Čínská firma Moonshot AI vydala nový model umělé inteligence Kimi K3.1 Pro. Podle vlastních testů se v programování drží těsně za modelem Claude Opus 5.5 od Anthropicu a v některých úlohách předbíhá GPT-6 Astra od OpenAI. Firma ho nabízí výrazně levněji než předchozí verzi a slibuje, že do 4. listopadu zveřejní takzvané otevřené váhy. To znamená, že si model bude moct kdokoli stáhnout a provozovat na vlastních serverech bez závislosti na službách Moonshotu.
Mnohem víc tréninku
Jde o vylepšenou verzi loňského modelu Kimi K3, kterou firma podrobila mnohem delšímu a náročnějšímu doučování. Model se učil metodou pokusu a omylu ve stovkách různých oborů od programování přes finance až po práci s 3D grafikou. Aby takový trénink fungoval spolehlivě, museli inženýři v Moonshotu předělat prakticky celé zázemí od výpočetní infrastruktury po bezpečná testovací prostředí, ve kterých si model zkouší svoje řešení.
Patří do kategorie obřích modelů se zhruba třemi biliony parametrů. Zvládne pracovat s kontextem o velikosti milionu tokenů, což zjednodušeně znamená, že najednou udrží v hlavě celé rozsáhlé dokumenty nebo velké softwarové projekty. Vedle standardní verze firma vydala i variantu Highspeed, která odpovídá dvakrát až třikrát rychleji.
Výdrž nejen při programování
Moonshot model cílí hlavně na programování a na dlouhé úlohy, při kterých musí AI samostatně postupovat krok za krokem. Kimi K3.1 Pro opravuje chyby ve skutečném kódu, staví celé projekty a umí pracovat s herními enginy Unity, Unreal Engine a Godot. Webové stránky a interaktivní 3D scény, které vytvoří, mají podle firmy lepší kompozici, písmo i animace.
Jak daleko jeho vytrvalost sahá, ukazuje jeden firemní pokus. Model dostal za úkol naučit simulovaného člověka chodit. Pracoval s otevřeným anatomickým modelem lidského těla, který obsahuje 296 částí kostry a 402 svalů. Během 167 úkolů a 420 kontrol sám vyhodnocoval výsledky, hledal chyby a upravoval řízení pohybu. Postavička, která se zpočátku během pár sekund zhroutila, nakonec plynule kráčela střídavými kroky přes 11 sekund. Když se nedařilo zlepšit pohyb paží, model nezkoušel donekonečna to samé. Prověřil samotnou simulaci, objevil 36 chyb ve výpočtech ramenních svalů, opravil je a teprve pak trénink spustil znovu.
3D modely na počkání
Silnou stránkou nového modelu je práce s prostorem. Z textového zadání, náčrtu nebo fotky dokáže odvodit tvar i proporce předmětu a vytvořit použitelný 3D model. Daří se mu hlavně u strojních součástek, architektonických modelů nebo nábytku na míru. Umí si sám napsat a spustit skripty pro programy jako Blender nebo CAD software a v nich model dál upravovat.
V testu BenchCAD, který zkoumá přesnost rekonstrukce 3D objektů podle obrázků z několika úhlů, získal téměř 93 procent. Claude Opus 5.5 a GPT-6 Astra jsou na tom o něco lépe, oba se pohybují kolem 96 procent. Firma zároveň na webu a v aplikaci spustila funkci 3D Make, ve které si uživatelé mohou 3D modely prohlédnout, upravit, stáhnout pro 3D tisk nebo vyexportovat jako video.
Finance a méně vymýšlení
Moonshot model hodně trénoval i na finanční analýzu. V testu OfficeQA Pro v2, kde AI dohledává a ověřuje čísla napříč skutečnými finančními dokumenty, dosáhl nejlepšího výsledku ze všech srovnávaných modelů. V interních testech se oproti verzi K3 zlepšil o zhruba 7 bodů ve finančním modelování a o necelých 12 bodů ve finančním výzkumu. Při simulovaném řízení firmy si vedl přibližně čtyřikrát lépe než jeho předchůdce.
Ve financích rozhoduje přesnost, a tak se vývojáři zaměřili i na omezení vymýšlení. V interním zátěžovém testu plném chytáků klesl podíl smyšlených tvrzení z více než 23 procent u K3 na zhruba 8 procent. Firma ovšem upozorňuje, že test je záměrně nastavený tvrdě a tato čísla neodpovídají běžnému používání. Nejméně chyb v něm dělal GPT-6 Astra.
Hackerské schopnosti firma úmyslně ořezala
S rostoucími schopnostmi modelu rostla i obava z jeho zneužití k útokům na software. Vývojáři zjistili, že dovednosti v hledání a zneužívání bezpečnostních chyb se do modelu dostávaly nenápadně z běžných tréninkových dat. Pro verzi určenou ke stažení proto tato data cíleně odstranili.
Rozdíl je znát. Verze bez úprav vyřešila v interním testu útoků na software přes 90 procent úloh, výsledný K3.1 Pro pak 81 procent. Moonshot tvrdí, že model v této oblasti záměrně zaostává za nejlepšími uzavřenými modely konkurence. Zároveň věří, že volně dostupný model pomůže hlavně těm, kdo chtějí vlastní software zabezpečit, včetně starších systémů.
Srovnání s konkurencí
V testu Terminal-Bench 4.0, který zkoumá plnění skutečných úkolů v příkazové řádce, získal K3.1 Pro necelých 66 procent. Předběhl tak GPT-6 Astra s 58 procenty a jen těsně zaostal za Claude Opus 5.5, který má 66,4 procenta. V interním testu dlouhých programátorských úloh se oproti K3 zlepšil z 56 na 61 procent.
Většinu měření ale provedl sám Moonshot a srovnávané modely nepracovaly vždy se stejnými nástroji. Nezávislejší pohled nabízí společnost Artificial Analysis, která modelu přidělila 55 bodů ve svém indexu inteligence. To ho v době zveřejnění řadilo mezi úplnou špičku.
Cena je hlavním lákadlem
Nejsilnějším argumentem nového modelu je cena. Standardní verze stojí přes API 2 dolary za milion tokenů na vstupu a 10 dolarů za milion tokenů na výstupu. Pokud se části textu opakují a model je má uložené v mezipaměti, cena vstupu klesá na 20 centů. Předchozí K3 stál 3 a 15 dolarů, takže nový model zlevnil o třetinu. Podle vývojáře a blogera Simona Willisona tak stojí stejně jako GPT-6.1 Sol a polovinu toho, co si účtuje Claude Opus 5.5.
Rychlejší varianta Highspeed vyjde na dvojnásobek, tedy 4 dolary za vstup a 20 dolarů za výstup. Cena za text z mezipaměti zůstává stejná. Inteligencí ani velikostí kontextu se obě verze neliší, Highspeed tedy dává smysl tam, kde na odpověď čeká člověk, například u programátorských asistentů nebo zákaznické podpory.
Dostupnost
Kimi K3.1 Pro je k dispozici na webu Kimi.ai a v mobilních aplikacích pro iOS, Android a HarmonyOS. Používat ho lze i v desktopové aplikaci Kimi Work od verze 3.1.0 pro Windows a Macy s čipy Apple, v programátorském nástroji Kimi Code přes příkaz /model a přes API pod názvy kimi-k3.1-pro a kimi-k3.1-pro-highspeed. Zákazníci API si mohou zapnout režim, ve kterém firma jejich data neukládá, a model nabízí i služba OpenRouter. Ve firemní verzi Kimi je nový model ve výchozím nastavení vypnutý a zpřístupnit ho musí správce organizace.
