بزرگترین معیار در هوش مصنوعی که به تازگی به روز شده است، ضربه بزرگی به یک رقیب چینی وارد می کند

هفته گذشته، Kimi K3.1 Pro، یک LLM از شرکت Moonshot AI مستقر در پکن، با حجم شگفت‌انگیز سر و صدای زیادی روبه‌رو شد، به‌ویژه اگر به معیارها اهمیت می‌دهید، معیارهایی که قرار است اندازه‌گیری‌های استاندارد شده برای قابلیت‌های مدل‌ها باشند. این رتبه در جایگاه بسیار قابل احترام - در واقع تا حدی تکان دهنده - در رتبه چهارم در معیار تحلیل مصنوعی خیمه ای به نام Intelligence Index v4 قرار گرفت. همچنین در ترمینال بنچ 4.0 تحلیل مصنوعی که بر روی استفاده از رایانه متمرکز است، رتبه اول را به خود اختصاص داد.

موفقیت Kimi K3.1 Pro یک زلزله جزئی در دنیای هوش مصنوعی بود. Decoder اشاره کرد که اگر وزن مدل های خود را در اولین نمایش خود به صورت عمومی منتشر می کرد، با اختلاف زیادی بالاترین امتیاز مدل وزن باز را به خود اختصاص می داد - البته به بالاترین امتیاز مدل چینی اشاره نکنیم. Decoder نوشت: «این شکاف بین مدل های باز و اختصاصی را از 12 به تنها 3 نقطه کاهش می دهد.

اما این هرگز از نظر فنی اتفاق نیفتاد و سپس روز سه‌شنبه، Artificial Analysis نسخه جدیدی از ایندکس هوش خود را به نام Intelligence Index v5 معرفی کرد. Artificial Analysis آن را "بزرگترین ارتقاء ما از زمان عرضه نسخه 4 در ژانویه" نامید. بر اساس تجزیه و تحلیل مصنوعی، 60 درصد از آزمون جدید ظاهرا شامل سؤالات آزمون خصوصی یا "پاسخ های نگه داشته شده" است. هر دوی این مفاهیم به تجزیه و تحلیل مصنوعی اشاره می‌کنند که به دنبال محدود کردن «benchmaxxing» است، یعنی تمرین آماده‌سازی مدل‌ها برای ارزیابی با دادن سؤالات قدیمی موجود به صورت آنلاین در مخازنی مانند Github و (مشهور) Hugging Face.

این اثر برای رتبه بندی Kimi K3.1 Pro ویرانگر بوده است. از جایگاه چهارم خود به رتبه نهم سقوط کرد. خود آنالیز مصنوعی در اعلام ایندکس جدید اشاره کرد که "شکاف وزن باز از 3 امتیاز به 12 افزایش می یابد." باز هم، مون شات هنوز وزن مدل را منتشر نکرده است و تا 4 نوامبر منتشر نخواهد شد. اما از نظر روحی، این بازگشت به حالت عادی برای مدل های جهان اوزان آزاد بود.

Gemini 4 Carbon گوگل شماره 1 جدید در شاخص هوش آنالیز مصنوعی نسخه 5 است و پس از Claude Opus 5.5 در فهرست عامل کدنویسی تحلیل مصنوعی در رتبه دوم قرار دارد.

Gemini 4 Carbon در Intelligence Index v5 با عملکرد پیشرو در استدلال پیچیده، امتیاز 59 را کسب کرده است،… pic.twitter.com/gSH65FSKzL

— تجزیه و تحلیل مصنوعی (@ArtificialAnlys) 28 اکتبر 2026

لحظه کوتاه Kimi K3.1 Pro در آفتاب هیچ یک از وحشت آخرالزمانی انتشار DeepSeek در ژانویه سال گذشته را ایجاد نکرد. با این حال، برای منتقدان رویکرد وزن باز چینی، دست انداز شگفت انگیزی بود. به‌نظر می‌رسد که Anthropic به‌طور خاص از خطری بودن وزن‌های باز برای عموم نگران است و در گزارشی درباره یکی از این مدل‌ها نوشت که از آنجایی که «به‌عنوان یک مدل وزن باز منتشر شد، کاربران می‌توانند با تغییر کمی در قابلیت‌های آن، آن را برای حذف امتناع‌هایش مجددا پیکربندی کنند».

آنتروپیک همچنین اغلب روش استخراجی تقطیر مدل را محکوم می کند، که مدل های وزن باز اغلب برای افزایش قابلیت های خود به آن تکیه می کنند. جنسن هوانگ، مدیرعامل انویدیا، از این موضوع عقب نشینی کرده و گفته است تقطیر صرفا رقابت است.

یک روز پس از انتشار Intelligence Index v5، یک قهرمان جدید با ایندکس جدید وجود داشت. Gemini 4 Carbon گوگل که مورد ارزیابی قرار گرفت، اما منتشر نشد، قبلا در روز چهارشنبه در رتبه اول قرار داشت و گوگل به شدت این واقعیت را در پست وبلاگ خود در مورد این مدل نشان داد. در جمله دوم اعلامیه آمده است: «کربن در رتبه اول در نسخه ۵.۰ به‌روزرسانی شده اخیر شاخص هوش تحلیل مصنوعی در رتبه ۵۹ قرار دارد».

ممکن است توضیحات دیگری برای کاهش عملکرد مدل های مون شات و همچنین سایر مدل های چینی وجود داشته باشد. فیزیکدان استفان هسو در X نوشت که معتقد است مدل های ایالات متحده در عملکرد ریاضی و علوم از آنها برتری دارند. او نوشت: «اخیرا با بسیاری از آزمایشگاه‌های چینی صحبت کرده‌ام و آنها اصلا این حوزه را در اولویت قرار نداده‌اند.

تجزیه و تحلیل مصنوعی، به نوبه خود، یک نهاد استاندارد یا یک موسسه دانشگاهی نیست. به نظر می رسد که این یک شرکت خصوصی است که در سال 2023 تأسیس شده است و آن را برای چنین شرکت جوانی بسیار تأثیرگذار کرده است.