Moonshot AI, açık ağırlıklı Kimi K3.1 Pro’yu tanıttı
Pekin merkezli yapay zekâ şirketi Moonshot AI, Kimi K3.1 Pro ile açık ağırlıklı modeller ile kapalı öncü modeller arasındaki farkı bir kez daha daralttı. Şirketin teknik blogunda 23 Ekim’de duyurduğu model, Terminal-Bench 4.0’da yüzde 65,7 başarı elde etti. Bu test, kodlama ajanlarını terminal ortamındaki gerçekçi görevler üzerinden ölçüyor. Skor, Anthropic’in Claude Opus 5.5 modelinin (yüzde 66,4) yalnızca 0,7 puan gerisinde. OpenAI’ın GPT-6 Astra modelinin (yüzde 58,2) ise belirgin biçimde önünde.
Model; Kimi uygulamaları, Kimi Work, Kimi Code ve API üzerinden kullanılabiliyor. Tam model ağırlıklarının en geç 4 Kasım’da yayımlanması planlanıyor. Bu tarihten sonra şirketler modeli kendi sunucularında çalıştırıp özelleştirebilecek.
Kimi K3.1 Pro’nun öne çıkan rakamları
Kimi K3.1 Pro, temmuzda tanıtılan Kimi K3’ün aynı mimari üzerinde çok daha fazla hesaplama gücüyle yeniden eğitilmiş (post-training) sürümü. Moonshot, pekiştirmeli öğrenmeyi yüzlerce farklı alanda aynı anda ölçekleyebilmek için eğitim altyapısının her katmanını elden geçirdiğini söylüyor.
- Toplam parametre: 2,8 trilyon (uzman karışımı mimarisinde her adımda 104 milyarı aktif)
- Bağlam penceresi: 1 milyon token
- Terminal-Bench 4.0: yüzde 65,7
- BenchCAD (CAD koduyla 3D yeniden yapılandırma, araçlarla): yüzde 92,7
- OfficeQA Pro v2 (finansal belge analizi): 64,4 puan
- Highspeed sürümü: standart modelden 2–3 kat hızlı
Kodlamadan 3D tasarıma: model neyi daha iyi yapıyor?
Moonshot, K3.1 Pro’yu küçük hata düzeltmelerinden uçtan uca proje geliştirmeye kadar geniş bir yazılım yelpazesinde konumluyor. Model Unity, Unreal Engine ve Godot gibi oyun motorlarıyla çalışabiliyor. Web araması ve 3D üretimini bu motorlarla birleştirerek eksiksiz bir oyun deneyimi kurabiliyor.
Şirketin paylaştığı uzun soluklu bir iç testte model, açık kaynaklı bir insan anatomisi modeli üzerinde yürüme simülatörü geliştirdi. Yüzlerce görev ve değerlendirme turunun ardından, başta birkaç saniyede yere yığılan sanal insan 11 saniyeyi aşan süre boyunca adım adım yürüyebilir hale geldi.
3D tarafında model, metin, eskiz ya da referans görselden şekil ve oranları çıkararak kullanılabilir modeller oluşturuyor. Blender ve CAD yazılımları için betik yazıp çalıştırarak geometri, malzeme ve sahne düzenini değiştirebiliyor. Bu yetenek Kimi uygulamasında “3D Make” adıyla son kullanıcıya da açıldı. Üretilen modeller 3D yazıcıya hazır biçimde indirilebiliyor.
Finans ve doğruluk tarafında ne değişti?
Finans, Moonshot’un bu sürümde öne çıkardığı üçüncü alan. Şirketin iç testlerinde K3.1 Pro, finansal modellemede K3’e göre 7,2 puan, finansal araştırmada 11,6 puan ilerledi. Simüle bir işletmeyi uzun süre yönetme testinde ise öncülünün yaklaşık 4,2 katı performans gösterdi.
Finansal analizdeki en kritik sorun olan uydurma bilgi (halüsinasyon) oranında da düşüş var. Modelleri hataya zorlamak için tasarlanmış iç test setinde, iddia bazında hatalı bilgi oranı yüzde 23,4’ten yüzde 8,3’e indi. Moonshot, bu oranın günlük kullanımdaki genel hata oranını yansıtmadığının altını çiziyor.
Açık ağırlık kararı ve siber güvenlik tartışması
Duyurunun en dikkat çekici bölümü siber güvenlik. Moonshot, eğitim büyüdükçe modelin yazılım açığı bulma ve istismar etme becerisinin de arttığını fark etti. Bu nedenle açık ağırlıklı sürüm için iki eğitim aşamasından siber güvenlikle ilişkili verileri çıkardığını açıkladı. Şirketin kendi testinde bu önlemler alınmamış sürüm görevlerin yüzde 90,5’ini çözerken, yayımlanacak model yüzde 81’de kaldı.
Şirket, açık ağırlıklarla siber yeteneklerin mutlak sınırını ileri taşımamayı ama bu seviyeyi kademeli olarak yükseltmeyi hedeflediğini söylüyor. Yine de açık ağırlıklar bir kez yayımlandıktan sonra geri çekilemiyor. Notebookcheck’in aktardığına göre bir şirket, modelin güvenlik önlemlerini yayının ardından kaldırmayı planladığını şimdiden duyurdu.
