يحتل Kimi K3 المركز الثالث عالميًا كأفضل نموذج ذكاء اصطناعي، ويتحدى Anthropic وOpenAI

تنظيم وتأليف: Shenchao TechFlow

المتحدثان: جوردن وماكس، محللان من SemiAnalysis

المُقدِّم: جوردن (محادثة داخلية من SemiAnalysis)

مصدر البودكاست: SemiAnalysis

العنوان الأصلي: [حلقة طارئة] وصل كيمي K3 لـ Moonshot! الصين لديها نموذج حدودي

تاريخ البث: 18 يوليو 2026

أطلقت Moonshot (الجانب المظلم للقمر) Kimi K3، والتي تفوقت على Google وMeta في عدة معايير شاملة، لتصبح ثالث أفضل نموذج في العالم، خلف نموذج Fable من Anthropic وSoul 5.6 من OpenAI. قام المحللان من SemiAnalysis، Jordan وMax، بتحليل معنى هذا الإطلاق في برنامج طارئ: يقدم النموذج بـ2.8 تريليون معلمة بسعر مماثل لـSonnet (3/15 لكل مليون رمز)، وإذا كان حجمه مماثلاً لنماذج مغلقة متقدمة، فقد تكون هامش ربح Anthropic البالغ 10/50 بمستوى مذهل.

حكم أكثر حدة من جوردان: الفجوة الرائدة تتقلص، وهو ما يعزوه إلى قيود الحكومة الأمريكية على Anthropic/OpenAI لنشر أقوى النماذج، مما خلق نافذة زمنية مصطنعة للمتنافسين المتأخرين. لم تتمكن المفتوحة المصدر حقًا من اللحاق. في الوقت نفسه، هناك فراغ كامل في المفتوحة المصدر الغربية، ولا يوجد أي نموذج مفتوح المصدر من شركة أمريكية يستطيع اللحاق بأفضل نموذج صيني خامس. المنافسة في النماذج تتحول إلى منافسة على الاستخدام والأدوات والجغرافيا السياسية.

حول تحديد موقع Kimi K3

• If you look at the overall ranking of all major benchmarks, today there is a very clear top three: Fable, Soul 5.6, and Kimi K3. They consistently rank above everyone else, including DeepSeek, as well as Google, Meta, and xAI.
• يجب على Google أن تشعر بالخجل الشديد. في نوفمبر وديسمبر 2025، كان الجميع يعتقدون أن الأطراف الثلاثة الرائدة في الذكاء الاصطناعي هم Google وAnthropic وOpenAI. اليوم، عندما أتحدث مع بعض "القديمين"، لا يزالون يعتقدون ذلك، لكن من الواضح أن الأمر لم يعد كذلك.
• قد يكون ثاني أفضل نموذج في العالم، لأنني أُرفض دائمًا عندما أستخدم Fable لأداء أي شيء جاد، وأُعاد إلى Opus. على الرغم من أنني لست متأكدًا مما إذا كان أفضل من Opus، إلا أنه على الأقل لا يُرفض.

حول هامش ربح النماذج المتقدمة

• إذا لم يكن Kimi يخسر على الأرجح عند سعر 3/15 عند تقديم K3، فإن Fable التي لديها حجم مشابه لكنها تتقاضى 10/50 يجب أن تزيل تمامًا مخاوف الناس من أن مختبرات الذكاء الاصطناعي ليست نشاطًا مربحًا. بيع الرموز المميزة بناءً على سعر API قد يكون أكثر ربحية من SaaS.
• ارتفع السعر من K2.7 إلى K3 بأكثر من ثلاثة أضعاف، من 0.95/4 إلى 3/15. لكنني لا أعتقد أن لديهم الكثير من مساحة لرفع الأسعار مرة أخرى، لأن العديد من المهام تكفي باستخدام GLM أو MiniMax M3.

حول الحكومة الأمريكية والفجوة

• أعتقد أن هذا الفجوة تقلصت بشكل مباشر بسبب قيود الحكومة الأمريكية على Anthropic، مما منعنا من الحصول على أقوى نماذج هذه الشركات. إنهم يلتقطون الخلفية بشكل اصطناعي.
• نحن لا نستطيع الوصول إليه إلا عندما يُسمح للذكاء المتقدم بالوصول إليه. هذا يمثل فرصة فعلاً لللاعبين الذين في المراكز الرابعة والخامسة والسادسة والسابعة.

