Moonshot AI uvádí Kimi K3.1 Pro, první model nové řady K3.1

Moonshot AI představila Kimi K3.1 Pro 24. října 2026 jako první model své nové řady K3.1, spolu s jeho rychlejší variantou nazvanou Kimi K3.1 Pro Highspeed. Společnost popisuje K3.1 Pro jako dosud nejschopnější model s otevřenými váhami třídy 3T, s kontextovým oknem o velikosti 1 milionu tokenů.

Podle oznámení je Kimi K3.1 Pro Highspeed dvakrát až třikrát rychlejší než Kimi K3.1 Pro a nabízí totožné schopnosti modelu. Oba modely jsou dostupné v rámci produktové řady Kimi: na Kimi.ai a v mobilních aplikacích Kimi pro iOS, Android a HarmonyOS; v desktopové aplikaci Kimi Work pro Windows a Macy s čipy Apple silicon, ve verzi 3.1.0 nebo novější; v Kimi Code, kde uživatelé model zvolí příkazem /model; a prostřednictvím rozhraní Kimi API, kde jsou modely uvedeny jako kimi-k3.1-pro a kimi-k3.1-pro-highspeed a zákazníci API mají k dispozici možnost nulového uchovávání dat. Správci Kimi Enterprise mohou ve svých organizacích povolit K3.1 Pro; při uvedení na trh je přístup ve výchozím nastavení vypnutý.

Trénování a uváděné výsledky

K3.1 Pro je verze modelu Kimi K3 po dodatečném trénování, vytvořená s využitím výrazně větší výpočetní kapacity při tomto trénování, jak uvádí Moonshot AI. Společnost uvedla, že optimalizovala každou vrstvu technologického stacku, aby umožnila rozsáhlé společné posilované učení napříč stovkami navazujících domén: rámec pro posilované učení, inferenci s dlouhým kontextem, efektivitu trénování, infrastrukturu sandboxu, plánování rolloutů a sdílenou platformu pro kontroly kvality prostředí.

Společnost uvádí, že K3.1 Pro dosáhl v testu Terminal-Bench 4.0, který hodnotí kódovací agenty při realistických úlohách v terminálu s omezenými zdroji, výsledku 65,7 %, čímž předčil GPT-6 Astra s 58,2 %, ale těsně zaostal za Claude Opus 5.5 s 66,4 %. V interním benchmarku Kimi Code Bench 3.0 Long-horizon, který zahrnuje vícekrokové provádění úloh, používání nástrojů a řešení problémů od začátku do konce, dosáhl K3.1 Pro výsledku 61,2 %, zatímco K3 dosáhl 55,95 %. V testu BenchCAD, který hodnotí rekonstrukci 3D objektů z více pohledů prostřednictvím generování kódu CAD, dosáhl K3.1 Pro s nástroji výsledku 92,7 % a přiblížil se tak Claude Opus 5.5 s 96,2 % a GPT-6 Astra s 95,9 %. Funkce 3D Make je dostupná na kimi.ai a v aplikaci Kimi; uživatelům umožňuje prohlížet a upravovat 3D modely online a stahovat je připravené k 3D tisku.

Moonshot AI také uvádí špičkový výsledek 64,4 v testu OfficeQA Pro v2, který ověřuje komplexní analýzu fiskálních údajů v reálných finančních dokumentech, a zmiňuje zlepšení oproti K3 napříč interními finančními benchmarky: o 7,2 bodu v oblasti finančního modelování, o 11,6 bodu v oblasti finančního výzkumu a přibližně 4,2násobný výkon oproti K3 v oblasti obchodních operací. V interním zátěžovém testu faktické přesnosti Kimi Hallu Bench Hard klesla míra halucinací na úrovni jednotlivých tvrzení z 23,4 % u K3 na 8,3 %; podíl odpovědí obsahujících alespoň jednu faktickou chybu přitom činil 42,4 % hodnoty naměřené u předchozího modelu. Blog upozorňuje, že test je záměrně navržen tak, aby prověřoval situace náchylné k chybám, a že uváděné míry nepředstavují celkovou chybovost při každodenním používání.

