Publicēts atvērto svaru mākslīgā intelekta modelis Kimi K3.1 Pro
Ķīnas uzņēmums Moonshot AI ir publicējis atvērto svaru multimodālo modeli Kimi K3.1 Pro ar 2,8 triljoniem parametru un miljona tokenu konteksta logu. Modelis veidots uz Kimi K3 bāzes, un tā izstrādātāji norāda uz uzlabojumiem programmēšanā un aģentu uzdevumos.
Mākslīgā intelekta izstrādātājs Moonshot AI, kura modeļus publicē platformā Hugging Face, ir atklājis jaunu valodas modeli Kimi K3.1 Pro. Tas ir atvērto svaru modelis, tātad tā apmācītie parametri ir publiski pieejami lejupielādei. Modelis ir dabiski multimodāls, proti, apstrādā gan tekstu, gan attēlus, un paredzēts aģentu uzdevumiem, kuros sistēma patstāvīgi veic vairākus soļus. Izstrādātāji to dēvē par savu spējīgāko modeli no aptuveni triljonu parametru klases.
Uzbūve
Kimi K3.1 Pro ir veidots pēc "ekspertu maisījuma" (Mixture-of-Experts) principa: kopumā tajā ir 2,8 triljoni parametru, bet vienam tokenam tiek aktivizēti 104 miljardi. Modelī ir 896 eksperti, no kuriem katram tokenam izvēlas 16, un papildus ir divi kopīgie eksperti. Konteksta logs ir 1 048 576 tokenu. Salīdzinājumā ar Kimi K3 pilnās uzmanības slāņi aizstāti ar "Gated DeepSeek Sparse Attention" slāņiem, lai efektīvāk apstrādātu garus tekstus. Attēlu apstrādei izmanto 401 miljona parametru kodētāju MoonViT-V2, bet svari kvantizēti MXFP4 formātā.
Rezultāti
Modelis ir pirmais K3.1 sērijā un iegūts, Kimi K3 papildus apmācot ar plašu pastiprinātās mācīšanās procesu simtos jomu. Izstrādātāji norāda uz uzlabojumiem programmēšanā, 3D satura veidošanā, finanšu izpētē un faktu precizitātē. Publicētajās testu tabulās modelis salīdzināts ar Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5, DeepSeek-V4.1-Flash-1017 un GLM-5.3. Piemēram, testā Terminal-Bench 4.0 Kimi K3.1 Pro ieguvis 65,7 punktus, bet Claude Opus 5.5 — 66,4. Citos testos, tostarp Program Bench, tas atpaliek no konkurentiem. Rezultātus galvenokārt ieguvuši paši izstrādātāji, un daļa testu ir iekšēji.
Pieejamība
Modelim var piekļūt ar API platformā platform.kimi.ai, izvēloties kimi-k3.1-pro; API ir saderīgs ar OpenAI un Anthropic formātiem. Ieteicamās izpildes vides ir vLLM, SGLang un TokenSpeed. Domāšanas intensitāti nosaka lauks reasoning_effort ar vērtībām "low", "high" un "max", noklusējumā — "max".