عن الفراغ المفتوح الغربي

• أنا مذهول من أن السوق لا يزال بهذه الفعالية المنخفضة، ولا توجد حتى شركة أمريكية واحدة تستطيع مجاراة خامس أفضل شركة صينية.
• حتى لو لم تحظر الحكومة النماذج المفتوحة المصدر الصينية، فإن الشركات الأمريكية الكبرى العادية لا ترغب في تغذية بياناتها الحصرية إلى النماذج المفتوحة المصدر الصينية. حتى لو قمت بتحميل الأوزان في مركز بيانات معزول، فحتى لو لم يرَ CCP بياناتك، فإن كبار المسؤولين لن يقبلوا بذلك.

حول Harness

• اختبار Kimi K3 جعلني أراجع لأول مرة بجدية Open Code و Hermes و Pi. Harness لا يزال جزءًا كاملًا من المنتج.
• أشياء بسيطة بعض الشيء تجعلني أختار هذا النموذج بدلاً من ذلك: هل يمكن تثبيته على خادم SSH عن بُعد؟ هل اختصارات لوحة المفاتيح سهلة الاستخدام؟ هذه التفاصيل في harness تؤثر فعليًا على المكان الذي أرسل إليه الرمز، أي أين أوجه ميزانيتي.

عن "ما زال مبكرًا جدًا"

• ذهبت إلى ICML الأسبوع الماضي، وذهبت إلى مؤتمر AI Engineer في الأسبوع الذي سبقه. هذا هو المؤتمر الرسمي للذكاء الاصطناعي، وأكثر من 80% من الحضور لم يسمعوا قط بـ SemiAnalysis. أنت تدّعي أنك تعمل في صناعة الذكاء الاصطناعي، لكنك لم تقرأ حتى SemiAnalysis؟ نحن ما زلنا مبكرين جدًا.

الأردن: تعليق سريع، هل Kimi K3 هو الثالث أفضل نموذج في العالم الآن؟

ماكس: الإجابة واضحة "نعم". الجميع يحبون الانتقاد على معايير الأداء، وحقًا هناك مشاكل في معايير الأداء، لكن إذا نظرت إلى التصنيف الشامل لجميع معايير الأداء الرئيسية، فإن اتجاهاتها كانت دائمًا صحيحة. اليوم هناك ثلاثة متصدرين واضحين: Fable وSoul 5.6 وKimi K3، الذين يتفوقون باستمرار على الجميع الآخرين، بما في ذلك اللاعبين مفتوحي المصدر مثل DeepSeek، ويفوقون بوضوح Google وMeta وxAi. هذا إنجاز رائع جدًا لفريق Moonshot.

يجب أن تشعر جوجل بالخجل الشديد. في نوفمبر وديسمبر 2025، كان الجميع يعتقدون أن الأعمدة الثلاثة للذكاء الاصطناعي هم جوجل وAnthropic وOpenAI. اليوم، عندما أتحدث مع بعض "القديمين"، لا يزالون يعتقدون ذلك، لكن من الواضح أن هذا لم يعد صحيحًا.

بشكل عام، ما زلت أشعر أنه أقل من Fable و Soul 5.6. من المضحك أنهم ذكروا ذلك صراحة في مدونة إطلاق نموذجهم الخاص. ربما يكون هذا تواضعًا صينيًا تقليديًا، أو ربما لا يريدون جذب مراجعة الحكومة الأمريكية، خاصةً أن إطلاق Fable 5.6 شهد بعض التأخير في ذلك الوقت. لكن على أي حال، إنه أمر مذهل جدًا.

