Nemotron 3.5 Bolt 74B مقابل Kimi K3: ملف بحجم 24GB في مواجهة نموذج رائد بـ2.8 تريليون معامل

النموذجان في هذه المقارنة لا يتنافسان على الفئة نفسها، والأرقام توضح ذلك بوضوح قبل أن ينطق أي من المورّدين بكلمة. NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB هو نموذج للرؤية واللغة يضم 74 مليار معامل، ضغطته NVIDIA إلى نقطة تفتيش بدقة 2 بت صغيرة بما يكفي لتستقر في 24 غيغابايت من الذاكرة إلى جانب نظام التشغيل. Kimi K3 هو النموذج الرائد لدى Moonshot AI البالغ 2.8 تريليون معامل، وهو نموذج مفتوح الأوزان لا يقلّ أصغر نشر قابل للتشغيل فيه عن رفّ كامل. الأول ملف يمكنك نسخه إلى حاسوب محمول بدأت NVIDIA شحنه في 15 أكتوبر 2026. والثاني عبء عمل تستأجره حسب الرمز. قراءة درجاتهما جنبًا إلى جنب مفيدة تحديدًا لأن الفجوة واسعة جدًا إلى حد لا يمكن لأحد أن يتظاهر بأن الأصغر بديل.

ما يستحق فعلاً القيام به في هذه الصفحة هو معرفة إلى أين تذهب نقاط Intelligence Index الـ22، وما إذا كانت أي منها تقع على المهام التي يؤديها وكيل محلي فعليًا.

ما الذي تم إصداره، ومتى؟

ظهر مستودع Bolt على Hugging Face في 7 أكتوبر 2026؛ أما منشور الإطلاق الخاص بـ NVIDIA الذي يذكره بالاسم، "مفتوح من مركز البيانات إلى سطح المكتب: NVIDIA توسّع عائلة Nemotron بأعلى كفاءة مع نماذج Super VL وBolt"، فمؤرّخ في 15 أكتوبر. وتحمل بطاقة النموذج نفسها تاريخ إصدار هو 10/15/2026. هذا الترتيب — الأوزان أولاً، ثم الإعلان بعد ثمانية أيام — يهمّ أي شخص يقرأ تغطية هذا النموذج، لأن أسبوعاً من السجل العام يتكوّن من نقطة تفتيش قابلة للتنزيل وبطاقة نموذج لا يرتبط بها أي بيان صحفي.

وبخلاف ذلك، يفصل بين النموذجين كل شيء. كُشف النقاب عن Kimi K3 في 16 يوليو 2026، وتلا ذلك صدور الأوزان في 27 يوليو، ما يجعله أقدم بنحو ثلاثة أشهر وأفضل توثيقًا بكثير من قبل أطراف ثالثة.

• البنية المعمارية — يُعدّ N​VIDIA N​emotron 3.5 Bolt 74B-A9B 24GB نموذج LatentMoE هجينًا يمزج بين Mamba-2 وTransformer، مع مُرمِّز رؤية C-RADIO v4-H. أما Kimi K3 فهو نموذج خليط خبراء متفرق (sparse mixture-of-experts) يبلغ 2.8 تريليون معامل، ويُفعِّل 104 مليارات معامل لكل توكن عبر 16 من أصل 896 خبيرًا، وقد بُني على K​imi Delta Attention الخاصة بـ M​oonshot.

• المعاملات — 74B إجمالاً، و9B نشطة لنموذج NVIDIA؛ و2.8T إجمالاً، و104B نشطة لـ Kimi K3. يفعّل النموذج الأصغر أقل من عُشر الحوسبة لكل رمز للنموذج الأكبر.

• بصمة الذاكرة — 24 جيجابايت عند تكميم 2 بت (IQ2-XXS عند 2.0625 بت لكل عنصر لأوزان الخبراء، وNVFP4 لطبقات Mamba، وQ8_0 للتضمينات والمخرجات) مقابل أيّ تكلفة ينطوي عليها نشر بنموذج بمعاملات 2.8 تريليون، وهو رقم لا يمكن لهذه الصفحة ذكره بالجيجابايت.

