Egymillió tokenes kontextusablakot kapott a Kimi K3.1 Pro
Dokumentumok és kódok nagy gyűjteményét kezelheti egyetlen feladaton belül a Moonshot AI új modellje. A kínai cég az eddigi legerősebb nyílt súlyú modelljeként mutatta be a Kimi K3.1 Pro változatot, de a teljes modellsúlyokat csak 2026. november 4-ig ígéri. A közölt teszteredmények összevetésénél több eltérésre is figyelni kell.
A szolgáltatásokban már elérhető, a súlyok később jönnek
A Kimi K3.1 Pro és a gyorsabb Kimi K3.1 Pro Highspeed a Kimi.ai, a Kimi Work, a Kimi Code és a Kimi API felületén érhető el. A Moonshot AI szerint a Highspeed változat két-háromszor gyorsabban adhat választ a standard modellnél.
Az egymillió tokenes kontextusablak dokumentumok, programkód és más anyagok nagy gyűjteményének együttes feldolgozását támogatja egy feladaton belül. A szolgáltatáson keresztüli hozzáféréstől külön ütemezést kapott a teljes modellsúlyok közzététele: ennek ígért határideje 2026. november 4.
Kisebb kódjavítástól teljes szoftverprojektekig szánják
Az új modell a Kimi K3 továbbtanított változata. A gyártó közlése szerint ehhez jelentősen több számítási kapacitást használt, és a tanításhoz használt infrastruktúra több elemét átdolgozta. A vállalat ezeknek a változtatásoknak tulajdonítja a javulást több értékelési kategóriában.
A Moonshot AI fejlesztésre, kutatásra, pénzügyi elemzésre és 3D-s tartalmak készítésére ajánlja az újdonságot. Állítása szerint a képességei kisebb kódmódosításoktól teljes szoftverprojektekig terjednek. Támogatja a Unity, az Unreal Engine és a Godot használatát, valamint a webes kutatást és a 3D-modellező eszközökkel végzett munkát.
A tesztszámok nem alkotnak egységes összehasonlítást
A Moonshot AI által közölt eredmények belső tesztekből, külső ranglistákból és harmadik felek értékeléseiből származnak. Eltérhetett a tesztkörnyezet, a hozzáférhető eszközök köre és a pontozási eljárás is. A forrás ezért óvatos értelmezést javasol: a számok nem tekinthetők egységes összehasonlításnak.
A Terminal-Bench 4.0 korlátozott terminálfeladatokon értékeli a programozó ügynököket. Itt a Kimi K3.1 Pro közölt eredménye a GPT-6 Astra fölött, a Claude Opus 5.5 alatt állt. A 3D-modellezést vizsgáló BenchCAD eszközhasználattal végzett mérésében mindkét összevetett versenytárs magasabb pontszámot kapott.
| Teszt | Kimi K3.1 Pro | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65,7% | 58,2% | 66,4% |
| BenchCAD, eszközökkel | 92,7% | 95,9% | 96,2% |
| BenchCAD, eszközök nélkül | 72,8% | - | 73% |
Pénzügyi feladatokon is javulásról számoltak be
A pénzügyi tesztek között szereplő OfficeQA Pro v2 mérésben a Kimi K3.1 Pro 64,4%-ot ért el a beszámoló szerint. A cég saját értékelései a Kimi K3 modellhez képest előrelépést mutattak a pénzügyi modellezésben, a pénzügyi elemzésben és a szimulált üzleti folyamatokban is.
A cikk mesterséges intelligencia segítségével készült; a szerkesztőség ellenőrizte és jóváhagyta. Impresszum