الأردن: كتبوا في قسم القيود في المدونة: "على الرغم من أن K3 هو نموذج تنافسي للغاية من حيث الأداء العام، إلا أن هناك فجوة واضحة في تجربة المستخدم مقارنة بـ Fable 5 و GPT 5.6." تجربتي الشخصية هي أنه فعلاً جيد، لكنه بطيء جداً، وهذا أمر مزعج. جعلني هذا لأول مرة أشعر بالدافع لتجربة harness مفتوح المصدر. بصراحة، أشعر أنني تعلمت المزيد عن harness أكثر مما تعلمته عن النموذج، لأن جميع هذه النماذج جيدة بما يكفي لأداء المهام الأساسية التي أقوم بها حالياً، وأجد صعوبة في العثور على مهام معقدة لا يستطيع القيام بها.

قد يكون هذا أفضل نموذج في العالم بالنسبة لي، لأنني أُرفض دائمًا عندما أستخدم Fable لأغراض جادة، وأُعاد إلى Opus. على الرغم من أنني لست متأكدًا مما إذا كان أفضل من Opus، إلا أن عدم الرفض يجعل الأمور أقل إزعاجًا. لكن عند استخدام مفتاح API بالدفع حسب الاستخدام، لا أُرفض أبدًا — فقط عند استخدام واجهة الويب أو البحث المتعمق أصطدم بالحدود. من الواضح أنهم لا يمتلكون ما يكفي من وحدات معالجة الرسومات لتلبية الطلب الناتج عن هذا النموذج. في الماضي، تم حل هذه المشكلة من خلال استراتيجية مفتوحة المصدر، حيث تم نشر الأوزان ليخدمها الآخرون. لكن هذه المرة لم يُنشر الأوزان بعد، وقالوا إنهم سيطلقونها بعد 10 أيام.

الأردن: ما رأيك في استراتيجية التأخير هذه؟

ماكس: أريد أن أوضح أن كل هذا تكهناتي الشخصية. سبب كبير قد يكون أنهم يحتاجون إلى منح فرق محركات الاستدلال مثل vLLM و SGLang وقتًا كافيًا لضمان تقديم هذا النموذج بأداء عالٍ. إذا تم إصدار الأوزان اليوم، وجميع الناس يقدّمونه لكنك تحصل فقط على 20 رمزًا/ثانية، فهذا سيكون ضارًا جدًا لسمعتهم. لديهم الآن فرصة ممتازة لجمع كمية كبيرة من التغطية الإعلامية والاعتماد، وإذا تم إضعاف الزخم بسبب الأداء السيء عند الإطلاق، فسيؤدي ذلك إلى تقويض الزخم.

احتمال آخر هو أنهم يتفاوضون مع مزودي خدمات الاستدلال مثل Together AI و Fireworks و Nebius و Groq للحصول على ترخيص شراكة، لاستخدام شرائح GB300 وأحدث الشرائح لتوفير السعة الإضافية. هذان السببان هما على الأرجح السببان الرئيسيان لتأخير الـ10 أيام.

الأردن: دعنا نتحدث عن بنية النموذج. إنه نموذج بحجم 2.8 تريليون معلمة، ولا يمكن تحميله على B200، فأنت بحاجة إلى B300 أو GB300 أو AMD MI355X لتشغيله على خادم واحد من نوع HGX بـ 8 بطاقات. بالطبع يمكنك استخدام التوازي الأنابيب عبر العقد، لكن ذلك سيؤثر بشدة على الأداء. لذا فقط من يمتلك أحدث الرقائق يمكنه تشغيل هذا النموذج.

بالعودة إلى موضوع Google الذي ذكرته للتو، فإن هذا النموذج وصل إلى مستوى تنافسي رائد عند 2.8 تريليون معلمة، وهذا يعطينا بعض التلميحات حول حجم النماذج الرائدة المغلقة. إذا كانوا يستخدمون نموذجًا بـ 10 تريليون معلمة للمقارنة مع هذا، فسيكون ذلك أكثر إحراجًا. علينا أن نفترض أنه في نفس المستوى مثل Soul وFable.

ماكس: نعم، أنت محق. لا أزال أؤمن بقدرة ودقة فريق أنتروبيك للبحث. إذا قال أحدهم على تويتر إن النماذج المغلقة الحالية لديها 10 تريليون معلمة، فإذا كان ذلك صحيحًا، فعليك أن تُحضِّر أمتعتك، وستهبط أسهم نيفيديا بنسبة 50٪ غدًا، وستنتهي كل شيء.