• السياق — 262,144 رمزًا لطراز NVIDIA؛ و1,048,576 لـ Kimi K3، مع تسعير ثابت بصرف النظر عن الطول.

• المدخلات — إدخال النصوص والصور والفيديو، وإخراج النص لكليهما.

• الترخيص — OpenMDW-1.1 لنقطة تفتيش N​VIDIA؛ ورخصة Kimi K3 لأوزان M​oonshot، متساهلة في معظم الاستخدامات، مع اشتراط اتفاق منفصل عند تجاوز الإيرادات السنوية 20 مليون دولار.

الأعداد المستقلة، والعدد الذي لا وجود له

أجرت Artificial Analysis كلا النموذجين، وهذا ما يجعل هذه المقارنة قابلة للإجابة أصلاً. لم يتم قياس كل شيء على اللوحة لكلا النموذجين، والفجوات لا تقل إفادة عن الدرجات.

• مؤشر الذكاء — يسجّل N​VIDIA N​emotron 3.5 Bolt 74B-A9B 24GB نتيجة 21.4، ليحلّ رابعًا بين 67 نموذجًا في فئته الحجمية ضمن مجموعة المقارنة الخاصة باللوحة نفسها. ويسجّل Kimi K3 نتيجة 43.6 في أقصى وضع للاستدلال لديه و30.1 في وضعه المنخفض. وكلا الرقمين مقيسان بشكل مستقل، وليسا مبلَّغًا عنهما من الجهة المورّدة.

• التكلفة لكل مهمة في Intelligence Index — لا يوجد رقم لطراز N​VIDIA لأنه لا يتوفر له سعر محدد بالقياس: فلا تُدرج Artificial Analysis أي تعرفة إدخال أو إخراج له على الإطلاق. تكلّف Kimi K3 إنفاقًا من API قدره 2.00 دولار لكل مهمة في المؤشر، عند 3.00 دولارات لكل مليون توكن إدخال و15.00 دولارًا لكل مليون توكن إخراج، مقابل 0.30 دولار للإدخال المخزّن مؤقتًا.

• سرعة الإخراج — يولّد Kimi K3 ‏43.8 رمزًا في الثانية مع 3.6 ثانية حتى أول رمز على منصة اختبار اللجنة. لا يوجد رقم إنتاجية مستقل لنموذج NVIDIA؛ إذ تنشر صفحة أبحاث NVIDIA الخاصة 83.99 رمزًا في الثانية على AIPerf SPEED-Bench-Coding مع تمكين نموذج المسودة LiLiCorr، وهو قياس من المورّد على معيار مختلف وجهاز مختلف.

Terminal-Bench 2.1 — 85.0 لـ Kimi K3، نُفِّذ بشكل مستقل، مقابل ادعاء M​oonshot نفسها البالغ 88.3. وتُبلِّغ N​VIDIA عن 50.98 لطراز Bolt في بطاقة الطراز الخاصة بها، لذا فإن الرقمين ليسا على قدم المساواة: أحد الرقمين أُعيد إنتاجه خارج المختبر، والآخر لم يُعَد إنتاجه.

• GPQA Diamond — 93.5 لـ Kimi K3 بشكل مستقل؛ 86.43 لنموذج NVIDIA كما نشرته NVIDIA، دون وجود رقم مستقل في اللوحة.

• استرجاع السياق الطويل (AA-LCR) — 88.7 لـ Kimi K3 مقابل 69.7 لطراز NVIDIA، وكلاهما مُقاس.

• البرمجة العلمية (SciCode) — 59.5 لـ Kimi K3 مقابل 39.7 لطراز N​VIDIA، وكلاهما مُقاس.

• دقة المعرفة والهلوسة — في AA-Omniscience، يسجل Kimi K3 دقة 47.6 بالمئة مع 46.8 بالمئة في عدم الهلوسة؛ ويسجل نموذج NVIDIA دقة 17.1 بالمئة مع 56.3 بالمئة في عدم الهلوسة. هذا الاقتران هو الصف الأكثر إثارة للاهتمام في لوحة النتائج وأقلها مجاملة لقراءة بسيطة للمؤشر: فالنموذج المضغوط يعرف أقل ويعترف بذلك أكثر.

