هوش مصنوعی چینی؛ مقایسه Qwen، Kimi، DeepSeek و مدلهای جدید
مدلهای چینی را بر اساس نام سازنده، زمان معرفی، وضعیت وزنهای باز و کاربرد مقایسه می‌کنیم؛ سپس با چند آزمون عملی، گزینه مناسب فارسی، کدنویسی و اسناد طولانی را پیدا می‌کنیم. هر پنج مدل در 1ai فعال‌اند.
هوش مصنوعی چینی نام یک ابزار واحد نیست؛ در موج مدلهای سال ۲۰۲۶، خانواده‌هایی مثل Qwen، Kimi، DeepSeek، GLM و MiniMax گزینه‌های متفاوتی برای نوشتن، برنامه‌نویسی و کار با اسناد ارائه کرده‌اند. مدلهای این راهنما از آوریل تا اوت ۲۰۲۶ معرفی شده‌اند؛ برای انتخاب میان آن‌ها باید نسخه دقیق، وضعیت وزنهای باز و نتیجه آزمون روی کار خودتان را ببینید، نه فقط نام کشور سازنده را. هر پنج مدل بررسی‌شده در وان ای آی (1ai) فعال‌اند و می‌توانید آن‌ها را در یک محیط فارسی امتحان کنید.
این راهنما بر اساس بررسی منابع رسمی تا ۳۱ اکتبر ۲۰۲۶، برابر با ۹ آبان ۱۴۰۵ نوشته شده است. تاریخ معرفی با زمان انتشار فایل وزن‌ها یا عرضه در یک سرویس واسط یکسان نیست؛ همچنین ظرفیت اعلامشده سازنده، تضمین سقف قابل‌استفاده در هر محیط گفتوگو نیست.
مدلهای جدید هوش مصنوعی چینی کدام‌اند؟
اگر عبارت «مدل جدید هوش مصنوعی چینی» را جست‌وجو کرده‌اید، احتمالاً دنبال جایگزینی برای نوشتن فارسی، حل مسئله یا کمک در پروژه هستید. جدول زیر پنج گزینه مشخص را کنار هم می‌گذارد. تاریخ‌ها مربوط به معرفی رسمی‌اند؛ ستون کاربرد، برداشت عملی از تمرکز اعلامشده سازنده است و رتبه‌بندی مستقل محسوب نمیشود.
| مدل و سازنده | معرفی در ۲۰۲۶ | وضعیت وزن‌ها | تمرکز اعلامشده و کاربرد پیشنهادی برای آزمون |
|---|---|---|---|
| Qwen3.8-Max؛ Alibaba | اوت / مرداد | وزنهای مرتبط با نام جداگانه Qwen3.8-2.4T-A95B منتشر شده‌اند؛ با سرویس Max تفاوت دارند | کدنویسی، کار حرفه‌ای و پژوهش؛ گزینه شروع برای مقایسه متن و کارهای عمومی |
| Kimi K3؛ Moonshot AI | ژوئیه / تیر | وزنهای باز؛ مرکز راهنمای سازنده انتشار کامل وزن‌ها را در ژوئیه ثبت کرده است | کدنویسی طولانی و کار دانشی؛ گزینه آزمون روی چند سند مرتبط |
| DeepSeek V4 Pro؛ DeepSeek | آوریل / اردیبهشت؛ معرفی اولیه با عنوان Preview | وزنهای باز؛ اطلاعیه معرفی به مخزن وزن‌ها پیوند می‌دهد | استدلال و کدنویسی عامل‌محور؛ گزینه آزمون برای حل مسئله و اشکال‌زدایی |
| GLM 5.3؛ Z.ai | اوت / مرداد | وزنهای قابل‌دانلود در مخزن رسمی | کدنویسی پیچیده و کارهای چندمرحله‌ای؛ گزینه مقایسه روی اصلاح خطا |
| MiniMax M3؛ MiniMax | ژوئن / خرداد | وزنهای قابل‌دانلود در مخزن رسمی | کدنویسی، همکاری چندمرحله‌ای و زمینه بلند؛ گزینه آزمون روی پروژه و گزارش |
مبنای تاریخ و تمرکز این ردیف‌ها، اطلاعیه‌های رسمی Alibaba برای Qwen3.8-Max، مرکز راهنمای Kimi، معرفی DeepSeek V4، معرفی GLM 5.3 و معرفی MiniMax M3 است. ادعای برتری در اطلاعیه یک سازنده، به‌تنهایی برتری آن مدل در کار شما را ثابت نمی‌کند.
