Moonshot zaprezentowała model Kimi K3.1 Pro
26 października 2026 · Czas czytania: 2 min
Moonshot zaprezentowała 23 października model Kimi K3.1 Pro, który jest pierwszą wersją z nowej serii K3.1. Jest to model Kimi K3 po dodatkowym uczeniu, posiadający okno kontekstowe o rozmiarze 1 miliona tokenów. Firma przeznaczyła znacznie więcej zasobów obliczeniowych na post-trening oraz przeprowadziła uczenie ze wzmocnieniem w setkach obszarów aplikacyjnych.
Model jest już dostępny w usługach Kimi oraz poprzez interfejs API. Moonshot zapowiedziała udostępnienie pełnych wag modelu nie później niż 4 listopada. Przed publikacją firma celowo ograniczyła zdolność modelu do wyszukiwania i wykorzystywania luk w zabezpieczeniach. Ograniczenie to osiągnięto poprzez usunięcie danych dotyczących cyberbezpieczeństwa z etapów uczenia pośredniego oraz uczenia ze wzmocnieniem, przy jednoczesnym zachowaniu standardowych zadań programistycznych.
Wraz z wersją Pro zadebiutował model K3.1 Pro Highspeed, który według deklaracji firmy jest od 2 do 3 razy szybszy. Oba modele opierają się na architekturze MoE z 2,8 biliona parametrów, z czego 104 miliardy są aktywne dla każdego tokena. Systemy te przyjmują tekst, obrazy oraz wideo, a odpowiedzi generują w formie tekstowej. Tryb rozumowania jest w nich zawsze włączony i nie można go wyłączyć, natomiast jego głębokość określa parametr reasoning_effort z opcjami low, high lub max, gdzie domyślnie ustawiono max.
Koszty korzystania z K3.1 Pro wynoszą 2 dolary za milion tokenów wejściowych i 10 dolarów za milion tokenów wyjściowych, natomiast wejście z pamięcią podręczną kosztuje 0,20 dolara. Wersja Highspeed jest dwa razy droższa, z cenami 4 dolarów i 20 dolarów. Jest to cena niższa o jedną trzecią w porównaniu do modelu K3, który kosztował 3 dolary i 15 dolarów.
Według indeksu Artificial Analysis model K3.1 Pro zdobył 55 punktów, zajmując czwarte miejsce, co stanowi wzrost o 11 punktów względem K3. Analiza ta sugeruje, że po udostępnieniu wag będzie to najsilniejszy model otwarty. W testach Moonshot model K3.1 Pro osiąga wyniki zbliżone do Opus 5.5 w długich zadaniach programistycznych, wyszukiwaniu internetowym i analizie dokumentów finansowych. Odnotowano jednak znaczne zapóźnienia w odpowiedziach na złożone pytania bez użycia narzędzi, na przykład w HLE-Diamond, gdzie model ustępuje GPT-6 Astra o 26 punktów. Wewnętrzny test Kimi Hallu Bench Hard wykazał spadek odsetka fałszywych twierdzeń z 23,4% w K3 do 8,3% w K3.1 Pro.