أنا واثق إلى حد كبير أن Kimi K3 لا يقل حجمه كثيرًا عن النماذج المغلقة الرائدة الحالية، بل قد يكون أكبر قليلاً. إذا كان هذا صحيحًا، فهذا يؤكد مرة أخرى وجهة نظرنا التي نشدد عليها دائمًا في SemiAnalysis: إن هوامش الربح لهذه المختبرات المغلقة هي بالتأكيد على مستوى مذهل. إذا لم تكن Kimi تخسر أموالًا ببيع K3 بسعر 3/15، مثل تسعير Sonnet؛ بينما Fable بحجم مشابه تُباع بسعر 10/50، فهذا يجب أن يزيل تمامًا أي مخاوف حول عدم ربحية مختبرات الذكاء الاصطناعي. بيع الرموز المميزة حسب سعر API قد يكون أكثر ربحية من SaaS حتى اليوم.

الأردن: لا توجد تكاليف موظفين، فقط GPU. كيف يقارن ذلك بالأسعار السابقة؟ قلت 3/15، لكن السعر المباشر للنسخة السابقة من Moonshot كان 0.95/4، لذا ارتفع السعر من K2.7 إلى K3 بأكثر من ثلاثة أضعاف. ما زال لديهم مساحة لرفع الأسعار؟

ماكس: لا أعتقد أن لديهم الكثير من المساحة للارتفاع أكثر. حتى بسعر 3/15، سيجد الكثيرون السعر مرتفعًا جدًا. مهامهم يمكن تحقيقها باستخدام GLM أو MiniMax M3. هناك تقسيم مثير للاهتمام هنا: أولئك مثل SemiAnalysis الذين لا يهتمون بإنفاق رموز Dylan سيواصلون استخدام Fable في كل شيء تقريبًا؛ بينما من هم حساسون جدًا للتكلفة، مثل Tesla وUber اللذين يستخدمان فقط 200 دولار من الرموز أسبوعيًا، سيختاران طبقة تسعير GLM. إذًا، من هم المستخدمون الحقيقيون الذين سيتحولون إلى Kimi K3؟ ربما هم مجموعة من الأشخاص الذين يحبون مفاهيم مفتوح المصدر ويريدون دعم النماذج الجديدة. هل ستتبناها الشركات الكبرى حقًا؟ لن أتفاجأ إذا كانت الإجابة لا.

الأردن: هذا بنية جديدة بالكامل. 2.8 تريليون معلمة، مع انتباه دلتا لـ Kimi، والبقايا المحتملة، والكامن المستقر، وهي في الأساس نسخة موسعة من النماذج السابقة، حوالي ضعف الحجم. سابقًا، مع K2.5، رأينا Cursor يستخدمه كـ composer، بناءً على continued pre-training و MRL، ثم ظهرت نقاط التحقق 2.5 و 2.6 و 2.6.7 إلخ. هذا نموذج أساسي جديد، لكنه مكتمل جدًا في الاستخدام، ولم تظهر الحواف الخشنة الشائعة في النموذج الأصلي. ما الخطوة التالية؟ متى سيصدر 3.1؟ هل سيتغير التسعير؟ هل سيكون هناك composer مبني على K3؟

ماكس: من غير المرجح أن يكون هناك أي مُكوّن مبني على K3، فقد قرر فريق Cursor تدريب نموذجهم الخاص من الصفر. أما بالنسبة لـ K3.1 و K3.2، فمن المتوقع أن يصدر اثنان أو ثلاثة تحديثات خلال الشهرين أو الثلاثة أشهر القادمة، وهي تستمر في مراحل ما بعد التدريب. أعتقد أن التسعير سيظل كما هو، لأنهم لا يستطيعون تشغيله على أجهزة جديدة خلال الشهرين أو الثلاثة أشهر القادمة، ولا يوجد تحسن في الإنتاجية يبرر خفض السعر. ربما يمكن لمهندس نواة متميز أن يخفض التكلفة إلى مستوى DeepSeek V4، لكنني أشك في إمكانية تحقيق ذلك بنموذج بحجم 3 تريليون معلمة. ربما يكون التسعير الحالي لـ GLM و MiniMax هو الحد الأقصى الذي يمكن تحقيقه لنماذج بحجم 1 إلى 1.5 تريليون معلمة.

