Moonshot AI Kimi K3.1 Pro: nagy modell, nyitott súlyok és biztonsági kompromisszum
Moonshot AI bemutatta a Kimi K3.1 Pro-t, egy 2,8 billió paraméteres, mixture-of-experts (MoE) architektúrán alapuló modellt, amely egyszerre aktivál körülbelül 104 milliárd paramétert és támogat egy 1 millió token hosszúságú kontextusablakot. A vállalat a modellt több területre pozícionálja: hosszú távú programozásra, 3D tervezésre, pénzügyi kutatásra és autonóm ügynökfeladatokra. A Kimi K3.1 Pro az elérhető platformokon keresztül érhető el: Kimi.ai, Kimi Work, Kimi Code, a Kimi App és a cég API-ja, és a teljes modell súlyait a cég szerint 2026. november 4-ig nyilvánossá teszik.
A modell teljesítményét különböző benchmarkokon mérték. A Terminal-Bench 4.0 kódügynök teszten Kimi K3.1 Pro 65,7%-ot ért el, megközelítve Anthropic Claude Opus 5.5 eredményét (66,4%) és meghaladva OpenAI GPT 6 Astra 58,2%-át, miközben belső, hosszú-horizontú Kimi Code Bench 3.0 teszten 61,2%-ot adott, szemben a K3 előd 55,95%-ával. A 3D-s képességekben a BenchCAD-en 92,7%-ot mutatott, Claude Opus 5.5 96,2%-ával és GPT 6 Astra 95,9%-ával összevetve. A cég számszerűsíthető eredményeket közölt a pénzügyi feladatokban is: OfficeQA Pro v2-n 64,4 pontot ért el, és belső teszteken a pénzügyi modellezésben 14%-os, a pénzügyi kutatásban 20%-os javulást kommunikált a K3-hoz képest.
Moonshot több kereskedelmi változatot kínál, köztük a Kimi K3.1 Pro Highspeed verziót, amely a vállalat szerint kétszer–háromszor gyorsabb választ ad, ugyanakkor a magasabb sebességért cserébe magasabb díjazást ír elő. A publikus API-árképzésről a második forrás részletesen beszámolt: bemeneti és kimeneti tokenárak mellett a cég Hosted Agents szolgáltatást is kínál hosszú idejű futtatáshoz és többszereplős együttműködéshez. A cég demonstrációiban megjelentek komplex projektek: játékmotorokra épülő játékok, 36 millió háromszöget tartalmazó Blender-projektek, 2 317 alkatrészes robotkar bemutató és egy 11,2 másodperces folyamatos gyaloglást elérő emberi anatómiai szimulátor, amelyet 167 feladat és 420 független felülvizsgálat során fejlesztett.
Kritikus pontként Moonshot önszabályozási döntést hozott: a nyitott súlyok közzététele előtt szándékosan eltávolították a kiber-támadási és védekezési jellegű adatokat a közbenső tanítóanyagból, hogy csökkentsék a modell exploit képességét. A belső xdev-bench-hard sebezhetőségi vizsgálaton a végleges, tisztított modell 81,0%-ot ért el, míg egy nem tisztított változat 90,5%-ot; így körülbelül 9,5 százalékpontnyi csökkenés mutatkozik a kiber-offenzív teljesítményben. Ugyanakkor a tisztított K3.1 Pro így is jelentősen jobb exploit-eredményt mutat, mint a korábbi Kimi K3, amely 33,3%-on állt ugyanazon teszten. Moonshot szerint ez a megoldás csökkenti a nyitott súlyok nyújtotta kockázatot azáltal, hogy bizonyos képességek egyszerűen nem kerülnek be a súlyokba.
A döntés tágabb jelentése, hogy a cég számszerűsíti a biztonság és képesség közötti kompromisszum költségét, és a tervezett 2026. november 4-i súlykiadást követően a kutatók, biztonsági csapatok és fejlesztők ellenőrizhetik a vállalati állításokat. Moonshot említi, hogy a tesztek és demonstrációk nem garantálják minden valós feladatban a reprodukálhatóságot, és a pénzügyi, védelmi vagy üzleti alkalmazásokhoz továbbra is szükséges a kulcsadatok, számítások és források ellenőrzése.