در این نسل نسبت به نسخه‌های قبلی چه تغییر کرده است؟
تغییرها را باید در همان خانواده بررسی کرد. مثلاً بهترشدن یک مدل در اجرای کار طولانی، الزاماً به معنی بهترشدن نثر فارسی یا کوتاه‌ترشدن زمان پاسخ نیست. این جدول خلاصه جهت تغییرهاست؛ عددهای بنچمارک با شرایط متفاوت را به یک جدول رتبه‌بندی تبدیل نکرده‌ایم.
| خانواده | مبنای مقایسه در منبع رسمی | تغییر برجسته اعلامشده |
|---|---|---|
| Qwen 3.8 | جدول مقایسه با Qwen3.7-Max در کارت مدل | بهبود کدنویسی و کار حرفه‌ای؛ انتشار وزن در مقیاس Max |
| Kimi K3 | مقایسه با Kimi K2 در معرفی فنی | تغییر معماری توجه و افزایش کارایی مقیاس‌پذیری؛ تمرکز بر کارهای طولانی |
| DeepSeek V4 | معرفی نسل V4 و دو شاخه Pro و Flash | تمرکز بر زمینه یکمیلیونتوکنی و بهینه‌سازی قابلیت‌های عامل؛ بدون نسبت‌دادن درصد پیشرفت به نسل قبل |
| GLM 5.3 | مقایسه مستقیم با GLM 5.2 | حفظ مدل پایه و بهبود از راه آموزش پس از پیش‌آموزش |
| MiniMax M3 | مقایسه با M2 در اطلاعیه معرفی | معماری توجه تنک MSA و بهبود در کدنویسی و همکاری طولانی |
جزئیات Qwen در کارت رسمی وزنهای Qwen3.8 و جزئیات معماری و مقایسه Kimi در معرفی فنی Kimi K3 آمده است؛ سه ردیف دیگر بر همان اطلاعیه‌های رسمی جدول نخست تکیه دارند. این تغییرها دلیل خوبی برای امتحان‌کردن نسخه جدیدند، اما جای آزمون با داده واقعی را نمی‌گیرند.
Qwen 3.8 برای شروع چه جایگاهی دارد؟
اگر کار شما ترکیبی از بازنویسی، توضیح مفاهیم و کمک در کد است، Qwen3.8-Max را به‌عنوان نقطه شروع آزمایش در نظر بگیرید. این پیشنهاد به معنای اثبات برتری آن در فارسی نیست؛ مزیت روش این است که ابتدا یک خروجی پایه می‌سازید و سپس همان درخواست را به مدل دوم می‌دهید.
در نام‌گذاری دقت کنید: کارت رسمی Qwen می‌گوید نسخه سرویس‌شده Max بر وزنهای Qwen3.8-2.4T-A95B بنا شده و قابلیت‌های بیشتری دارد. بنابراین «وزن باز در این خانواده وجود دارد» با «تمام ویژگی‌های سرویس Max در فایل قابل‌دانلود موجود است» یک گزاره نیست. هنگام انتخاب برای اجرای شخصی، نام کامل مخزن و شرایط مجوز را بخوانید.
