مدل‌های پیشرفته جدید: Gemini 3 Pro Preview و Kimi K2 Thinking

تاریخ: 1404-08-27 / (2025-11-18)

خلاصه

ما اضافه شدن دو مدل پرچمدار را اعلام می‌کنیم: gemini-3-pro-preview از Google و kimi-k2-thinking از Moonshot AI. Gemini 3 Pro Preview پیشرفته‌ترین مدل Google برای وظایف استدلال پیچیده با پنجره زمینه 1 میلیون توکن است، در حالی که Kimi K2 Thinking جدیدترین مدل پرچمدار Moonshot AI با قابلیت‌های استدلال عمیق و استفاده از ابزار چند مرحله‌ای است. هر دو مدل در v1/chat/completions با پشتیبانی جزئی در v1/responses در دسترس هستند.

---

جزئیات

Google Gemini

Gemini 3 Pro Preview

پیشرفته‌ترین مدل Google در سری Gemini، gemini-3-pro-preview نشان‌دهنده پیشرفت قابل توجهی در قابلیت‌های هوش مصنوعی است. این مدل چندوجهی بومی در وظایف استدلال پیچیده برتری دارد و می‌تواند مجموعه داده‌های گسترده از منابع اطلاعاتی متعدد شامل متن، صدا، تصویر، ویدیو و مخازن کد کامل را درک کند.

ویژگی‌های کلیدی:

• پنجره زمینه: 1 میلیون توکن برای مدیریت مکالمات و اسناد گسترده
• توکن‌های خروجی: 64 هزار توکن برای پاسخ‌های جامع
• قابلیت‌های پیشرفته: پشتیبانی بومی چندوجهی (متن، بینایی، صدا)، استدلال، فراخوانی تابع، خروجی‌های ساختاریافته
• معماری: مدل مبتنی بر ترنسفورمر با ترکیب متخصصان پراکنده (MoE)
• تاریخ قطع دانش: ژانویه 2025
• پشتیبانی نقطه پایانی: در دسترس در v1/chat/completions، پشتیبانی جزئی در v1/responses

جزئیات قیمت‌گذاری:

مدل	ورودی	ورودی کش‌شده	خروجی	قیمت‌گذاری ویژه
gemini-3-pro-preview	2.00 دلار/1 میلیون توکن	0.825 دلار/1 میلیون توکن	12.00 دلار/1 میلیون توکن	بالای 200K: ورودی 4.00 دلار، خروجی 18.00 دلار

نمونه درخواست/پاسخ API

نمونه درخواست

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-3-pro-preview",
    "messages": [
      {
        "role": "user",
        "content": "معماری فنی یک سیستم توزیع‌شده را تحلیل کنید و استراتژی‌های بهینه‌سازی پیشنهاد دهید."
      }
    ],
    "max_tokens": 2048
  }'

نمونه پاسخ

{
  "id": "chatcmpl-abc123",
  "created": 1731945600,
  "model": "gemini-3-pro-preview",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "بگذارید معماری سیستم توزیع‌شده را تحلیل کنم...\n\n## تحلیل معماری سیستم\n\n1. **لایه توازن بار**\n   - پیاده‌سازی فعلی از round-robin استفاده می‌کند...\n\n2. **استراتژی‌های بهینه‌سازی**\n   - پیاده‌سازی توازن بار تطبیقی...",
        "role": "assistant",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 450,
    "prompt_tokens": 25,
    "total_tokens": 475,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": null,
      "text_tokens": 25,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0054500000",
    "irt": 624.93,
    "exchange_rate": 114600
  }
}

نمونه‌های استفاده از SDK

Bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "gemini-3-pro-preview",
    "messages": [
      {
        "role": "user",
        "content": "این مسئله پیچیده را گام به گام حل کنید."
      }
    ]
  }'

Python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

completion = client.chat.completions.create(
    model="gemini-3-pro-preview",
    messages=[
        {
            "role": "user",
            "content": "این مسئله پیچیده را گام به گام حل کنید.",
        }
    ],
)

print(completion.choices[0].message.content)

JavaScript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const completion = await client.chat.completions.create({
  model: "gemini-3-pro-preview",
  messages: [
    {
      role: "user",
      content: "این مسئله پیچیده را گام به گام حل کنید.",
    },
  ],
});

console.log(completion.choices[0].message.content);

---

Moonshot AI

Kimi K2 Thinking

جدیدترین مدل پرچمدار Moonshot AI، kimi-k2-thinking، یک مدل استدلال عاملی چندمنظوره است که برای استدلال عمیق و استفاده از ابزار چند مرحله‌ای طراحی شده است. این مدل در حل مسائل بسیار پیچیده از طریق زنجیره‌های استدلال گسترده و فراخوانی‌های متوالی ابزار برتری دارد.