ماكس: السؤال الأكثر إثارة هو ما إذا كان الفرق بين المصدر المفتوح والمصدر المغلق سيستمر في التقلص، وهل يمكن للمصدر المفتوح أن يصل حقًا إلى مستوى التكافؤ مع أحدث المستويات. إذا حدث ذلك، فسيكون له تأثير هائل على صناعتنا بأكملها. ما رأيك؟

الأردن: رأيي أن الفجوة تقلصت الآن، والسبب يعود بالكامل إلى قيود الحكومة الأمريكية على Anthropic، مما منعنا من الحصول على أقوى نماذج هذه الشركات. لقد تم محاكاتهم بشكل مصطنع.

يمكننا رؤية مقارنة بين Mythos و Fable. لا أستطيع استخدام Mythos، بينما أحتاج إلى طلبها بجدية للحصول عليها أحيانًا. 5.6 Soul، نحن نعتبر داخليًا أنها ليست أكبر نموذج تدرب عليه OpenAI، وهي أصغر من 4.5. لديهم نموذج أكبر. النتيجة هي أننا لا نستطيع الوصول إليه إلا عندما يسمح به الحكومة للوصول إلى الذكاء المتقدم.

هذه فرصة للاعبين في المراكز الرابعة والخامسة والسادسة والسابعة للإطلاق الكامل ضمن حدود معينة والبدء في الاستيلاء على حصة المستخدمين، لكنهم لن يصلوا أبدًا إلى الحدود الحقيقية. أعتقد أن الحدود قد تتحرك خطوة كبيرة أخرى بحلول نهاية الصيف هذا العام، أو قد تتغير الاتجاهات السياسية قليلاً. أو قد نبدأ في العثور على نماذج خارج الترميز، مما يسمح لهم بالاستكشاف الحقيقي لتلك المجالات.

بالإضافة إلى ذلك، أود ذكر إصدار Inkling من Thinking Machines؛ أعتقد أن الإدخال الصوتي الأصلي مثير جدًا ويشكل إشارة للمستقبل.

ماكس: فيما يتعلق بـ Inkling، فإن الغرب يعاني بالفعل نقصًا شديدًا جدًا في نموذج مفتوح المصدر جيد. السوق لا يزال غير فعّال بهذه الدرجة، ونحن لا نمتلك حتى شركة أمريكية واحدة تستطيع مجاراة أفضل خمسة نماذج صينية، وهذا يدهشني. من ناحية، قد يكون حظر الحكومة الأمريكية الشامل للنماذج المفتوحة المصدر الصينية مجرد مسألة وقت. ومن ناحية أخرى، حتى لو لم يُحظر، فإن الشركات الأمريكية الكبرى العادية لا ترغب في تغذية نماذجها الخاصة بنماذج مفتوحة المصدر صينية. حتى لو قمت بتحميل الأوزان في مركز بيانات معزول، فحتى لو لم يرَ CCP بياناتك، فلن يوافق المديرون التنفيذيون على ذلك. العديد من الشركات تهتم بميزانية الرموز، وترغب فقط في تشغيل نماذج غربية أو غير صينية. Inkling هو أفضل نموذج مفتوح المصدر غربي يمكننا الحصول عليه حاليًا، لكنه لا يزال بعيدًا جدًا عن الحدود العلمية المفتوحة، وهذا يدهشني.

الأردن: كان سابقًا Neotron، والآن Inkling. أرى أن استراتيجية Inkling تمتلك فرصةً واحدة: أولاً، يجب أن تكون أفضل من معظم المشاريع المفتوحة المصدر الصينية لتتمكن من الدخول إلى السوق. ثانيًا، يجب أن تكون أفضل من النماذج الثانوية والثالثية للمختبرات الرائدة، وأفضل من Sonnet، لأنك تستطيع الحصول على ذكاء قريب من الحدود باستخدام Bedrock أو Foundry، وتوفير المال باستخدام نماذج ثانوية مغلقة المصدر. لم أفهم أبدًا الزاوية الغربية المتمثلة في "مساعدة الناس على توفير المال". بالتأكيد، دفع النماذج إلى بيئات مثل Fireworks وTogether وBase10 أمر جيد، لكن الجزء الأكبر من السوق هو على المستوى الحكومي.

