لـ Kimi K3 ليست حرب أسعار، بل الحصول على حصة سوقية بسعر معقول في ظل تقارب الأداء.

الدروس البنيوية لقطاع السباق في عالم العملات المشفرة للذكاء الاصطناعي

تنتقل موجة صدمة Kimi K3 أيضًا إلى المجال التشفيري. إذ يمر تقاطع مسارات الذكاء الاصطناعي والعملات المشفرة حاليًا بإعادة تشكيل منطق التقييم. فمن ناحية، إذا تمكنت نماذج المصدر المفتوح من تقديم قدرات ذكاء اصطناعي رائدة بتكلفة أقل، فستواجه المشاريع التشفيرية التي تعتمد على خدمات ذكاء اصطناعي مغلقة ضغطًا لإعادة هيكلة التكاليف. ومن ناحية أخرى، استندت بعض شركات تعدين البيتكوين خلال العامين الماضيين إلى تحويل الموارد القائمة نحو أعمال الذكاء الاصطناعي والحوسبة عالية الأداء، وهي استراتيجية تقوم على أساس استمرار الطلب على قدرة الحوسبة في النمو بسرعة. وقد يؤدي الشك الذي أثارته Kimi K3 حول “عائد استثمار الحوسبة” إلى التأثير في استدامة منطق هذا التحول.

وتتمثل الآثار الأبعد في حقيقة أعمق: إذ تثبت Kimi K3 أن قوى ذكاء اصطناعي غير أمريكية يمكن أن تدخل ضمن الصف الأول عالميًا. وهذا يعني أن مشاريع الذكاء الاصطناعي داخل عالم التشفير لم تعد مضطرة للاعتماد فقط على منظومات النماذج التي تهيمن عليها الولايات المتحدة. وسيساهم انتشار نماذج المصدر المفتوح في خفض عتبة الوصول إلى قدرات الذكاء الاصطناعي، وتسريع بناء بنية تحتية للذكاء الاصطناعي لا مركزية—وهو اتجاه يستحق اهتمامًا طويل الأمد من قطاع التشفير.

الجدل الجيوسياسي واتهامات حقوق الملكية الفكرية وكيف يمكن أن تؤثر في المسار اللاحق

بعد إصدار Kimi K3، وجّه رئيس مكتب سياسة التكنولوجيا في البيت الأبيض Michael Kratsios اتهامات علنية إلى مَونز ذي أيمبراس بأنه طوّر K3 عبر تقطير نموذج Fable التابع لـ Anthropic، وأنه حصل على رقائق ذكاء اصطناعي متقدمة من Nvidia. وفي المقابل، صرّح رئيس OpenAI بأن Kimi K3 “لا شك في أنه نموذج ممتاز للغاية”، لكنه أبدى عدم يقين بشأن ما إذا كان قد تم تقطير نماذج GPT. وقد أنكرت مَونز ذي أيمبراس هذه الاتهامات بشكل قاطع.

وسوف يؤثر مسار هذا الجدل مباشرة في اتجاه مشاعر السوق لاحقًا. فإذا ثبتت الاتهامات أو نتج عنها فرض عقوبات، فسيعزز ذلك السردية القائلة بأن “الشرائح عالية الأداء لا تزال هي المفتاح في منافسة الذكاء الاصطناعي”، وقد تحصل شركات أشباه الموصلات على دعم. أما إذا لم تُثبت الاتهامات، فسيعني ذلك أن بإمكان ذكاء اصطناعي صيني تحقيق اختراقات حتى في ظل قيود على الشرائح، مما يجعل أثره على ترتيب الصناعة القائم أعمق. وعلى أي حال، فقد أوضح هذا الجدل بذاته أن Kimi K3 قد دخل بالفعل صلب ساحة المنافسة العالمية على الذكاء الاصطناعي.

هل ستقل احتياجات الحوسبة أم تزداد بسبب النماذج الأكثر كفاءة؟

يتمثل الخلاف الآخر في السوق حول Kimi K3 في نقطة محورية: هل يؤدي النموذج الأكثر كفاءة إلى تقليل احتياجات الحوسبة أم زيادتها. وترى تقارير بحثية حديثة من بنوك استثمار مثل UBS وNomura وBank of America وCitigroup أن Kimi K3 ليس “نهاية” الطلب على الحوسبة، بل هو “معزّز” لها. إذ ستؤدي خصائص مثل 2.8 تريليون معامل، وسياق 1M token، والاستدلال الدائم (always-on)، وتعدد الوسائط الأصلي إلى رفع ضغوط الاستدلال والذاكرة والشبكة والتخزين معًا. وذكر بنك Nomura أن اقتراب الصناعة أكثر فأكثر من الذكاء الاصطناعي العام (AGI) يعني أن انتشار الذكاء الاصطناعي التوليدي على مستوى المستهلك لن يتوقف.

وبعد إصدار Kimi K3، تم إيقاف تسجيل المستخدمين الجدد على مستوى C بسبب انفجار طلبات المستخدمين وعدم كفاية القدرة الحاسوبية. وقد أقرت مَونز ذي أيمبراس بأنها “واجهت الوضع نفسه تقريبًا الذي واجهته قبل عام مع لحظة DeepSeek”. وتُظهر هذه الحقيقة بحد ذاتها أن النماذج الأقوى لم تكبح الطلب، بل خلقت فجوة في القدرة الحاسوبية خلال وقت قصير. ومن منظور طويل الأجل، قد تدفع زيادة قدرات النموذج نمو الطلب على الحوسبة بشكل أسي عبر خفض عتبة الاستخدام وتوسيع حالات الاستخدام، وليس العكس.

