---
title: Moonshot AI udostępnia model Kimi K3.1 Pro, wagi zostaną opublikowane w listopadzie
url: https://www.elseif.net/pl/moonshot-ai-udostepnia-model-kimi-k31-pro-wagi-zostana-opublikowane-w-listopadzie
published: 2026-10-31T16:14:25+00:00
language: pl
section: Modele
source: https://www.ai4business.it/intelligenza-artificiale/kimi-k3-1-pro-e-online-ma-i-pesi-non-sono-ancora-disponibili/
organizations: Moonshot AI, Epoch AI
publisher: elseif
---

# Moonshot AI udostępnia model Kimi K3.1 Pro, wagi zostaną opublikowane w listopadzie

Moonshot AI udostępniło model Kimi K3.1 Pro, który jest obecnie dostępny poprzez aplikacje oraz interfejs API. Firma zapowiedziała, że wagi modelu zostaną opublikowane do 4 listopada 2026 roku.

Kimi K3.1 Pro jest opisywany jako model typu open-weight z klasy 3T, który obsługuje kontekst do jednego miliona tokenów. Do czasu udostępnienia wag użytkownicy są zależni od usług firmy i nie mogą samodzielnie weryfikować modelu na własnej infrastrukturze.

Standardowe stawki za interfejs API są niższe niż w przypadku poprzedniego modelu K3. Koszt miliona tokenów wejściowych wynosi 2 dolary, a miliona tokenów wyjściowych 10 dolarów, podczas gdy wcześniej ceny te wynosiły odpowiednio 3 i 15 dolarów. Cennik rozróżnia zapisywanie pamięci podręcznej od jej odczytu, co wpływa na ostateczny koszt w zależności od wykorzystania kontekstu.

Moonshot AI przedstawiło wyniki testów wydajnościowych, w których K3.1 Pro uzyskał w Terminal-Bench 4.0 wskaźnik sukcesu na poziomie 65,7 procent. Dla porównania GPT-6 Astra osiągnął 58,2 procent, a Claude Opus 5.5 66,4 procent. W teście BenchCAD model uzyskał 92,7 procent z użyciem narzędzi oraz 72,8 procent bez nich na podzbiorze tysiąca plików.

Firma zaznacza, że tabela wyników łączy dane z różnych źródeł. Niezależna rewizja przeprowadzona przez Epoch AI wskazała na błędy w punktacji w 30 z 66 zadań. Wyniki te są traktowane jako wstępne wskazanie, a nie wystarczająca miara produktywności biznesowej.

W kwestii bezpieczeństwa Moonshot AI usunęło dane dotyczące poszukiwania podatności z dwóch faz uczenia. Wewnętrzny test xdev-bench-hard wykazał, że model końcowy rozwiązuje 81 procent problemów w trzech próbach, podczas gdy wersja bez tych interwencji osiągała 90,5 procent. Różnica ta nie stanowi niezależnej certyfikacji bezpieczeństwa, a zewnętrzna weryfikacja będzie możliwa dopiero po udostępnieniu wag i protokołu reprodukcji.

Model jest dostępny w serwisach Kimi.ai, Kimi Work oraz Kimi Code. Moonshot AI oferuje również wariant Highspeed, który ma być dwa lub trzy razy szybszy, jednak wiąże się on z dwukrotnie wyższymi stawkami za tokeny.