Çinli yapay zeka Kimi, yeni modeliyle zirveyi zorladı

Çinli yapay zeka şirketi Moonshot, Kimi K3.1 Pro'yu kullanıma açtı. Önceki model Kimi K3'ün üzerine geliştirilen yeni sürüm, Artificial Analysis'in genel yetenekleri karşılaştırdığı Intelligence Index'te 11 puanlık artış sağladı. 

K3.1 Pro'nun 55 puana ulaşmasıyla şirket, bu değerlendirmede en yüksek puan alan kapalı modellerle arasındaki mesafeyi daralttı.

Yeni modelin API üzerinden kullanım fiyatı da düşürüldü. Buna karşılık açık ağırlık sürümü henüz indirilemiyor. Moonshot'un takvimine göre modelin tam ağırlıkları 4 Kasım 2026'ya kadar paylaşılacak. Böylece geliştiricilerin bugün Kimi'nin uygulamaları ve API'si üzerinden eriştiği modelin kendi altyapılarında çalıştırılmasının da önü açılacak.

Aynı büyüklükteki modelde eğitim değişti

Kimi K3.1 Pro, selefi gibi toplam 2,8 trilyon parametreye sahip. Karışık uzmanlar, yani MoE mimarisinde her token işlenirken bu parametrelerin tamamı kullanılmıyor. Token başına etkinleşen bölüm 104 milyar parametreden oluşuyor. Bu yapı, modelin toplam büyüklüğü ile her adımda yaptığı hesaplamanın büyüklüğünü birbirinden ayırıyor.

Model metin ve görsel girdileri kabul ediyor, yanıtlarını metin olarak üretiyor. Bir milyon tokenlık bağlam penceresi, uzun belgelerin ve kapsamlı konuşmaların aynı işlem bağlamında ele alınabilmesini sağlıyor. Tokenlar, modelin metni işlerken kullandığı parçalara karşılık geliyor. Bu nedenle bir milyon tokenı her dilde aynı sayıda kelime veya sayfa olarak düşünmemek gerekiyor.

Moonshot, K3.1 Pro'yu Kimi K3'ün daha fazla eğitim sonrası hesaplama kullanılarak geliştirilmiş sürümü olarak tanımlıyor. Şirket bu süreçte pekiştirmeli öğrenme altyapısını, uzun bağlam işlemesini ve modelin görevleri denediği çalışma ortamlarını yeniledi. Dolayısıyla performans artışı, toplam parametre sayısını büyütmekten ziyade mevcut modelin görevleri nasıl öğrendiği ve tamamladığı üzerinde yapılan çalışmalardan geliyor.

Genel sıralamada 4, ajan görevlerinde 3'üncü

Artificial Analysis'in yayımladığı sıralamada Claude Opus 5.5, 58 puanla önde bulunuyor. Claude Sonnet 5.5 ve Meta'nın Muse Wonder Full modeli 56'şar puan alırken Kimi K3.1 Pro 55, OpenAI'ın GPT-6 Astra modeli ise 53 puanda yer alıyor. Önceki Kimi K3'ün puanı 44'tü. 

Bu sonuç, K3.1 Pro'yu söz konusu endekste GPT-6 Astra'nın önüne taşıdı.

İlerlemenin belirgin olduğu alanlardan biri, modelin araç kullanarak çok adımlı işleri yürüttüğü ajan görevleri. K3.1 Pro, GDPval-AA değerlendirmesinde 1.846 Elo puanıyla üçüncü oldu. Kimi K3'e göre 312 puanlık artış sağlayan modelin önünde 1.866 puanla Claude Opus 5.5 ve 1.857 puanla Muse Wonder Full yeraldı.

Bilgi doğruluğunu değerlendiren AA-Omniscience testinde de değişim var. Kimi K3'te yüzde 53 olan halüsinasyon oranı K3.1 Pro'da yüzde 44'e gerilerken doğruluk yüzde 48'den yüzde 51'e yükseldi.

Kodlama tarafında Moonshot'un yayımladığı Terminal-Bench 4.0 karşılaştırması, K3.1 Pro için yüzde 65,7 gösteriyor. Gerçekçi terminal görevlerini içeren bu testte Claude Opus 5.5 yüzde 66,4, GPT-6 Astra yüzde 58,2 alıyor. Artificial Analysis'in ayrı Terminal-Bench 4.0 ölçümünde ise K3.1 Pro'nun sonucu yüzde 67. İki değerlendirmede farklı sonuçlar bulunduğu için bu puanları aynı ölçümün parçaları olarak okumamak gerekiyor.

