Moonshotov Kimi K3.1 Pro koketira s vodećom pozicijom među modelima s otvorenim težinama usred optužbi o plaćenim influencerima

Kineska AI tvrtka Moonshot predstavila je u petak Kimi K3.1 Pro, svoj najnoviji veliki jezični model (LLM). Riječ je o naknadno treniranoj inačici modela Kimi K3 s tri bilijuna parametara, koju je tvrtka objavila u srpnju. Moonshot tvrdi da model postiže visoke rezultate na vanjskim mjerilima, a to potvrđuje i Artificial Analysis, tvrtka za testiranje AI modela. Zbog toga se očekuje da će Kimi K3.1 Pro postati vodeći model s otvorenim utezima kada Moonshot objavi utege pod otvorenom licencom, najavljeno za 4. studenoga 2026.

Na Intelligence Indexu Artificial Analysisa Kimi K3.1 Pro već prestiže Xiaomijev MiMo-V2.6-Pro, DeepSeek V4.1-Flash-1017, Metin Muse Wonder i OpenAIjev GPT-6 Astra. Model se ističe u složenom kodiranju, financijskoj analizi, 3D stvaranju i radu na softverskoj sigurnosti, a najveća poboljšanja pokazuje u zadacima koji traže ponovljeno kodiranje, korištenje alata, otklanjanje pogrešaka i reviziju. Zasad je dostupan preko aplikacija i razvojnog sučelja (API), a cijene su mu upola niže od Claudea Opusa 5.5 i Metina Muse Wondera za ulaz i izlaz, dok su DeepSeek i Xiaomi i dalje jeftiniji. Istodobno, model je na društvenoj mreži X postao predmet navodnog skandala s plaćenim influencerima.

Kontekst

Kimi K3.1 Pro je veliki jezični model, vrsta AI sustava namijenjena obradi i generiranju teksta te drugim zadacima. „Otvoreni utezi” znače da Moonshot namjerava objaviti parametre modela pod otvorenom licencom, što bi drugima omogućilo pristup i upotrebu. Artificial Analysis je vanjska tvrtka za testiranje AI modela, a Intelligence Index jedno je od njezinih mjerila. API je razvojno sučelje preko kojeg programeri i korisnici pristupaju modelu. Uz to, izvor navodi da je model na X-u obavijen navodnim skandalom s plaćenim influencerima, ali ne iznosi pojedinosti.

Ključne brojke

Model ima tri bilijuna parametara. Objava utega pod otvorenom licencom najavljena je za 4. studenoga 2026. Na Terminal-Bench 4.0 rezultat je porastao s 13% na 67%, ispred Sonnet 5.5 sa 64%. Na CyberGym-E2E-AA skočio je s 58% na 95%, iznad Daybreak Bluea sa 93%. Na Cyber Indexu porastao je s 41% na 64%, ispred DeepSeeka V4.1 Flash 1017 sa 57%. Na AutomationBench-AA rezultat je otišao s 58% na 73%, a na GDPval-AA s 1.534 na 1.846 Elo, treće mjesto iza Opusa 5.5 s 1.866 i Wonder Fulla s 1.857. Intelligence Index porastao je s 44 na 55, uz četvrto mjesto ukupno. Cijene su upola niže od Claudea Opusa 5.5 i Metina Muse Wondera za ulaz i izlaz.

Što to znači

Za razvojne timove terminalni rezultat čini Kimi vrijednim ispitivanja na održavanju repozitorija, otklanjanju pogrešaka i tijekovima rada koji izmjenjuju pregled datoteka, uređivanje koda, pokretanje testova i reagiranje na neuspjehe. Rezultat na poslovnom softveru podupire testiranje agenata koji obavljaju nekoliko povezanih operacija. No izvor naglašava da su to implikacije za odabir pilot-projekata, a ne izmjerena jamstva za vlastite aplikacije tvrtke. Usporedba s Opusom 5.5 pokazuje da Kimi prednjači na AutomationBench-AA (73% prema 70%) i GDP.pdf dokumentnom zaključivanju (31% prema 26%), dok Opus zadržava prednost na Humanity’s Last Exam (61% prema 52%) i CritPt (32% prema 25%).

Zato se odabir po radnom opterećenju nameće umjesto tretiranja ukupnog poretka kao univerzalnog reda.

Što slijedi

Moonshot najavljuje objavu utega pod otvorenom licencom 4. studenoga 2026., što će vjerojatno potvrditi status Kimija K3.1 Pro kao vodećeg modela s otvorenim utezima. Do tada će model biti dostupan preko aplikacija i API-ja, a razvojni timovi moći će ga usporediti s konkurentima na vlastitim zadacima. Ostaje i pitanje navodnog skandala s plaćenim influencerima na X-u, o kojem izvor ne daje dodatne pojedinosti. Tržišno gledano, cijene su mu konkurentne, ali DeepSeek i Xiaomi ostaju jeftiniji, pa će odabir ovisiti o radnom opterećenju i rezultatima na pojedinim mjerilima.