نزدیک‌تر شدن هوش مصنوعی چین به رقبای آمریکایی؛ رتبه چهارم Kimi K3.1 Pro و جایگاه دوم DeepSeek در امنیت سایبری

شرکت‌های چینی فعال در حوزه هوش مصنوعی با سرعت در حال کاهش فاصله عملکردی خود با غول‌های فناوری آمریکا هستند. جدیدترین مدل شرکت Moonshot AI در رتبه‌بندی کلی جهانی به جایگاه چهارم رسیده و تنها سه امتیاز با صدرنشینان فاصله دارد. در همین حال، شرکت DeepSeek در ارزیابی تخصصی امنیت سایبری، بهترین نتیجه را در میان مدل‌هایی ثبت کرده است که به‌صورت عمومی عرضه شده‌اند.

بر اساس تازه‌ترین نتایج منتشرشده در روز ۲۶ اکتبر از سوی شرکت Artificial Analysis (AA)، فعال در زمینه تحلیل و ارزیابی مدل‌های هوش مصنوعی در سطح جهان، مدل Kimi K3.1 Pro متعلق به Moonshot AI در شاخص هوش (Intelligence Index یا II)، معیار سنجش عملکرد کلی مدل‌ها، ۵۵ امتیاز کسب کرده و در رتبه چهارم جهان قرار گرفته است. مدل Claude Opus 5.5 از شرکت Anthropic با ۵۸ امتیاز در جایگاه نخست ایستاده است؛ بنابراین، فاصله آن با Kimi K3.1 Pro فقط سه امتیاز است. مدل Claude Sonnet 5.5 از Anthropic و مدل Muse Wonder Pool از شرکت Meta نیز هر دو با ۵۶ امتیاز به‌طور مشترک رتبه دوم را در اختیار دارند و تنها یک امتیاز از Kimi K3.1 Pro جلوتر هستند.

مدل‌های GPT-6 Astra از OpenAI و Gemini 4 Agon از Google که در دسته هوش مصنوعی عمومی (AGI) طبقه‌بندی شده‌اند، هر کدام ۵۳ امتیاز گرفته‌اند؛ امتیازی کمتر از Kimi K3.1 Pro. در مقایسه با نسل قبلی این مدل، یعنی Kimi K3 که ۴۴ امتیاز کسب کرده بود، نسخه جدید در یک نسل ۱۱ امتیاز پیشرفت داشته است.

عملکرد این مدل در ارزیابی‌های مربوط به اجرای وظایف نیز قابل‌توجه است. Kimi K3.1 Pro در آزمون GDPval-AA که توانایی عامل‌های هوش مصنوعی در انجام وظایف واقعی کاری را می‌سنجد، با ۱٬۸۴۶ امتیاز رتبه سوم را کسب کرد. این مدل در آزمون TerminalBench 4.0، برای ارزیابی عملکرد عامل‌های هوش مصنوعی در محیط‌های ترمینال، با امتیاز ۶۷ درصد در جایگاه نخست کلی قرار گرفت. همچنین در آزمون AutomationBench-AA که توانایی خودکارسازی گردش کار در شرکت‌ها را ارزیابی می‌کند، به امتیاز ۷۳ درصد رسید. شرکت Artificial Analysis پیش‌بینی کرده است که در صورت انتشار وزن‌های این مدل، Kimi K3.1 Pro از نظر عملکرد در میان مدل‌های دارای وزن‌های آزاد بهترین گزینه خواهد بود.

DeepSeek نیز در حوزه‌های تخصصی توانایی خود را نشان داده است. مدل V4.1 Flash 1017 در ارزیابی Cyber Index با نرخ موفقیت ۵۷ درصدی در انجام وظایف، رتبه دوم کلی را کسب کرد. رتبه نخست با نرخ موفقیت ۶۹ درصد به مدل GPT-6 Sol Daybreak Blue از OpenAI رسید. با این حال، OpenAI این مدل را فقط در اختیار نهادهای دولتی و شرکت‌هایی قرار می‌دهد که دسترسی به آن را دریافت کرده‌اند؛ در نتیجه، DeepSeek در میان مدل‌های تخصصی که به‌طور عمومی در دسترس هستند، جایگاه نخست را دارد.

برتری مدل DeepSeek از نظر هزینه نیز چشمگیرتر است. میانگین هزینه اجرای هر وظیفه در ارزیابی امنیت سایبری برای این مدل ۰٫۴۲ دلار، معادل حدود ۵۶۰ وون کره جنوبی، است؛ رقمی که تقریباً ۲۳٫۳۳ درصد هزینه حدود ۱٫۸ دلاری، معادل نزدیک به ۲٬۴۰۰ وون، برای مدل GPT-6 Sol از OpenAI محسوب می‌شود. مدل DeepSeek در آزمون CyberGym-E2E-AA نیز که توانایی شناسایی و رفع آسیب‌پذیری‌ها را در محیط‌های واقعی نرم‌افزاری می‌سنجد، نرخ موفقیت ۷۶ درصدی به ثبت رساند.

توضیح: اطلاعات بر اساس نتایج منتشرشده از سوی Artificial Analysis (AA) است. ارقام شاخص Cyber Index نشان‌دهنده نرخ موفقیت در انجام وظایف هستند.

نکته قابل‌توجه در پیشرفت مدل‌های چینی این است که برتری آن‌ها دیگر به هوش مصنوعی مولد با کاربرد عمومی محدود نمی‌شود و حوزه‌های تخصصی مانند امنیت سایبری و عامل‌های هوش مصنوعی را نیز در بر می‌گیرد. با افزایش فعالیت‌ها در زمینه شناسایی آسیب‌پذیری‌های نرم‌افزاری با استفاده از هوش مصنوعی، از جمله شناسایی اخیر آسیب‌پذیری‌هایی در PHP، برخی ناظران انتظار دارند دامنه کاربرد مدل‌های DeepSeek که از مزیت قیمتی برخوردارند، گسترش یابد.

با این حال، عوامل مقرراتی همچنان نقش مهمی دارند. دولت آمریکا و دولت چین هر دو برای ممنوعیت صادرات مدل‌های پیشرفته هوش مصنوعی تلاش می‌کنند؛ روندی که انگیزه کشورها را برای دستیابی به مدل‌های پیشرو مبتنی بر فناوری بومی خود افزایش می‌دهد. یکی از مسئولان صنعت در این‌باره گفت: «این نتیجه تلاش شرکت‌های چینی فعال در حوزه هوش مصنوعی برای دستیابی هم‌زمان به عملکرد برتر و بهره‌وری هزینه‌ای است.» او افزود: «کشورها اکنون در موقعیتی قرار دارند که باید رقابت‌پذیری خود را در زمینه مدل‌های پیشرو هوش مصنوعی، بر پایه فناوری خودشان، تضمین کنند.»

با تغییر سریع رتبه‌بندی‌های عملکردی، این احتمال در بازار مطرح شده است که معیارهای انتخاب مدل‌ها بیش از پیش به قیمت و عملکرد در حوزه‌های تخصصی وابسته شوند. در شرایطی که فاصله امتیاز مدل‌های برتر در ارزیابی کلی فقط یک تا سه امتیاز است، برتری در زمینه‌هایی که مزایای استفاده از آن‌ها به‌سرعت قابل‌اندازه‌گیری است، مانند خودکارسازی گردش کار واقعی و امنیت سایبری، احتمالاً نقشی کلیدی در جذب مشتریان سازمانی خواهد داشت.