Moonshot zveřejnil váhy Kimi K3.1 Pro. Model má 2,8 bilionu parametrů
Čínská laboratoř uvolnila plné váhy modelu s mixture-of-experts architekturou, 104 miliardami aktivních parametrů, milionovým kontextem a vstupem v podobě obrázků. Na několika programovacích benchmarcích překonává GPT-6 Astra, na nejtěžších úlohách ale zaostává za Claudem Opus 5.5.
Co je uvnitř
Kimi K3.1 Pro je mixture-of-experts model s 2,8 bilionu celkových parametrů a 104 miliardami aktivními na token, postavený na 93 vrstvách. Nabízí kontextové okno 1 048 576 tokenů, přijímá text i obrázky a má tři úrovně uvažování: low, high a max.
Moonshot model oznámil 23. října a plné váhy zveřejnil 4. listopadu pod licencí Kimi K3.1 Pro License, tedy vlastní licencí, ne standardní open-source. Self-hosting je vážný infrastrukturní projekt: váhy jsou kvantované na MXFP4 a model potřebuje velký GPU cluster. Moonshot doporučuje vLLM, SGLang nebo TokenSpeed.
Benchmarky: blízko špičce, ale ne všude
Na Terminal-Bench 4.0 skóruje 65,7 %, před GPT-6 Astra (58,2 %) a Claude Fable 5.1 (57,9 %), těsně za Claude Opus 5.5 (66,4 %). Vede srovnání na SWE Marathon v1.1 s 51,7 % a na HLE-Full s nástroji se 70,0 %.
Agentní výsledky jsou také silné: 92,1 % na BrowseComp, 90,0 % na MMMU-Pro s Pythonem a 79,6 % na OSWorld 2.1. Mezery se ukazují na nejtěžším uvažování a programování: 31,5 % na Program Bench proti 65,0 % u Opus 5.5 a 39,4 % na HLE-Diamond proti 65,8 % u Astry.
Moonshot také před vydáním odstranil trénovací materiál související s kyberútoky. V interním exploitačním testu vyřešil ořezaný model 81 % úloh, oproti 90,5 % u neořezané verze, ale stále výrazně víc než Kimi K3 s 33,3 %. Model je dostupný přes aplikace a API Moonshotu, včetně varianty Highspeed, která běží dvakrát až třikrát rychleji.
Co open weights znamenají v praxi
Pro většinu firem je licence méně důležitá než hosting. Model s 2,8 bilionu parametrů normální tým na vlastním serveru neprovozuje. Realistické možnosti jsou API Moonshotu, západní cloud, který ho hostuje, nebo později menší destilovaná verze.
Váhy ale hrají roli u datové suverenity. Banky, nemocnice a týmy veřejné správy, které nemohou posílat data do zahraničního API, mohou model v principu provozovat ve vlastním prostředí. Je to skutečná alternativa, ale vyžaduje GPU kapacitu, MLOps dovednosti a právní posouzení vlastní licence.
Zdroje
Další novinky
DeepSeek otevírá kód autonomního coding agenta
Čínská laboratoř zveřejnila na GitHubu prototyp autonomního programovacího agenta — otevřenou odpověď na Claude Code od Anthropicu.
Číst článekTencent představil Hy4. Open-source model trénoval kyberbezpečnost jen obranně
Čínský gigant ukázal model s viděním, computer use a silnějšími agentními schopnostmi. Z trénovacích dat vyřadil materiály o zneužívání zranitelností a váhy slibuje v následujících dnech.
Číst článek