الخلاصة

يشير إطلاق Kimi K3 إلى أن نماذج الذكاء الاصطناعي الكبيرة في الصين تتجاوز للمرة الأولى نماذج الولايات المتحدة المغلقة الرائدة في قوائم الكود الموثوقة. ولا يقتصر ذلك على كونه إنجازًا على مستوى التقنية فحسب، بل هو أيضًا اختبار ضغط منهجي لمنطق تقييم صناعة الذكاء الاصطناعي عالميًا. وسيميل السوق في المدى القصير إلى مقارنته بـ “لحظة DeepSeek 2.0”، لكن نقطة الصدمة الأساسية لـ Kimi K3 تختلف—إذ لا يشكك في “ما إذا كانت الحوسبة ضرورية”، بل يشكك في “ما إذا كانت كفاءة الإنفاق على الحوسبة وعائدها ما يزالان قائمين”.

وبالنسبة لعالم التشفير، تكشف Kimi K3 عن اتجاهين: انتقال الحصول على قدرات الذكاء الاصطناعي من “مورد نادر” إلى “سلعة يمكن الوصول إليها”، واحتمال أن يؤدي صعود نماذج المصدر المفتوح إلى تسريع بناء بنية تحتية للذكاء الاصطناعي لا مركزية. وبغض النظر عن تطور الجدل الجيوسياسي لاحقًا، فقد تأكدت حقيقة أساسية واحدة—أن المنافسة العالمية على الذكاء الاصطناعي انتقلت من “نظام أحادي تقوده الولايات المتحدة” إلى “مرحلة جديدة من المنافسة متعددة الأقطاب”. وما تزال آثار هذا التحول على تقييمات أسهم التكنولوجيا ومنطق استثمارات الحوسبة ومسار الذكاء الاصطناعي في التشفير على المدى الطويل في بدايتها.

الأسئلة الشائعة

س1: ما أبرز الاختراقات التقنية التي يتميز بها Kimi K3؟

يمتلك Kimi K3 2.8 تريليون معامل، وهو نموذج المصدر المفتوح صاحب أكبر عدد من المعاملات عالميًا. وتعود اختراقاته التقنية أساسًا إلى ثلاث تقنيات مطورة داخليًا: إذ يخفض مُحسّن MoonClip من الدرجة الثانية تكلفة التدريب إلى النصف؛ وتُحسن تقنية بقايا الانتباه كفاءة التدريب والاستدلال بنسبة 25%؛ كما تعالج آلية الانتباه الخطي المطورة داخليًا تدهور الأداء في المهام الطويلة جدًا.

س2: في أي مرتبة تقع أداء Kimi K3 ضمن الصناعة؟

في لوحة Frontend Code Arena، حصل Kimi K3 على 1,679 نقطة متجاوزًا Claude Fable 5 وGPT-5.6 Sol، ليحتل المركز الأول. وفي مؤشر Artificial Analysis الذكي، سجل 57 نقطة، ليأتي في المراكز من الثالثة إلى الرابعة عالميًا. وقد ذكرت مَونز ذي أيمبراس رسميًا أن أداء K3 الإجمالي ما يزال أقل من أقوى نموذج مغلق المصدر، وهو Claude Fable 5 وGPT-5.6.

س3: ما أوجه الاختلاف في صدمة Kimi K3 مقارنةً بـ DeepSeek؟

يتمحور السرد الأساسي في DeepSeek R1 حول “الكفاءة”—تحقيق أداء رفيع بتكلفة منخفضة جدًا؛ بينما يبرز Kimi K3 “الحجم” أكثر—2.8 تريليون معامل وقدرات متعددة الوسائط. ومن ناحية التسعير، يعد K3 أغلى بحوالي 20 مرة من DeepSeek V4 Pro، لكنه يساوي 30% فقط من سعر Claude Fable 5.

س4: ما تأثير Kimi K3 على مسار الذكاء الاصطناعي في عالم التشفير؟

تثبت Kimi K3 أن قوى ذكاء اصطناعي غير أمريكية يمكنها أن تصل إلى الصف الأول عالميًا، ما يعني أن مشاريع التشفير لم تعد مضطرة للاعتماد فقط على منظومة نماذج تهيمن عليها الولايات المتحدة. وقد يؤدي انتشار نماذج المصدر المفتوح إلى تسريع بناء بنية تحتية للذكاء الاصطناعي لا مركزية. وفي الوقت نفسه، قد تتطلب بعض شركات التعدين التي تعتمد على منطق تحول الطلب على قدرات الذكاء الاصطناعي إعادة تقييم هذا المنطق.

س5: هل سيقل أو يزيد Kimi K3 من احتياجات الحوسبة؟

ترى عدة بنوك استثمارية أن K3 يعمل كمُعزّز لاحتياجات الحوسبة وليس كأنهٍ لها. فخصائص مثل 2.8 تريليون معامل وسياق 1M token ستزيد متطلبات الاستدلال والذاكرة والتخزين. وبعد إصدار K3 تم إيقاف تسجيل المستخدمين الجدد بسبب انفجار عدد الطلبات من المستخدمين، وهو ما يدل على أن النماذج الأقوى تولّد مزيدًا من احتياجات الحوسبة.