القياس المفقود هو أكثر ما يرغب فيه المشتري. لم ينشر أحد خارج N​VIDIA أي اختبار للإنتاجية أو زمن الاستجابة على نقطة تحقق بحجم 24 جيجابايت، وهو الهدف برمته من طرح نقطة تحقق بحجم 24 جيجابايت.

إلى أين تذهب النقاط الـ22 فعليًا

فجوة مؤشر من 22 نقطة تبدو وكأنها فرق فئوي، وفي بعض المهام هي كذلك. يتفوق Kimi K3 في البرمجة العلمية بعشرين نقطة، وفي الاسترجاع طويل السياق بتسع عشرة نقطة، وفي أسئلة العلوم بمستوى الدراسات العليا بأكثر من سبع نقاط. هذه ليست أخطاء تقريب، وليست آثارًا ناتجة عن مجموعة المقارنة.

لكن قصة الضغط الكامنة وراء نموذج NVIDIA محددة بما يكفي لتفسير شكل العجز. أُنتجت نقطة التحقق بواسطة Star Elastic، وهو البحث المعماري الموجَّه بالراوتر من NVIDIA، الذي أخذ النموذج الأب 120B-A12B Super VL وبحث عن عدد الخبراء وعرض MoE لكل طبقة بما يلائم أقل من 24GB عند حجم دفعة واحد وسياق 128K، فخفّض top-K للخبراء من 22 إلى 9 ثم كمّم الخبراء إلى 2.0625 بت لكل عنصر مع تقطير واعٍ بالتكميم لاستعادة الدقة. هذه مقايضة متعمدة بين المعرفة المخزنة والبصمة. النموذج الذي ضُغط ليصبح 2 بت لكل وزن خبير يحتفظ بإجراءاته ويفقد حقائقه، ولهذا يتحسن صف الهلوسة بينما ينهار صف الدقة.

جدول المعايير الخاص بـ NVIDIA نفسه يقدّم الحجة ذاتها في الاتجاه المعاكس. تنشر الشركة نموذج Bolt متفوّقًا على Qwen3.6-35B-A3B وGemma4 26B-A4B وNemotron 3.5 Lightning 30B-A3B الخاص بها على Terminal-Bench 2.1 وGPQA Diamond وBrowseComp وWebArena vision — أي في المهام الوكيلية ومهام استخدام الأدوات — بينما يخسر أمام Gemma4 في دقة AA-Omniscience وأمام Qwen3.6 في PinchBench. التنفيذ الوكيلي هو ما حافظت عليه عملية الضغط.

كلاهما بأوزان مفتوحة، ما يجعل الاختيار متعلقًا بالكهرباء

هذا هو الجزء الذي يفصل هذه المواجهة عن مقارنةٍ مع واجهة برمجية مغلقة. أوزان Kimi K3 قابلة للتنزيل. إذا توفرت لديك العتاد المناسب، يمكنك تشغيل النموذج بحجم 2.8T بنفسك دون دفع أي شيء مقابل الرمز — وهو المنطق نفسه الذي يقوم عليه ملف بحجم 24GB، لكن على نطاق مختلف تمامًا. لا يقف أيٌّ من النموذجين هنا خلف بائعٍ قد يغيّر رأيه بشأن الوصول.

الانقسام العملي هو جغرافية النشر. تعمل نقطة تفتيش IQ2 بحجم 24 غيغابايت تحت vLLM على شريحة A100 أو H100 أو Blackwell واحدة، كما تذكر وصفة NVIDIA المرجعية نفسها llama.cpp وتحويل GGUF أيضاً، وهكذا ينتهي بها الأمر داخل بيئات تشغيل الوكلاء المحلية على أجهزة RTX وDGX Spark. أمر الخدمة الموصى به ليس تبديلاً بسطر واحد: فهو يثبّت بناءً ليلياً من vLLM، ويتطلب ملحق محلل استدلال تم تنزيله، ويحتاج إلى نوى b12x للواجهات الخلفية الخطية وMoE، ويضبط واجهات خلفية صريحة لـ Mamba والانتباه، ويفعّل فك الترميز التخميني بسبع رموز مسودة LiLiCorr. هذه وصفة لمن ينوي امتلاك الجهاز، لا لمن يريد مجرد نص مكتوب.