ویژگی‌های کلیدی:

• استدلال عمیق: قابلیت‌های استدلال گسترده با فیلد reasoning_content
• استفاده از ابزار چند مرحله‌ای: طراحی شده برای انجام استدلال عمیق در فراخوانی‌های متعدد ابزار
• عملکرد عاملی: برتری در برنامه‌ریزی و اجرای وظایف چند مرحله‌ای پیچیده
• حل مسئله پیشرفته: قادر به مقابله با سخت‌ترین مسائل از طریق استدلال گام به گام
• پشتیبانی نقطه پایانی: در دسترس در v1/chat/completions، پشتیبانی جزئی در v1/responses

جزئیات قیمت‌گذاری:

مدل	ورودی	ورودی کش‌شده	خروجی	قیمت‌گذاری ویژه
kimi-k2-thinking	0.60 دلار/1 میلیون توکن	0.15 دلار/1 میلیون توکن	2.50 دلار/1 میلیون توکن	زمینه جستجو: 0.005 دلار به ازای هر پرس‌وجو

نمونه درخواست/پاسخ API

نمونه درخواست

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "kimi-k2-thinking",
    "messages": [
      {
        "role": "user",
        "content": "یک استراتژی جامع بازاریابی دیجیتال برای یک استارتاپ فناوری طراحی کنید"
      }
    ],
    "max_tokens": 16000,
    "temperature": 1.0,
    "stream": true
  }'

نمونه پاسخ

{
  "id": "chatcmpl-xyz789",
  "created": 1731945600,
  "model": "kimi-k2-thinking",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "## استراتژی جامع بازاریابی دیجیتال\n\n### فاز 1: پایه‌گذاری\n1. **توسعه هویت برند**\n   - تعریف ارزش‌های اصلی و ماموریت\n   - ایجاد سیستم هویت بصری\n\n### فاز 2: استراتژی کانال\n...",
        "role": "assistant",
        "reasoning_content": "بگذارید این موضوع را به صورت سیستماتیک بررسی کنم. ابتدا، باید زمینه استارتاپ را درک کنم... سپس یک رویکرد چند فازی را ساختار می‌دهم...",
        "thinking_blocks": [],
        "annotations": []
      }
    }
  ],
  "usage": {
    "completion_tokens": 1250,
    "prompt_tokens": 20,
    "total_tokens": 1270,
    "completion_tokens_details": null,
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": null,
      "text_tokens": 20,
      "image_tokens": null
    }
  },
  "estimated_cost": {
    "unit": "0.0034125000",
    "irt": 391.07,
    "exchange_rate": 114600
  }
}

نمونه‌های استفاده از SDK

Bash

curl https://api.avalai.ir/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AVALAI_API_KEY" \
  -d '{
    "model": "kimi-k2-thinking",
    "messages": [
      {
        "role": "user",
        "content": "این مسئله پیچیده را حل کنید."
      }
    ],
    "max_tokens": 16000,
    "temperature": 1.0
  }'

Python

from openai import OpenAI

client = OpenAI(api_key="your-avalai-api-key", base_url="https://api.avalai.ir/v1")

completion = client.chat.completions.create(
    model="kimi-k2-thinking",
    messages=[
        {
            "role": "user",
            "content": "این مسئله پیچیده را حل کنید.",
        }
    ],
    max_tokens=16000,
    temperature=1.0,
)

# دسترسی به محتوای استدلال در صورت وجود
message = completion.choices[0].message
if hasattr(message, "reasoning_content"):
    reasoning = getattr(message, "reasoning_content")
    print("استدلال:", reasoning)

print("پاسخ:", message.content)

JavaScript

import { OpenAI } from "openai";

const client = new OpenAI({
  apiKey: process.env.AVALAI_API_KEY,
  baseURL: "https://api.avalai.ir/v1",
});

const completion = await client.chat.completions.create({
  model: "kimi-k2-thinking",
  messages: [
    {
      role: "user",
      content: "این مسئله پیچیده را حل کنید.",
    },
  ],
  max_tokens: 16000,
  temperature: 1.0,
});

// دسترسی به محتوای استدلال در صورت وجود
const message = completion.choices[0].message;
if ("reasoning_content" in message) {
  console.log("استدلال:", message.reasoning_content);
}

console.log("پاسخ:", message.content);

تنظیمات توصیه‌شده برای Kimi K2 Thinking

برای عملکرد بهینه با kimi-k2-thinking:

• max_tokens: حداقل 16,000 تنظیم کنید تا اطمینان حاصل شود که reasoning_content و محتوای نهایی کامل برگردانده می‌شوند
• temperature: از 1.0 برای بهترین عملکرد استفاده کنید
• stream: فعال‌سازی streaming (stream: true) برای تجربه کاربری بهتر و جلوگیری از مشکلات timeout
• استدلال چند مرحله‌ای: کل reasoning_content از پاسخ‌های قبلی را در زمینه خود قرار دهید

---

منسوخ شدن مدل‌های Google

Google مدل‌های زیر را منسوخ کرده است که از همین الان اعمال می‌شود. ما توصیه می‌کنیم به gemini-3-pro-preview یا سایر مدل‌های فعلی مهاجرت کنید. برای جزئیات بیشتر به صفحه منسوخ‌شده‌ها مراجعه کنید.

مدل‌های منسوخ‌شده:

• gemini-2.0-flash-exp
• gemini-2.0-flash-lite-preview
• gemini-2.0-flash-lite-preview-02-05
• gemini-2.0-flash-thinking-exp
• gemini-2.0-flash-thinking-exp-01-21
• gemini-2.0-flash-thinking-exp-1219
• gemini-2.5-flash-lite-preview-06-17
• gemini-2.5-flash-preview-05-20
• gemini-2.5-pro-preview-06-05
• gemini-2.5-pro-preview-03-25
• gemini-2.5-pro-preview-05-06

---

لینک‌های مرتبط

• مستندات مدل‌های Google
• مستندات مدل‌های Moonshot AI
• مرجع API تکمیل چت
• مرجع API پاسخ‌ها
• قیمت‌گذاری مدل
• منسوخ‌شدن مدل‌ها
• راهنمای مدل‌های استدلالی
• راهنمای فراخوانی تابع