Chiński startup sztucznej inteligencji Moonshot AI uruchomił Kimi K3.1 Pro, swój najnowszy model AI, oferujący milion tokenów okna kontekstowego oraz ulepszone możliwości w zakresie kodowania, rozwoju 3D, badań finansowych i autonomicznych agentów AI — zgodnie z ogłoszeniem firmy.

W benchmarku Terminal Bench 4.0, który ocenia agentów AI w rzeczywistych zadaniach programistycznych, Kimi K3.1 Pro uzyskał według Moonshot wynik 65,7%. To rezultat o 0,7 punktu procentowego niższy od Claude Opus 5.5 firmy Anthropic, który zdobył 66,4%, i lepszy od GPT 6 Astra firmy OpenAI z wynikiem 58,2%. Różnica 0,7 punktu na czele stawki pokazuje, jak wyrównane stały się wiodące modele w agentowych zadaniach programistycznych.

Model został zbudowany na bazie Kimi K3, z dodatkowym treningiem skoncentrowanym na wzmacnianiu złożonego rozumowania oraz umiejętności wykonywania zadań wymagających wielu kroków i narzędzi. Moonshot zaprezentował także Kimi K3.1 Pro Highspeed, wariant zaprojektowany tak, by odpowiadać dwa do trzech razy szybciej niż standardowy model. Obie wersje są dostępne przez Kimi.ai, Kimi Work, Kimi Code oraz API firmy, a pełne wagi modelu mają zostać udostępnione do 4 listopada.

Postępy w kodowaniu długoterminowym

Moonshot poinformował, że Kimi K3.1 Pro uzyskał 61,2% w Kimi Code Bench 3.0 Long horizon, wewnętrznym benchmarku mierzącym zdolność agenta AI do wykonywania złożonych zadań programistycznych obejmujących wiele kroków, korzystanie z narzędzi i rozwiązywanie rozległych problemów. Toik lepszy od 55,95% zanotowanego przez poprzednika, Kimi K3.

Firma wskazała również na usprawnienia w kodowaniu dla silników gier, takich jak Unity, Unreal Engine i Godot, co pozwala modelowi generować interaktywne środowiska, strony internetowe i zasoby 3D. W jednej z demonstracji Kimi K3.1 Pro stworzył symulator chodzenia wykorzystujący model anatomiczny zawierający 296 elementów szkieletu i 402 elementy mięśni. W ciągu 167 zadań deweloperskich i 420 przeglądów model dopracowywał symulator, aż jego wirtualna postać zdołała chodzić nieprzerwanie przez 11,2 sekundy.

Model wykazał także lepszą wydajność w modelowaniu 3D, uzyskując 92,7% w BenchCAD, w porównaniu z Claude Opus 5.5 z wynikiem 96,2% i GPT 6 Astra z wynikiem 95,9%.

Rozszerzenie o badania finansowe

Poza kodowaniem Moonshot pozycjonuje Kimi K3.1 Pro do analizy finansowej, badań inwestycyjnych i operacji biznesowych. Firma zgłosiła wynik 64,4 w OfficeQA Pro v2, ewaluacji mierzącej analizę dokumentów finansowych, wyszukiwanie informacji i rozumowanie numeryczne.

W wewnętrznych ewaluacjach Moonshot Kimi K3.1 Pro poprawił się o 7,2 punktu w modelowaniu finansowym i o 11,6 punktu w badaniach finansowych w porównaniu z Kimi K3. Firma odnotowała również wzrost dokładności faktograficznej — wskaźnik halucynacji modelu spadł z 23,4% do 8,3% w wewnętrznej ewaluacji Kimi Hallu Bench Hard. W tej samej ewaluacji z użyciem narzędzi Claude Opus 5.5 zanotował wskaźnik halucynacji 15%, według opublikowanych porównań Moonshot. Firma zastrzegła, że benchmark celowo testuje trudne scenariusze i nie odzwierciedla wskaźników halucynacji podczas codziennego użytkowania.

Otwarte wagi planowane na listopad

Premiera przypada w czasie, gdy deweloperzy AI wciąż poszerzają dostęp do zaawansowanych modeli, które można wdrażać niezależnie od własnościowych platform chmurowych. Moonshot stwierdził, że Kimi K3.1 Pro to jego najzdolniejszy model w klasie 3 bilionów parametrów, a pełne wagi mają zostać publicznie udostępnione 4 listopada. Ponieważ część zgłaszanych wyników pochodzi z ewaluacji samego Moonshot, publiczne wagi pozwolą zewnętrznym deweloperom przetestować wydajność modelu na infrastrukturze, którą sami kontrolują.

Firma ujawniła także zmiany w procesie treningowym zaprojektowane w celu zmniejszenia ryzyka cyberbezpieczeństwa związanego z udostępnianiem coraz zdolniejszych modeli AI. Moonshot poinformował, że usunął pewne dane i zadania treningowe dotyczące cyberbezpieczeństwa przed oceną finalnego modelu na wewnętrznym benchmarku badań podatności. Powstały model uzyskał 81% w tej ewaluacji, w porównaniu z 90,5% dla wersji trenowanej bez tych ograniczeń — różnica 9,5 punktu odzwierciedla kompromisikający z ograniczonego podejścia treningowego. Według firmy zmiany miały na celu ograniczenie ofensywnych zdolności cyberbezpieczeństwa przy zachowaniu ogólnej wydajności w kodowaniu.

Kimi K3.1 Pro jest obecnie dostępny przez konsumenckie, enterprise'owe i deweloperskie platformy firmy, a planowane udostępnienie wag modelu pozwoli deweloperom uruchamiać model na własnej infrastrukturze. Premiera 4 listopada to kolejny kamień milowy — moment, w którym model będzie można wdrażać i oceniać poza platformami samego Moonshot.