Moonshot'un Kimi K3.1 Pro'su açık ağırlıklara 1M token bağlam getiriyor, yanına da Highspeed varyantı ekliyor

Moonshot AI, K3.1 serisinin ilk modeli ve şirketin kendi ifadesiyle 3 trilyon parametre sınıfında şimdiye kadarki en güçlü açık ağırlıklı modeli olan Kimi K3.1 Pro'yı yayınladı. Model 1 milyon tokenlık bir bağlam penceresiyle geliyor ve yanına, etkileşimli kullanım için 2-3 kat daha hızlı çalışacak şekilde ayarlanmış Kimi K3.1 Pro Highspeed varyantı ekleniyor. Vercel'e göre ikisi de şu anda Vercel'in AI Gateway'si üzerinden erişilebilir durumda; tam model ağırlıklarının 4 Kasım'a kadar yayınlanacağı sözü verildi.

Kimi K3 üzerine daha kapsamlı bir post-training süreci

Moonshot'un teknik bloguna göre K3.1 Pro, Kimi K3'ün substantially daha fazla post-training hesaplama gücü harcanmış bir post-training sürümü. Yüzlerce farklı alanda ortak reinforcement learning çalıştırmak için ekip, RL çerçevesini, uzun bağlamlı çıkarımı (inference), eğitim verimliliğini, sandbox altyapısını, rollout planlamasını ve ortam kalite kontrollerini yeniden düzenledi; böylece eklenen her RL hesaplama birimi istikrarlı ve öngörülebilir kazanımlar sağlıyor.

Moonshot, sonucun kodlama, agent ve bilgi benchmark'larında en güçlü tescilli modelleri eşitlediğini ya da onlara yaklaştığını bildiriyor. Kodlama agent'lerini gerçekçi, kaynak kısıtlamalı terminal görevlerinde sıkı testlerle sınayan Terminal-Bench 4.0'ta K3.1 Pro, yüzde 65,7 ile 58,2'de kalan GPT-6 Astra'nın önünde ve yüzde 66,4'lük Claude Opus 5.5'in hemen gerisinde yer alıyor. Kimi'nin çok adımlı yürütme ve araç kullanımını ölçen dahili Code Bench 3.0 uzun vadeli değerlendirmesinde ise yüzde 61,2'ye ulaşıyor; K3'te bu oran yüzde 55,95'ti.

Kodlama, 3D çalışmaları ve finansal analiz

Moonshot'a göre K3.1 Pro, mevcut kod tabanlarındaki küçük düzeltmelerden baştan sona proje inşasına kadar kodlama işinin tamamını kapsıyor. Unity, Unreal Engine ve Godot oyun motorlarının hepsinde çalışıyor, bunları web araması ve 3D üretimle birleştiriyor ve önceki Kimi modellerinden daha iyi kompozisyon, tipografi ve animasyonla front-end sayfaları ile etkileşimli Three.js sahneleri üretiyor.

Şirket, modelin 296 iskelet ve 402 kas bileşenine sahip açık kaynaklı bir anatomik model olan human-atlas üzerine bir insan yürüme dinamiği simülatörü kurduğu dahili bir uzun vadeli teste dikkat çekiyor. Model, 167 görev ve 420 bağımsız inceleme boyunca sorunları teşhis etti ve simüle edilen figür 11,2 saniye boyunca kesintisiz yürüyene kadar denetleyiciyi (controller) geliştirdi; ödül şekillendirme (reward shaping) tıkandığında simülatörün dinamiklerini doğrudan inceleyip omuz kası moment-kolu hesaplamalarındaki 36 hatayı buldu, düzeltti ve yeniden eğitti.

Çoklu görünüm render'larından CAD kod üretimi yoluyla 3D yeniden yapılandırmayı test eden BenchCAD'de K3.1 Pro, araçlarla yüzde 92,7 alarak Claude Opus 5.5'e (yüzde 96,2) ve GPT-6 Astra'ya (yüzde 95,9) yaklaşıyor. Moonshot parametrik modelleme yeteneğini öne çıkarıyor; modelin MCP bağlayıcılarına gerek duymadan Blender ve CAD yazılımları gibi araçlar için script yazıp çalıştırabildiğini belirtiyor. Önizleme, düzenleme, 3D baskıya hazır indirme ile video veya Live Photo olarak aktarım için yeni bir 3D Make özelliği kimi.ai'de ve Kimi uygulamasında yayında.