V jednom interním testu kódování s dlouhým horizontem, který blog popisuje, vytvořil K3.1 Pro simulátor dynamiky lidské chůze založený na projektu human-atlas, open-source anatomickém modelu lidského těla tvořeném 296 kosterními a 402 svalovými komponentami. V rámci 167 úloh a 420 nezávislých hodnocení model iterativně zdokonaloval řídicí systém chůze; když tvarování odměny nevedlo ke zlepšení pohybu paží, spustil testy dynamiky simulátoru v režimu otevřené smyčky, odhalil a opravil 36 chyb ve výpočtech momentových ramen ramenních svalů a řídicí systém znovu natrénoval.

Bezpečnostní opatření v kybernetické oblasti a zásady pro modely s otevřenými váhami

Moonshot AI uvedla, že s rozšiřováním post-trainingu soustavně rostla výkonnost při výzkumu zranitelností, a tento trend přičetla kybernetickému obsahu začleněnému do obecného korpusu pro průběžné trénování a kybernetickým úlohám v souboru prostředí pro posilované učení. Při přípravě modelu K3.1 Pro s otevřenými váhami společnost podle svých slov identifikovala a odstranila kybernetická data z obou fází trénování, přičemž zachovala obecné kódovací úlohy potřebné k tomu, aby byl model užitečný.

V interním benchmarku xdev-bench-hard, který zahrnuje odborníky sestavené úlohy založené na zdrojovém kódu zaměřené na odhalování a zneužívání zranitelností, vyřeší kontrolní bod natrénovaný bez těchto opatření ke snížení rizik 90,5 % úloh při pass@3, zatímco finální K3.1 Pro dosahuje 81,0 %, uvádí blog. Moonshot AI uvedla, že výsledky ukazují, že odstranění dat významně snižuje kybernetické schopnosti oproti tomu, jaké by jinak vytvořil tentýž trénovací postup, a že kybernetické schopnosti K3.1 Pro zůstávají slabší než u špičkových proprietárních modelů, které jsou veřejně dostupné alespoň tři měsíce.

Blog popisuje dvě zásady, kterými se vydání modelu s otevřenými váhami řídí. Zaprvé společnost nechce zveřejňovat otevřené váhy, které by posunuly absolutní hranici kybernetických schopností. Zadruhé hodlá postupně zvyšovat úroveň kybernetických schopností dostupných v modelech s otevřenými váhami; podle společnosti dává nediskriminační přístup více týmům možnost prověřovat kód, který spravují, včetně starších systémů, u nichž se specializované bezpečnostní kontroly provádějí jen zřídka.

Nastavení modelu v Kimi Code

Samostatná dokumentace Kimi Code popisuje, jak jsou modely zpřístupněny vývojářům. Dokumentace uvádí šest ID modelů napříč řadami K3.1 Pro, K3, K2.8 Preview a K2.7 Code Highspeed, popisuje k3.1-pro jako vlajkový model se 3 biliony parametrů a kontextovým oknem až 1 048 576 tokenů pro členy s vyšší úrovní předplatného a uvádí, že verze Highspeed nabízí stejné možnosti, ale spotřebovává přibližně dvojnásobek kvóty. Podle této stránky je K3.1 Pro v Kimi Code plně zpřístupněn.

Podle dokumentace modely K3.1 Pro podporují pouze režim uvažování a požadavky s vypnutým uvažováním jsou odmítnuty s chybou HTTP 400. Oba nové modely přijímají nastavení reasoning_effort low, high nebo max, přičemž výchozí hodnotou je max, a oba podporují vstupní obrazová i video data. V rámci nových plánů členství vyžaduje k3.1-pro plán Plus nebo vyšší, přičemž kontextové okno 1M je vyhrazeno pro plán Pro nebo vyšší; k3.1-pro-highspeed vyžaduje plán Pro nebo vyšší. U starších plánů těmto úrovním odpovídají tarify Moderato a Allegretto.

Dokumentace doporučuje místo přechodu na nové modely uprostřed relace zahájit novou relaci, pro co nejstabilnější výstup používat nativní rozhraní Responses, chat completion nebo message API a v nástrojích třetích stran zadávat přesná ID modelů, protože při překlepu se použije K2.8 Preview bez režimu uvažování.

Společnost uvedla, že úplné váhy modelu Kimi K3.1 Pro zveřejní do 4. listopadu 2026.