Kimi K3، GLM 5.3 و MiniMax M3 را برای چه امتحان کنیم؟
برای پرونده‌ای با چند متن مرتبط، Kimi K3 را وارد مقایسه کنید. برای یک اشکال نرم‌افزاری دشوار، از GLM 5.3 بخواهید ابتدا علت را توضیح دهد و بعد راه‌حل بدهد. برای کاری که در چند رفت‌وبرگشت تکمیل میشود، مانند تحلیل گزارش و اصلاح نتیجه، MiniMax M3 را هم آزمایش کنید.
این‌ها سناریوهای پیشنهادی‌اند، نه نتیجه تست انجام‌شده در این مقاله. انتشار وزنهای دو مدل آخر در مخزن‌های رسمی GLM 5.3 و MiniMax M3 قابل‌بررسی است. برای استفاده روزمره در 1ai نیازی به دانلود وزن یا راه‌اندازی سرور ندارید.
DeepSeek V4 همان نسخه قدیمی DeepSeek است؟
نام خانواده را از نسخه جدا کنید. اطلاعیه آوریل DeepSeek دو مدل Pro و Flash را معرفی می‌کند؛ پس توصیه‌ای که فقط می‌گوید «DeepSeek را امتحان کن» برای یک مقایسه دقیق کافی نیست. در این راهنما منظور DeepSeek V4 Pro است و پیشنهاد می‌کنیم آن را با یک مسئله دارای پاسخ قابل‌بررسی بسنجید.
برای آشنایی با شیوه استفاده، صفحه دسترسی به DeepSeek را ببینید. اگر هنوز تفاوت مدل و محیط گفتوگو روشن نیست، مقاله DeepSeek چیست؟ کمک می‌کند واژه‌ها را دقیق‌تر از هم جدا کنید.
وزنهای باز یعنی هوش مصنوعی رایگان و متن‌باز؟
وزن‌ها فایل‌های عددی حاصل از آموزش مدل‌اند. وقتی منتشر می‌شوند، امکان اجرای مدل خارج از سرویس سازنده فراهم میشود؛ اما استفاده تابع مجوز و نیازمند منابع محاسباتی است. انتشار وزن، لزوماً انتشار کامل داده آموزشی، کد آموزش یا اجازه تجاری بدون شرط نیست.
برای نمونه، در کارت‌های رسمی بررسی‌شده، مجوزهای اختصاصی Qwen3.8-Max، GLM 5.3 و MiniMax Community دیده میشود. از واژه «باز» نباید نتیجه گرفت همه نسخه‌ها مجوز یکسان دارند یا اجرای آن‌ها روی هر لپ‌تاپی عملی است. برای مصرف تجاری، متن مجوز همان نسخه‌ای را بررسی کنید که واقعاً قرار است اجرا شود.
این موضوع را از هزینه گفتوگو جدا کنید. 1ai هزینه پردازش را با اعتبار یکپارچه حساب می‌کند و هزینه هر پیام پیش از اجرا نمایش داده میشود. هر حساب مقداری اعتبار رایگان روزانه برای مدلهای منتخب چت می‌گیرد؛ این به معنی رایگان‌بودن همه مدلهای این فهرست یا تمام درخواست‌ها نیست.
بهترین هوش مصنوعی چینی برای فارسی کدام است؟
برای فارسی، انتخاب پیشنهادی ما شروع آزمون با Qwen3.8-Max و مقایسه همان درخواست با Kimi K3 است؛ اگر کار استدلالی یا فنی دارید، DeepSeek V4 Pro را هم اضافه کنید. این ترتیب یک روش عملی برای محدودکردن انتخاب‌هاست و ادعای رتبه‌بندی کیفیت فارسی ندارد. بدون مجموعه آزمون مشترک، نمی‌توان یک مدل را برنده قطعی معرفی کرد.
سه نمونه از کار واقعی خودتان بردارید: یک پیام کوتاه به مشتری، یک متن آموزشی و یک بازنویسی رسمی. نام مدل را هنگام خواندن خروجی پنهان کنید و ببینید کدام پاسخ کمتر به ویرایش نیاز دارد. نثر روان کافی نیست؛ حفظ عدد، نام، شرط و منظور جمله را هم بررسی کنید.