Finansta Moonshot, gerçek finansal belgelerin analizini test eden OfficeQA Pro v2'de (64,4) en iyi sonuçların alındığını, ayrıca K3'e göre dahili kazanımlar bildiriyor: Financial Modeling'de 7,2 puan, Financial Research'te 11,6 puan ve Business Operation'da yaklaşık 4,2 kat artış. Dahili bir halüsinasyon stres testi olan Kimi Hallu Bench Hard'da iddia düzeyinde halüsinasyon yüzde 23,4'ten yüzde 8,3'e düştü ve en az bir yerinde bilgi hatası içeren yanıtlar K3'ün oranının yüzde 42,4'üne geriledi. Moonshot, testin bilinçli olarak zor prompt'lar kullandığını ve günlük hata oranlarını temsil etmediği konusunda uyarıyor.

Açık sürüş için siber yetenek bilinçli olarak azaltıldı

Moonshot, post-training ölçeği büyüdükçe güvenlik açığı araştırması performansının yükseldiğini fark ettiğini, bunun orta eğitim (mid-training) veri setindeki siber içerikle ve RL ortam karışımındaki siber görevlerden kaynaklandığını tespit ettiğini ve açık ağırlıklı sürüm için her iki aşamadan da bu veriyi, genel amaçlı kodlama görevlerini korurken çıkardığını söylüyor. Sonucu, uzmanlar tarafından derlenen, kaynak koda dayalı güvenlik açığı keşif ve sömürü görevlerinden oluşan dahili benchmark'ı xdev-bench-hard üzerinde değerlendirdi.

Şimdi Vercel AI Gateway üzerinden erişilebilir

Vercel'e göre her iki model de K3'ten gelen 1M tokenlık bağlam penceresini ve görsel girişini koruyor. AI SDK, Chat Completions, Responses ve Anthropic Messages API'leri ya da AI Gateway'e bağlı bir kodlama agent'ı aracılığıyla moonshotai/kimi-k3.1-pro ve moonshotai/kimi-k3.1-pro-highspeed model adlarıyla çağrılabiliyorlar. Claude Code, Codex, Cursor ve benzeri araçlar için Vercel, en güncel CLI'yı kurup npx vercel ai-gateway setup komutunu çalıştırmayı öneriyor. Ağırlıklar çıktıktan sonra başka sağlayıcılar da gelecek; Vercel ayrıca AI Gateway'in sağlayıcı fiyatlandırmasını hiçbir kâr marjı veya platform üyesi olmadan, Bring Your Own Key dahil, aktardığını; Zero Data Retention desteği, anahtar bütçeleri, yönlendirme kuralları, yeniden deneme ve failover özelliklerinin de bulunduğunu belirtiyor.

Neden önemli

Tescilli amiral gemileriyle benchmark'larda kıyasıya yarışan, 1 milyon tokenlık bağlama sahip 3T sınıfı bir açık ağırlık modeli, açık ve kapalı yapay zeka arasındaki farkı daraltıyor; 4 Kasım'daki ağırlık yayını geliştiricilerin modeli kendilerinin çalıştırmasını sağlayacak. Highspeed varyantı, gecikmenin önemli olduğu etkileşimli agent iş yükleri için ham yeteneğin tek başına yetmediğini kabul ediyor. En az bunun kadar dikkat çekici olanı güvenlik açıklaması: Moonshot, açık kaynak yapmadan önce siber saldırı odaklı eğitim verisini kaldırma kararı belgeliyor — ağırlık yayınlayan diğer laboratuvarların baskı altında kopyalamak zorunda kalabileceği bir yaklaşım. Aracı kârsız fiyatlandırmayla ilk günden erişilebilir olması, modeli kendi sunucularında barındırmaya karar vermeden önce denemek isteyen ekipler için sürtünmeyi azaltıyor.