Čínská laboratoř AI Moonshot AI vydala ve čtvrtek Kimi K3.1 Pro, první model ze své nové řady K3.1 a to, co společnost nazývá svým dosud nejschopnějším modelem s otevřenou váhou, s kontextovým oknem s 1 milionem tokenů. Uvedení na trh také představuje Kimi K3.1 Pro Highspeed, variantu, o které společnost říká, že běží dvakrát až třikrát rychleji než standardní model. Oba jsou okamžitě k dispozici na Kimi.ai, Kimi Work, Kimi Code a Kimi API, s uvedením úplných modelových hmotností do 4. listopadu.

Vydání přistane v nabitém okamžiku závodu otevřených modelů, několik dní poté, co DeepSeek nahlášené kolo financování ve výši 15 miliard dolarů zpřísnilo konkurenci mezi čínskými pohraničními laboratořemi. Bloomberg zarámoval spuštění jako první velký upgrade Moonshot od jeho vlastního „DeepSeek momentu“ a model okamžitě upozornil na Hacker News, kde během několika hodin nasbíral téměř 400 bodů.

Čtvrté místo v indexu umělé analýzy

Hlavní výsledek pochází z indexu Artificial Analysis Intelligence Index, kde Kimi K3.1 Pro získal 55 bodů – o 11 bodů překonal svého předchůdce Kimi K3, což jej řadí na celkové čtvrté místo. Pouze tři proprietární modely mají vyšší hodnocení: Anthropic's Claude Opus 5.5 na 58, Claude Sonnet 5.5 na 56 a Muse Wonder Full na 56, podle Artificial Analysis.

Rozdíl je nejdůležitější pro to, co se stane dál. Pokud Moonshot dodá závaží podle plánu do 4. listopadu 2026, K3.1 Pro by se stal modelem s otevřenými váhami s nejvyšším skóre, který je k dispozici, čímž by se zmenšila vzdálenost mezi nejlepšími otevřenými a proprietárními modely z 12 bodů na 3 – za předpokladu, že se v uplynulých týdnech nic jiného nezmění.

Decoder oznámil, že počet parametrů zůstává na 2,8 bilionu, zatímco Moonshot popisuje systém jako post-trénovanou verzi Kimi K3 postavenou s podstatně většími post-tréninkovými výpočty. Společnost říká, že provedla rozsáhlé společné učení ve stovkách downstream domén, přepracovala rámec RL, dlouhodobou inferenci a sandboxovou infrastrukturu tak, aby každý přírůstek výpočtu přinesl stabilní výnosy.

Agentické kódování je hvězdou show

Nejsilnější přínosy K3.1 Pro se projevují v úlohách agentů. Na Terminal-Bench 4.0, který vyhodnocuje kódovací agenty na realistických terminálových úlohách s omezenými zdroji, má model skóre 65,7 % – před OpenAI GPT-6 Astra s 58,2 % a těsně za Claude Opus 5,5 s 66,4 %. Pro perspektivu, Kimi K3 zvládla ve stejném testu pouhých 13 %.

Na interním Kimi Code Bench 3.0 Long-horizon společnosti Moonshot, který měří vícekrokové provádění a komplexní řešení problémů napříč inženýrskými doménami, K3.1 Pro skóre 61,2 % oproti K3 55,95 %. V agentním benchmarku GDPval-AA sledovaném Artificial Analysis dosahuje model 1 846 Elo — 312 bodů nad K3 a v dosahu Claude Opus 5.5 na 1 866 a Muse Wonder Full na 1 857.

Míra halucinací také prudce klesla. Na interním Kimi Hallu Bench Hard společnosti klesly halucinace na úrovni nároků z 23,4 % s K3 na 8,3 % – ačkoli Moonshot varuje, že benchmark je záměrným zátěžovým testem spíše než mírou obecné chybovosti a GPT-6 Astra stále vede s 5,5 %.

3D scény, herní motory a finanční výzkum

Kromě hrubých benchmarků Moonshot umisťuje K3.1 Pro jako kreativní a profesionální nástroj. Společnost předvedla kompletní zkušenosti s vytvářením modelů napříč herními enginy, včetně Unity, Unreal Engine a Godot, v kombinaci s vyhledáváním na webu a 3D generováním. Jeho přední výstup – interaktivní scény Three.js a 3D aktiva – podle technického blogu společnosti vykazuje silnější kompozici, typografii a animaci než jeho předchůdce.

Moonshot také hlásí zisky v interních finančních benchmarcích, přičemž K3.1 Pro si oproti K3 polepšil o 7,2 bodu ve finančním modelování a 11,6 bodu ve finančním výzkumu a překonal všechny testované modely v benchmarku OfficeQA Pro v2 office-tasks. Stejně jako u všech interních hodnocení hlášených dodavatelem bude skutečným testem nezávislé ověření.

Cena klesla o 33 %

Kromě skoku ve schopnostech Moonshot snížil ceny. K3.1 Pro stojí 2 $ za milion vstupních tokenů a 10 $ za milion výstupních tokenů, se vstupem v mezipaměti za 0,20 $ – podle The Decoder je to zhruba 33% snížení oproti ceně API K3. Vysokorychlostní varianta používá 4 $ za milion vstupních tokenů a 20 $ za milion výstupních tokenů výměnou za její dvakrát až třikrát rychlejší odvození.

Tato cena staví K3.1 Pro hluboko pod úroveň vlajkových lodí proprietárních modelů, na kterých se nyní drží v žebříčcích, což je kombinace, která vysvětluje velkou část nadšení vývojářské komunity. U týmů, které používají agentní pracovní zátěže, které vypalují miliony tokenů, se rozdíl mezi 10 a 25 dolary za milion výstupních tokenů rychle sčítá.

Proč na vydání listopadových vah záleží

Vydání open-weights plánované na 4. listopadu je pravděpodobně skutečným stěžejním bodem příběhu. Závaží Kimi K3 se objevily na Hugging Face na začátku tohoto roku pod povolenou licencí a byly rychle přijaty podniky provozujícími implementace s vlastním hostitelem. Pokud bude K3.1 Pro dodáván, jak bylo slíbeno, s nedotčeným skóre na čtvrtém místě, poskytlo by to vývojářům ke stažení model v dosahu Claude Opus 5.5 – milníku, který dosud žádné otevřené vydání nedosáhlo.

Soupeři nestojí na místě. DeepSeek údajně navyšuje více než dvojnásobek svého původního cíle, nejnovější série Qwen nadále vykazuje silná čísla s otevřenou váhou a západní laboratoře neustále posouvají proprietární strop. Ale trajektorie je jasná: mezera, která tento týden naměřila 12 bodů indexu umělé analýzy, může být do konce roku měřena v jednociferných číslech – nebo méně.

Prozatím jsou K3.1 Pro a K3.1 Pro Highspeed aktivní na spotřebitelských produktech a API Kimi, přičemž odpočítávání vah do 4. listopadu již běží.

---

Stay Ahead of AI

Získejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.

Přečtěte si další zprávy o AI →