İlgili haberlerTencent Hy-Nomas'ı açık kaynak yaptı: Video üretirken komut alıyorABD hükümeti DeepSeek'i tamamen sildiDeepSeek'ten 5 saatlik kesintiyi unutturacak test: Yeni sürüm 3,5 puan yükseldi

Kodlamanın yanında 3D modelleme de var

Moonshot, yeni sürümün kullanım alanları arasında 3D tasarımı da öne çıkarıyor. Model, Blender ve CAD yazılımları için betik yazıp çalıştırabiliyor. Böylece verilen bir tariften veya referans görselden hareketle parçaların geometrisini oluşturmak, bileşenleri düzenlemek ve sahne üzerinde değişiklik yapmak mümkün oluyor.

Şirketin BenchCAD sonuçlarında K3.1 Pro, araç kullanımıyla 92,7 puan elde ediyor. Aynı karşılaştırmada Claude Opus 5.5'in sonucu 96,2, GPT-6 Astra'nınki 95,9. Kimi'ye eklenen 3D Make özelliği ise kullanıcıların oluşturulan modelleri çevrimiçi ön izlemesine, düzenlemesine ve 3D baskı için indirmesine imkân veriyor. Bu özellik, modelin kod üretme yeteneğini doğrudan kullanılabilir bir tasarım arayüzüne taşıyor.

Token fiyatı düştü, görev maliyeti  değişmedi

K3.1 Pro'nun API fiyatı milyon girdi tokenı başına 2 dolar, milyon çıktı tokenı başına 10 dolar. Önbellekten okunan bir milyon girdi tokenı için ücret 0,20 dolar olarak belirlenmiş durumda. Kimi K3'te girdi 3 dolar, çıktı 15 dolardı. Yeni tarifede bu iki kalemde yaklaşık üçte birlik indirim var.

Ancak daha düşük token fiyatı, her işin aynı oranda ucuzlayacağı anlamına gelmiyor. Artificial Analysis'in Intelligence Index ölçümünde görev başına maliyet Kimi K3'te 2 dolarken yeni modelde 1,98 dolar oldu. K3.1 Pro'nun görev başına ürettiği çıktı miktarının yüzde 14 artması, birim fiyat indirimine rağmen toplam maliyetin neden yakın kaldığını açıklıyor.

Daha hızlı yanıt isteyenler için Kimi K3.1 Pro Highspeed de sunuluyor. Moonshot bu sürümün standart modele göre iki ila üç kat hızlı çalıştığını belirtiyor. Highspeed'in milyon token başına girdi ücreti 4, çıktı ücreti 20 dolar. Model ailesine Kimi'nin web arayüzünden, mobil uygulamalarından ve API üzerinden erişilebiliyor.

Açık sürümden önce siber güvenlik ayarı

Moonshot, açık ağırlık sürümüne hazırlanırken siber saldırı yeteneklerini artıran eğitim verilerini ara eğitim ve pekiştirmeli öğrenme aşamalarından çıkardığını açıkladı. Şirket, genel kodlama becerisini korurken serbestçe indirilebilen modelin saldırı amaçlı kullanım kapasitesini sınırlamayı hedefliyor.

Bu müdahalenin etkisi şirketin xdev-bench-hard testinde görülüyor. Güvenlik açığı bulma ve kullanma görevlerini içeren değerlendirmede, ilgili verilerin çıkarılmadığı model yüzde 90,5 başarıya ulaşırken son K3.1 Pro sürümü yüzde 81'de kalıyor. Kimi K3'ün aynı testteki sonucu yüzde 33,3. Dolayısıyla eğitimdeki kısıtlamaya rağmen önceki sürüme göre belirgin bir artış sürüyor.

Artificial Analysis'in değerlendirmesine göre K3.1 Pro'nun ağırlıkları yayımlandığında model, mevcut sonuçlarla açık ağırlıklı modeller arasında ilk sıraya yerleşecek. Lider açık ve kapalı modeller arasındaki puan farkı da 12'den 3'e inecek. Bu tahmin, ağırlıkların yayımlanmasına kadar sıralamada başka bir değişiklik olmaması şartına bağlı.