Kimi K3 يسير في الاتجاه المعاكس. يفترض تصميمه بأكمله أنك تستأجر الاستدلال، وسعره محدد وفقًا لذلك — 3.00 دولارات للإدخال و15.00 دولارًا للإخراج لكل مليون توكن هو تمركز متعمد في قمة سوق الأوزان المفتوحة.

تشغيل المقارنة بدلاً من قراءتها

إذا كنت تريد معرفة ما إذا كانت فجوة المؤشر البالغة 22 نقطة تهم عبء العمل لديك، فإن التجربة الرخيصة هي استدعاء النصف المكلف. Kimi K3 موجود في كتالوج OrcaRouter باسم kimi/kimi-k3، على نفس المفتاح المستخدم لبقية النماذج التي نوجّهها والبالغ عددها أكثر من 200، ويُحتسب بسعر قائمة مزوّد M​oonshot دون إضافة أي هامش ربح — لذا يكون أي تغيير في سعر M​oonshot مباشرًا لدينا في اليوم نفسه بدلًا من دورة الفوترة التالية. وجّه إليه مجموعة مطالبات تشبه حركة المرور الحقيقية لديك وقس الفرق مقابل أي شيء تشغّله محليًا. لا تستضيف OrcaRouter أي نموذج من N​VIDIA وليس لديها نقطة نهاية Bolt لتقديمها؛ وعائلة N​emotron ليست في كتالوجنا، ويبقى الشق المحلي من هذه المقارنة مسألة عتاد على أي حال.

حيث يستحق التوجيه مكانه هنا هو مسار الاحتياط. إن Kimi K3 التزام بنموذج واحد عند نقطة سعرية مرتفعة، ونمط الفشل لدى وكيل إنتاجي موصول بنموذج واحد عالي القدرة هو أن مشكلة في السعة عند المصدر تتحوّل إلى حادث. إن التحويل التلقائي عند الفشل بين مزوّدين مختلفين خلف نقطة نهاية واحدة يحوّل ذلك إلى إعادة محاولة.

كيف تقرر

القاعدة أقصر مما توحي به الفجوة.

إذا كان متطلبك يتضمن الكلمات دون اتصال، أو خاص، أو على الجهاز، أو دون تكلفة لكل توكن، فإن Kimi K3 ليس مرشحًا وقد انتهت المقارنة — نموذج بـ2.8 تريليون معامل لن يعمل على الجهاز الذي تقرأ هذا عليه، بينما ستعمل نقطة التحقق بحجم 24GB. اشترِ الحاسوب المحمول، واقبل 21.4 على المؤشر، ووجّهه نحو استخدام الأدوات بدلًا من الأسئلة عن الكيمياء الحيوية.

إذا كان ما تحتاجه هو الدقة في الاستدلال الصعب، أو العمل على سياق طويل يمتد عبر مئات الآلاف من الرموز، أو البرمجة على نطاق المستودعات، فإن نموذج 24GB هو الأداة الخاطئة، وفجوة المؤشر تخبرك بالحقيقة. ادفع مقابل Kimi K3.

ما لم يحسمه أيٌّ من المورّدين هو الحالة الوسطى، لأنها تعتمد على رقم لم ينشره أحد: مدى سرعة تشغيل نقطة التحقق 2-bit فعليًا على عتاد يمكنك شراؤه. وإلى أن يتوفر اختبار إنتاجية مستقل، فإن الإجابة الصادقة عن سؤال «هل يمكن لملف بحجم 24GB أن يحل محل نموذج رائد بسعة 2.8T في حلقة الوكيل الخاصة بي؟» هي أن فجوة الذكاء قابلة للقياس، أما حالة زمن الاستجابة فليست كذلك بعد.

بالنسبة لنموذج لا تزال أنماط فشله غير موثقة، فإن النظير المفيد هو سجل ما حدث بالفعل من أخطاء في مكان آخر: إن حوادث الذكاء الاصطناعي الموثقة وإخفاقات الوكلاء حول النماذج من هذه الفئة مجمّعة في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاعه.