Moonshot AI, Yeni K3.1 Serisinin İlk Modeli Kimi K3.1 Pro’yu Piyasaya Sürüyor

Moonshot AI, 24 Ekim 2026’da Kimi K3.1 Pro’yu tanıttı. Bu model, şirketin yeni K3.1 serisinin ilk ürünü. Tanıtımda ayrıca Kimi K3.1 Pro Highspeed adlı daha hızlı bir eşlikçi model de duyuruldu. Şirket, K3.1 Pro’yu bugüne kadarki en yetenekli 3T sınıfı açık ağırlıklı modeli olarak tanımlıyor; modelin bağlam penceresi 1 milyon token.

Duyuruya göre Kimi K3.1 Pro Highspeed, aynı model yeteneklerini sunarken K3.1 Pro’dan iki ila üç kat daha hızlı çalışıyor. Her iki model de Kimi ürün ailesinin çeşitli kanallarında kullanılabiliyor: Kimi.ai ve iOS, Android ile HarmonyOS için Kimi mobil uygulamalarında; Windows ve Apple silicon Mac’ler için Kimi Work masaüstü uygulamasının 3.1.0 veya sonraki sürümlerinde; kullanıcıların /model komutuyla modeli seçebildiği Kimi Code’da ve modellerin kimi-k3.1-pro ile kimi-k3.1-pro-highspeed adlarıyla listelendiği Kimi API üzerinden. API müşterileri için Sıfır Veri Saklama da sunuluyor. Kimi Enterprise yöneticileri, kuruluşlarında K3.1 Pro’yu etkinleştirebiliyor; ancak model kullanıma sunulduğunda erişim varsayılan olarak kapalı.

Eğitim ve Bildirilen Performans

K3.1 Pro, Kimi K3’ün sonradan eğitilmiş bir sürümü. Moonshot AI’a göre bu model, son eğitim aşamasında çok daha fazla hesaplama kaynağı kullanılarak geliştirildi. Şirket, yüzlerce alt alanda büyük ölçekli ortak pekiştirmeli öğrenmeyi mümkün kılmak için yığının her katmanını optimize ettiğini belirtti: pekiştirmeli öğrenme çerçevesi, uzun bağlamlı çıkarım, eğitim verimliliği, sanal alan altyapısı, dağıtım planlaması ve ortam kalitesi kontrollerine yönelik paylaşılan platform.

Şirketin bildirdiğine göre gerçekçi ve kaynak kısıtlı terminal görevlerinde kodlama ajanlarını değerlendiren Terminal-Bench 4.0’da K3.1 Pro yüzde 65,7 puan aldı; GPT-6 Astra’nın yüzde 58,2’lik puanını geride bırakırken yüzde 66,4 alan Claude Opus 5.5’in az farkla gerisinde kaldı. Çok adımlı yürütme, araç kullanımı ve uçtan uca problem çözmeyi kapsayan kurum içi bir kıyaslama testi olan Kimi Code Bench 3.0 Long-horizon’da K3.1 Pro yüzde 61,2 puan aldı; K3’ün puanı yüzde 55,95’ti. Çoklu görünüm görsellerinden CAD kodu üretimine uzanan 3B yeniden yapılandırmayı değerlendiren BenchCAD’de K3.1 Pro, araçlarla yüzde 92,7 puan alarak Claude Opus 5.5’in yüzde 96,2’lik ve GPT-6 Astra’nın yüzde 95,9’luk puanlarına yaklaştı. 3D Make özelliği kimi.ai’da ve Kimi uygulamasında kullanıma sunuldu. Bu özellik, kullanıcıların 3B modelleri çevrimiçi olarak önizleyip düzenlemesine ve 3B baskıya hazır hâlde indirmesine olanak tanıyor.

Moonshot AI, gerçek finansal belgeler üzerinden karmaşık mali veri analizini test eden OfficeQA Pro v2’de de 64,4 puanla son teknoloji düzeyinde bir sonuç elde edildiğini bildiriyor. Şirket ayrıca kurum içi finans kıyaslama testlerinde K3’e kıyasla şu artışları kaydediyor: Financial Modeling’de 7,2 puan, Financial Research’te 11,6 puan ve Business Operation’da K3’ün performansının yaklaşık 4,2 katı. Olgusal doğruluğu sınayan kurum içi bir stres testi olan Kimi Hallu Bench Hard’da, modelin iddia düzeyindeki halüsinasyon oranı K3’teki yüzde 23,4’ten yüzde 8,3’e düştü. En az bir olgusal hata içeren yanıtların oranı ise önceki modelin oranının yüzde 42,4’ü düzeyindeydi. Blog yazısında, değerlendirmenin hata olasılığı yüksek durumları sınamak üzere özellikle tasarlandığı ve bildirilen oranların günlük kullanımdaki genel hata oranlarını yansıtmadığı belirtiliyor.