الأردن: شيء آخر يستحق الذكر، ذُكر في مدونة K3 أن مرحلة SFT تم تنفيذها باستخدام التكميم، مع استخدام MXFP4 وMXFP8 بشكل أصلي للوزن والتفعيل، والعبارة الرسمية هي "توافق عريض مع الأجهزة". ما الذي تهتم به Moonshot غير ذلك من الأجهزة؟

ماكس: لدي قائمة بـ 11 مُسرّعًا صينيًا، ويجب عليك الاشتراك في نموذج SemiAnalysis Accelerator لمزيد من التفاصيل. تم ذكر شرائح هواوي كونمينغ، وباييدو كونلونغ، ومينغجي، وموير تينسين، وغيرها من الشرائح في الأوراق البحثية وفي الكود. تشغيل النماذج المتقدمة على مُسرّعات صينية الصنع أصبح أولوية وطنية في الصين. إذا كنا لا نزال نقول في نهاية عام 2025 إن جوجل هي المختبر المتقدم، فعلينا الآن أيضًا اعتبار Moonshot مختبرًا متقدمًا.

الأردن: لأتحدث عن شيء خارج الموضوع، أبي هو حالياً في مهمة عمل في الصين، وقال إن جميع الفنادق ممتلئة لأن شي جين بينغ سيُلقي خطاباً قريباً في تلك المنطقة حول أن الذكاء الاصطناعي هو الأولوية القصوى للصين. الكثير مما قلته صحيح.

الأردن: أكبر إدراك لي أثناء استخدام هذه النماذج هو أن الفرق بين استخدام النموذج الأكثر تقدمًا مع وضع التفكير الأقصى واستخدام جهد متوسط يصبح أكثر صعوبة في التمييز. في المهام اليومية، لا أستطيع حقًا العثور على أي شيء لا تستطيع هذه النماذج إنجازه. سلوكِي الافتراضي هو تفعيل الوضع الأقصى والأصعب، لأنني لا أهتم بميزانية ديلان.

لكن هناك جانب أن harness هو جزء أساسي من المنتج نفسه. جعلني تجربة Kimi K3 أراجع لأول مرة بجدية Open Code و Hermes و Pi. harness لا يزال جزءًا كاملًا من المنتج. تفاصيل بسيطة يمكنها أن تجعلني أختار هذا النموذج بدلاً من ذلك: هل يمكن تثبيته على خادم SSH عن بُعد؟ هل اختصارات لوحة المفاتيح سهلة الاستخدام؟ هل يمكنني تحرير الأوامر السابقة؟ هذه التفاصيل الصغيرة داخل harness تؤثر فعليًا على المكان الذي أرسل إليه الرموز، أي أين أوجه ميزانيتي.

ماكس: يتحدث الكثيرون عن ميزانية الرموز، لكن من وصفك لسير العمل الخاص بك، حتى المهام التي يمكن لـ GLM إنجازها، أفضّل توجيهها إلى Fable باستخدام ذكاء Max، لأن العائد على الاستثمار لا يزال يستحق هذا السعر. تشير مقاييس الأداء إلى أن العديد من المهام يمكن نقلها إلى GLM، لكنك لا تزال تفضل البقاء على نماذج Anthropic أو OpenAI.

الأردن: تقريبًا نعم. لكنني أستخدم العديد من بوتات Slack، ولا أعرف النماذج التي تعمل خلفها. على سبيل المثال، تكامل Perplexity مع Slack، إذا بدأ في توجيه الطلبات إلى K3 أو إلى GLM أو إلى Sonnet، فأنا في الحقيقة لا أهتم. فقط عند مراجعة الاستخدام اكتشفت ما هي نسبة نماذج OpenAI المستخدمة، لأن هذا قرار تتخذه الشركة نفسها. الجزء المبرر من ذلك هو ما يقرره harness.