متن زیر را برای یک مشتری ایرانی بازنویسی کن.
لحن محترمانه و ساده باشد؛ نیم‌فاصله و نشانه‌گذاری فارسی را رعایت کن.
هیچ وعده، قیمت یا اطلاعات تازه‌ای اضافه نکن.
دو نسخه بده: پیام کوتاه و پاسخ رسمی.
متن: سفارش شما دیر می‌رسه چون هنوز بسته به ما نرسیده؛ زمان دقیق نداریم.پاسخ مناسب نباید «فردا تحویل می‌دهیم» بسازد. اگر مدلی بدون داشتن زمان دقیق، وعده تحویل می‌دهد، حتی با نثر زیبا هم برای این کار انتخاب مناسبی نیست. برای آشنایی با امکانات محیط، راهنمای چت هوش مصنوعی فارسی را ببینید.
آزمون دوم را برای حفظ معنا انجام دهید: یک متن دارای استثنا بدهید، مثل «بازگشت کالا تا هفت روز پذیرفته میشود، مگر کالا استفاده شده باشد». از مدل بخواهید آن را کوتاه کند؛ اگر استثنا حذف شد، امتیاز دقت را کم کنید. در ترجمه نیز اصطلاحات تخصصی را از قبل مشخص کنید و ثبات معادل‌ها را بسنجید.
برای کدنویسی کدام مدل را امتحان کنیم؟
برای شروع، DeepSeek V4 Pro و GLM 5.3 را روی یک باگ یکسان مقایسه کنید؛ سپس برای پروژه‌های چندمرحله‌ای Kimi K3، Qwen3.8-Max یا MiniMax M3 را وارد آزمون کنید. دلیل این پیشنهاد، تمرکز اعلامشده سازندگان بر کدنویسی است؛ انتخاب نهایی باید با اجرای کد و آزمون انجام شود، نه تعداد خط‌های پاسخ.
یک درخواست خوب، زبان و نسخه محیط، رفتار موردانتظار و رفتار فعلی را مشخص می‌کند. به‌جای فرستادن کل پروژه، ابتدا کوچک‌ترین نمونه بازتولید خطا را بدهید. اگر مدل کمبود اطلاعات را تشخیص دهد و درباره ورودی یا نسخه کتابخانه سؤال کند، این رفتار را در ارزیابی لحاظ کنید.
نقش تو بازبین کد است. هنوز چیزی را بازنویسی نکن.
محیط: زبان، چارچوب و نسخه‌ها را اینجا می‌نویسم.
رفتار موردانتظار: ...
رفتار فعلی و پیام خطا: ...
کد حداقلی: ...
ابتدا علت محتمل و اطلاعات کم‌شده را بگو.
بعد کوچک‌ترین اصلاح و آزمونی را پیشنهاد کن که قبل از اصلاح شکست بخورد.
اگر امکان اجرای کد نداری، صریح بگو کدام نتیجه بررسی نشده است.سه معیار تعیین‌کننده‌اند: آیا اصلاح واقعاً خطا را برطرف کرد؟ آیا رفتار بخش‌های دیگر حفظ شد؟ آیا وابستگی یا تابعی در پاسخ آمده که وجود ندارد؟ پاسخ را در محیط آزمایشی اجرا کنید و نتیجه را همراه خطای دقیق برگردانید. کدی که فقط قانع‌کننده توضیح داده شده، هنوز تأییدشده نیست.
توانایی مدل را از ابزارهایی که در اختیارش قرار گرفته‌اند جدا کنید. درخواست نوشتن کد در یک چت به معنی دسترسی مدل به فایل‌های پروژه، ترمینال یا مرورگر شما نیست. برای مقایسه منصفانه، ورودی و امکانات هر دو آزمون را یکسان نگه دارید و اجرای واقعی را خودتان ثبت کنید.
