Az AI-élmezőny közelébe lépett a Moonshot új Kimi modellje
A független teszteken nagyot javult a K3.1 Pro, de az olcsóbb tokenár nem feltétlenül jelent olcsóbb feladatmegoldást.
▶ 30 MÁSODPERCBEN
- MI TÖRTÉNT
- A kínai Moonshot AI bemutatta a Kimi K3.1 Pro modellt, amely az Artificial Analysis összesített intelligenciatesztjén a negyedik helyre került.
- MIÉRT FONTOS
- A fejlesztőknek és AI-eszközöket használóknak jobb teljesítményt és alacsonyabb tokenárat kínál, de a hosszabb válaszok növelhetik a feladatonkénti költséget.
- MI JÖN MOST
- A vállalat 2026. november 4-ig tervezi közzétenni a modell súlyait.
Negyvennégyről 55 pontra javult, és a negyedik helyre került az Artificial Analysis (AA) Intelligence Index tesztjén a Kimi K3.1 Pro. A kínai Moonshot AI új modellje már használható; nyílt súlyú kiadását — a letölthető modellparamétereket — november 4-ig ígérik. A heise online beszámolója szerint a vállalat programozásban, 3D-modellezésben és pénzügyi elemzésben az Anthropic Claude Opus 5.5 és az OpenAI GPT-6 Astra versenytársaként mutatja be.
A programozási teszten ugrott a legnagyobbat
A független AA összesített rangsorában a Claude Opus 5.5 58 pontot, a Claude Sonnet 5.5 és a Muse Wonder Full egyaránt 56-ot ért el. A szakmai feladatokat mérő GDPval-AA teszten a Kimi 1846 Elo-ponttal harmadik lett, az 1866 pontos Opus és az 1857 pontos Muse mögött. A Terminal-Bench 4.0 teszten viszont 13-ról 67 százalékra nőtt a sikeraránya: ez az AA legjobb eredménye.
Nem mindenütt ekkora az előrelépés: a Humanity’s Last Exam sikeraránya 47-ről 52 százalékra emelkedett. Az AA-Omniscience teszten a hallucinációk, vagyis a valótlan állításokat tartalmazó válaszok aránya 53-ról 44 százalékra csökkent, tehát továbbra is jelentős. A technikai jelentés főként a több száz feladatterületet lefedő, megerősítéses tanulással végzett utótanításnak tulajdonítja a javulást.
Egymillió tokennyi kontextust kezelhet
A júliusban megjelent Kimi K3 alapjaira épülő modell megtartotta a szakértői részmodelleket használó mixture-of-experts felépítést: 2800 milliárd paraméteréből tokenenként 104 milliárd aktív. Kontextusablaka, vagyis az egyszerre kezelhető tartalom kerete legfeljebb egymillió token; a Kimi Code-ban ez csak a magasabb csomagokban érhető el. Szöveget, képet és videót fogad, válaszként szöveget ad.
A Moonshot szerint önállóan épít szoftverprojekteket, fejleszt játékokat, és saját szkriptjeivel vezérli a Blendert, illetve CAD-tervezőprogramokat. A cég azt is közölte, hogy bizonyos tanítóadatokat és feladatokat eltávolított a támadó kiberképességek korlátozására. A modell a Kimi.com oldalon, mobilalkalmazásokban, a Kimi Work asztali ágensben, a Kimi Code fejlesztőeszközben és a Moonshot programozói felületén, az API-n keresztül használható.
Olcsóbb token, kissé drágább tesztfeladat
Az API-ban egymillió bemeneti token 2 dollár, kimeneti 10 dollár, harmadával kevesebb a K3 áránál; a gyorsítótárból kiszolgált bemenet díja 0,20 dollár millió tokenenként. A Highspeed változat bemeneti ára 4, kimeneti ára 20 dollár millió tokenenként. A Moonshot két-háromszoros sebességet ígér hozzá.
Az AA a normál változatnál másodpercenként körülbelül 74 kimeneti tokent mért, a K3-nál 42-t, az Opus 5.5-nél 97-et; a Highspeed 129-et ért el. A Kimi ugyanakkor Intelligence Index-feladatonként átlagosan 55 000 kimeneti tokent használt, 14 százalékkal többet elődjénél. Az AA aktuális modellprofiljában ezért egy feladat 2,11 dollárba kerül a K3 2,00 dollárjával szemben; az Opus 5.5 maximális gondolkodási beállítással 5,98 dollár.
TECH-SZÓTÁR
- Token
- A modell által feldolgozott szöveg egysége, amely lehet szó, szórész vagy írásjel.
- Mixture-of-experts
- Olyan felépítés, amelyben egy-egy feldolgozási lépéshez csak a szakértői részmodellek egy része aktiválódik.
- Megerősítéses tanulás
- Olyan tanítási módszer, amely jutalmazással tereli a modellt a kívánt eredmények felé.
- Ágens
- Feladatok végrehajtásához szoftveres eszközöket is használó AI-rendszer.
» Követett téma: AI · régió: KÍNA · kulcsszó: Kimi, nyílt súlyú modellek