ماكس: هذا في الواقع نقطة دخول لنموذج التسعير القائم على النتائج. إذا قام مختبر ما بتطبيق التسعير القائم على النتائج، فقد يحقق هامش ربح إجمالي يزيد عن 95٪، لأن المهام التي كنت مستعدًا لدفع ثمنها بسعر ثابت يمكن إنجازها اليوم بسهولة تامة.

الأردن: النقطة الثانية، لا أعتقد أن هذه المختبرات قد نفدت أفكارها. يمكنها الاستمرار في تدريب نماذج مذهلة لاختبار RSI على الجانب البرمجي، لكنها لا تُطلقها لنا، للحفاظ على "طبقة تحتية دائمة". يمكنها الاستمرار في التقطير، وإعطائنا قطعة صغيرة، في الوقت نفسه التي تستمر فيها في استكشاف استخدامات أخرى مثل توليد الفيديو، وتحويل الصوت إلى صوت، والبحث العميق، وهي أمور لا تشبه البرمجة كثيرًا. الروبوتات ونماذج العالم اتجاه بسيط. ماذا لو حولت Anthropic هدفها من العمل المعرفي إلى العمل البدني؟ لا أصدق أنهم لا يستطيعون بناء عمل مستدام ذو عائد استثماري جيد باستخدام أفضل التقنيات في العالم.

ماكس: حتى لو لم نتحدث عن هذا، فأنا أستخدم هذه النماذج يوميًا بكثافة كبيرة، وأصدقائي العاملون كمهندسي برمجيات يستخدمونها أقل بعشر مرات وأنفقون أقل بعشر مرات. شخص يستخدم Fable يستخدمه بنفس القدر الذي يستخدمه شخص يستخدم Sonnet، لكن الشخص الذي يستخدم Fable ينفق عشرة أضعاف المال، مع هامش ربح إجمالي قدره 90%، وهو ما يدعم الجزء الأكبر من العمل. بمجرد أن يبدأ هؤلاء الأشخاص في استخدام نماذج أكبر واستخدامها أكثر، فسيزداد الطلب فقط، ولا يحتاج النموذج حتى إلى أن يصبح أفضل. ثم عليّ أن أتحدث مع جيراني الذين لا يتعاملون مع التكنولوجيا، وأنا بالتأكيد ضمن 0.1% أو حتى 0.01% بينهم، وقد يكون هناك مساحة للنمو تصل إلى 1000 مرة. نعود إلى "منحنى مؤشر الأوزة الذهبية" لـ Masa-san (ماسايوشي سون).

الأردن: ما قالتْهُ "ما زال مبكرًا جدًا" صحيح تمامًا، وهذا هو السبب في أنني أعتقد أن Kimi K3 لن يُبطئ الزيادة الصافية في ARR لـ Anthropic و OpenAI. حتى لو تحول جزء من المستخدمين الحاليين لـ Fable و 5.6 إلى Kimi K3 بشكل لا يمكن إقناعهم، فسيتم طمس هذا الجزء بالكامل من قبل أولئك الذين لم يجربوا هذه التقنية بجدية بعد. أولئك الناس يكتشفون يوميًا حالات استخدام جديدة ذات عائد استثماري عالٍ، وستظل تستخدم بشكل افتراضي 5.6 Soul أو Fable 5 لتفعيل هذه السيناريوهات الجديدة. لن ترى تباطؤًا في وتيرة نمو ARR.

ماكس: فكّر كم عدد الأشخاص الذين لم يشتركوا في هذا البودكاست أو لم يتابعوا SemiAnalysis. ذهبت الأسبوع الماضي إلى ICML، والاسبوع الذي سبقه إلى مؤتمر AI Engineer، وهو مؤتمر يُعدّ رسميًا في مجال الذكاء الاصطناعي، وأكثر من 80% من الحضور لم يسمعوا قط بـ SemiAnalysis. أنت تدّعي أنك تعمل في مجال الذكاء الاصطناعي، لكنك لم تقرأ حتى SemiAnalysis؟ نحن ما زلنا في مراحل مبكرة جدًا.

الأردن: هذا يُعد تذكيرًا لك بوضع نفسك في نصابه، ماكس، هدّئ من روعك.