برای متن بلند و چند فایل کدام مدل مناسب‌تر است؟
برای اولین آزمون اسناد طولانی، Kimi K3 را کنار MiniMax M3 یا DeepSeek V4 Pro بگذارید. معرفی‌های رسمی این سه مدل از زمینه یکمیلیونتوکنی صحبت می‌کنند؛ Alibaba نیز برای سرویس Qwen3.8-Max ظرفیت تا یک میلیون توکن اعلام کرده است. این عدد درباره مشخصات سازنده است و سقف فایل یا گفتوگو در 1ai را تعیین نمی‌کند.
زمینه یا context، اطلاعاتی است که مدل در یک درخواست برای پاسخ‌دادن در اختیار دارد. توکن هم واحد پردازش متن است و معادل ثابت یک واژه یا صفحه فارسی نیست. پیش از ارسال سند بزرگ، محدودیت نمایش‌داده‌شده برای همان مدل و امکان پذیرش فایل را بررسی کنید؛ تاریخچه گفتوگو نیز می‌تواند بخشی از زمینه را مصرف کند.
آزمون کاربردی بهتر از پرسیدن «این فایل را فهمیدی؟» است. سه سند با عنوان‌های مشخص بدهید و از مدل بخواهید یک تناقض، یک عدد و یک شرط استثنا را پیدا کند. پاسخ باید به محل مربوط در سند برگردد؛ خلاصه روان بدون شاهد، برای تصمیم‌گیری کافی نیست.
فقط بر اساس فایل‌های پیوست پاسخ بده.
اول عنوان هر فایل و موضوع آن را فهرست کن.
سپس شرایط لغو همکاری را میان فایل‌ها مقایسه کن.
برای هر نتیجه، نام فایل و عنوان بخش یا شماره صفحه موجود در سند را بیاور.
اگر شماره صفحه مشخص نیست، آن را نساز؛ عبارت کوتاه مرتبط را نقل کن.
تعارض‌ها و مواردی را که در فایل‌ها پیدا نکردی جدا بنویس.در 1ai می‌توانید PDF دارای لایه متن، TXT، Markdown، CSV و JSON ضمیمه کنید. PDF اسکنشده بدون لایه متن خوانده نمیشود؛ عوض‌کردن مدل این محدودیت ورودی را حل نمی‌کند. برای بررسی اولیه، یک بخش کوتاه بفرستید و از مدل بخواهید جمله‌ای مشخص را بازیابی کند، بعد سراغ تحلیل کامل بروید.
چطور این پنج مدل را در 1ai استفاده کنیم؟
همه مدلهای این مقاله در 1ai فعال‌اند. برای شروع، داشتن حساب خارجی، کارت خارجی یا VPN لازم نیست؛ ورود با شماره موبایل ایران و کد یک‌بارمصرف پیامکی انجام میشود.
۱. فهرست مدل‌ها را باز کنید و نام دقیق مدل موردنظر را پیدا کنید؛ برای این مقایسه، نسخه‌های نوشته‌شده در مقاله را انتخاب کنید.
۲. وارد حساب شوید و یک گفت‌وگوی تازه بسازید. هدف و خروجی موردنیاز را روشن بنویسید؛ مثلاً «سه بند کوتاه فارسی با حفظ تمام عددها».
۳. هزینه پیام را پیش از اجرا ببینید. برای آزمون اول، یک نمونه کوتاه و واقعی بفرستید تا معیار پایه داشته باشید.
۴. همان درخواست را در گفت‌وگویی تازه با مدل دوم تکرار کنید. اطلاعاتی را که فقط در تاریخچه آزمون اول وجود داشته، به آزمون دوم هم بدهید.
۵. نتیجه را با معیار مشخص بسنجید: دقت، رعایت دستور، کیفیت فارسی، زمان انتظار و هزینه مصرف‌شده. برای مشکل پیچیده، خطای خروجی را توضیح دهید و یک دور اصلاح بخواهید.