Blog yazısında anlatılan kurum içi uzun vadeli kodlama testlerinden birinde K3.1 Pro, insan vücudunun 296 iskelet bileşeni ve 402 kas bileşeninden oluşan açık kaynaklı anatomik modeli human-atlas üzerine bir insan yürüme dinamiği simülatörü geliştirdi. Model, 167 görev ve 420 bağımsız inceleme boyunca yürüme denetleyicisini yinelemeli olarak iyileştirdi. Ödül şekillendirme kol hareketini iyileştirmeyince simülatörün dinamiklerini açık döngüde sınadı, omuz kaslarının moment kolu hesaplamalarındaki 36 hatayı belirleyip düzeltti ve denetleyiciyi yeniden eğitti.

Siber Güvenlik Kontrolleri ve Açık Ağırlıklara İlişkin İlkeler

Moonshot AI, sonradan eğitim ölçeği büyüdükçe güvenlik açığı araştırma performansının istikrarlı biçimde arttığını gözlemlediğini ve bu eğilimin nedenini genel orta aşama eğitim derlemesine eklenen siber güvenlikle ilgili içeriklere ve pekiştirmeli öğrenme ortamındaki siber güvenlik görevlerine bağladığını belirtti. Şirket, K3.1 Pro’nun açık ağırlıklı sürümünü yayımlarken her iki eğitim aşamasındaki siber güvenlikle ilgili verileri belirleyip çıkardığını, modelin yararlı olmasını sağlayan genel amaçlı kodlama görevlerini ise koruduğunu söyledi.

Şirketin uzmanlarca seçilmiş, kaynak koduna dayalı güvenlik açığı bulma ve istismar etme görevlerinden oluşan kurum içi kıyaslama testi xdev-bench-hard’da, risk azaltma önlemleri uygulanmadan eğitilmiş bir kontrol noktası sorunların yüzde 90,5’ini pass@3 ile çözerken son K3.1 Pro sürümü yüzde 81,0’a ulaşıyor. Blog yazısına göre Moonshot AI, sonuçların veri çıkarmanın siber yetenekleri, aynı eğitim hattının aksi hâlde üreteceği düzeye kıyasla anlamlı ölçüde azalttığını gösterdiğini belirtti. Şirket ayrıca K3.1 Pro’nun siber yeteneklerinin, en az üç aydır kamuya açık olan öncü tescilli modellerin gerisinde kaldığını söyledi.

Blog yazısı, açık ağırlıklı sürümün arkasındaki iki ilkeyi açıklıyor. İlk olarak şirket, siber yeteneklerin mutlak sınırını ileri taşıyacak açık ağırlıkları yayımlamamayı amaçlıyor. İkinci olarak şirket, açık ağırlıklarla kullanılabilen siber yetenek düzeyini aşamalı olarak artırmayı hedefliyor. Şirket, ayrım gözetmeyen erişimin daha fazla ekibe bakımını yaptıkları kodları denetleme imkânı verdiğini; buna, özel güvenlik incelemesinden nadiren geçen eski sistemlerin de dâhil olduğunu belirtiyor.

Kimi Code’da Model Yapılandırması

Ayrı Kimi Code belgeleri, modellerin geliştiricilere nasıl sunulduğunu ayrıntılarıyla açıklıyor. Belgelerde K3.1 Pro, K3, K2.8 Preview ve K2.7 Code Highspeed ailelerinde toplam altı model kimliği listeleniyor; k3.1-pro, üst üyelik seviyesindeki kullanıcılar için 1.048.576 tokene kadar bağlam penceresine sahip, 3T parametreli amiral gemisi model olarak tanımlanıyor. Highspeed sürümünün ise aynı yetenekleri sunduğu, ancak kota kullanımının yaklaşık iki katı olduğu belirtiliyor. Sayfaya göre K3.1 Pro, Kimi Code’da tüm kullanıcılara sunulmuş durumda.

Belgelere göre K3.1 Pro modelleri yalnızca düşünme modunu destekliyor; düşünme devre dışı bırakılarak gönderilen istekler HTTP 400 hatasıyla reddediliyor. Her iki yeni model de varsayılanı max olan low, high veya max değerlerindeki reasoning_effort ayarlarını kabul ediyor ve her ikisine de görüntü ve video girdisi verilebiliyor. Yeni üyelik planlarında k3.1-pro için Plus veya üzeri üyelik gerekiyor; 1M bağlam penceresi ise Pro ve üzeri üyeliklere ayrılmış durumda. k3.1-pro-highspeed için Pro veya üzeri üyelik gerekiyor. Eski planlarda karşılık gelen seviyeler Moderato ve Allegretto.

Belgeler, oturum ortasında yeni modellere geçmek yerine yeni bir oturum başlatılmasını; en kararlı çıktıyı almak için yerel Responses, sohbet tamamlama veya mesaj API’lerinin kullanılmasını ve üçüncü taraf araçlarda model kimliklerinin eksiksiz ve doğru girilmesini öneriyor. Kimlik yanlış yazılırsa sistem, düşünme özelliği olmayan K2.8 Preview modeline geri dönüyor.

Şirketin açıklamasına göre Kimi K3.1 Pro’nun tüm model ağırlıkları 4 Kasım 2026’ya kadar yayımlanacak.