یک جدول شخصی با نام کار، مدل، خطای مشاهده‌شده و زمان ویرایش بسازید. ممکن است برای کپشن یک مدل و برای تحلیل سند مدل دیگری را ترجیح دهید. هدف پیدا‌کردن ترکیب مناسب کارهای شماست، نه انتخاب یک برنده برای تمام موقعیت‌ها.
آیا این مدل‌ها رقیب چت جی پی تی هستند؟
عبارت «هوش مصنوعی چینی رقیب چت جی پی تی» برای شروع جست‌وجو قابل‌فهم است، اما برای انتخاب کافی نیست. باید معلوم کنید مقایسه درباره کیفیت پاسخ به یک درخواست است یا امکانات محیطی که در آن کار می‌کنید. در این راهنما، مقایسه روی خروجی مدل‌ها تمرکز دارد؛ درباره برتری کلی یک محصول حکم نمی‌دهیم.
مثلاً برای دانشجو، درست‌بودن ارجاع و حفظ نکته‌های متن مهم‌تر از طول پاسخ است. برای فریلنسر، زمان لازم برای اصلاح خروجی تعیین‌کننده است. برای توسعه‌دهنده، قبولی آزمون و قابل‌نگهداری‌بودن کد اهمیت دارد. سؤال دقیق‌تر این است: «کدام مدل با ورودی من، خطای کمتر و هزینه قابل‌قبول‌تری دارد؟»
سوالات متداول
بهترین هوش مصنوعی چینی برای فارسی کدام است؟
برای شروع آزمون، Qwen3.8-Max و Kimi K3 را با متن یکسان مقایسه کنید. این مقاله برتری قطعی فارسی را برای هیچ مدل تأیید نمی‌کند؛ حفظ معنا، رعایت لحن و میزان ویرایش لازم معیارهای بهتری برای انتخاب‌اند.
آیا Qwen 3.8، Kimi K3 و بقیه مدل‌ها در 1ai فعال‌اند؟
بله؛ Qwen3.8-Max، Kimi K3، DeepSeek V4 Pro، GLM 5.3 و MiniMax M3 در فهرست فعال 1ai قرار دارند. برای استفاده، با شماره موبایل ایران و کد یک‌بارمصرف وارد می‌شوید و مدل را انتخاب می‌کنید.
آیا وزنهای باز یعنی استفاده از مدل رایگان است؟
خیر؛ انتشار وزن تابع مجوز است و اجرای آن منابع پردازشی میخواهد. استفاده از مدلهای میزبانیشده در 1ai با اعتبار یکپارچه محاسبه میشود و اعتبار رایگان روزانه مخصوص مدلهای منتخب چت است.
برای کدنویسی DeepSeek V4 بهتر است یا GLM 5.3؟
از پیش برنده تعیین نکنید؛ یک باگ، محیط اجرا و آزمون یکسان به هر دو بدهید. مدلی مناسب‌تر است که اصلاحش اجرا شود، رفتار قبلی را حفظ کند و وابستگی ساختگی پیشنهاد ندهد.
زمینه یکمیلیونتوکنی یعنی هر فایل بزرگی پذیرفته میشود؟
خیر؛ ظرفیت اعلامشده سازنده با محدودیت فایل و گفتوگو در سرویس میزبان یکسان نیست. در 1ai، PDF اسکنشده بدون لایه متن خوانده نمیشود و باید نوع فایل و محدودیت همان مدل را بررسی کنید.
برای انتخاب هوش مصنوعی چینی مناسب کارتان، یک نمونه واقعی بردارید و دو مدل را با همان معیار بسنجید. از ورود به 1ai شروع کنید، هزینه پیام را ببینید و مدلی را نگه دارید که خروجی قابل‌اعتمادتر و ویرایش کمتری برای شما دارد.
