Moonshot AI השיקה את Kimi K3.1 Pro ב-23 באוקטובר. מדובר בגרסה שעברה אימון נוסף (post-trained) של מודל Kimi K3 של החברה, ומגיעה עם גרסה מהירה יותר, K3.1 Pro Highspeed. לשתי הגרסאות חלון הקשר של מיליון טוקנים. Moonshot מתארת את K3.1 Pro כמודל משקלות פתוחים מסוג "3T-class", ומציינת שהמשקלות המלאים יפורסמו עד 4 בנובמבר 2026.

היכן ניתן להשתמש בו

K3.1 Pro זמין באתר Kimi.ai, באפליקציות הנייד של Kimi, ב-Kimi Work וב-Kimi Code, וכן דרך ממשק ה-API של Kimi תחת השמות kimi-k3.1-pro ו-kimi-k3.1-pro-highspeed. Moonshot מציינת שגרסת Highspeed רצה פי 2 עד 3 מהר יותר מהמודל הרגיל. ב-Kimi Enterprise האפשרות כבויה כברירת מחדל בעת ההשקה ויש להפעיל אותה על ידי מנהל מערכת, וללקוחות ה-API זמינה אפשרות של אפס שמירת נתונים (zero data retention). ההודעה אינה כוללת מחירי API, מספר פרמטרים או את רישיון המשקלות הפתוחים.

נתוני אמות המידה של Moonshot

כל הנתונים שלהלן מגיעים מהפוסט הרשמי של Moonshot ולא נבדקו באופן עצמאי. חלקם מבוססים על אמות מידה פנימיות של Moonshot.

קוד: במבחן Terminal-Bench 4.0, Moonshot מדווחת על 65.7% עבור K3.1 Pro, לעומת 66.4% עבור Claude Opus 5.5 ו-58.2% עבור GPT-6 Astra.
הזיות: במבחן הפנימי Kimi Hallu Bench (קבוצת המבחנים הקשים, עם כלים, ככל שהניקוד נמוך יותר כך טוב יותר), K3.1 Pro מקבל ניקוד של 8.3, ירידה מ-23.4 עבור K3, לעומת 5.5 עבור GPT-6 Astra ו-15.0 עבור Claude Opus 5.5.
עבודות פיננסים ומשרד: 64.4 במבחן OfficeQA Pro v2, שאותו Moonshot מכנה המוביל בתחום (state of the art), ו-57.6 לעומת 50.4 עבור K3 במבחן הפנימי למודלים פיננסיים.
מידול תלת-ממדי: 92.7 במבחן BenchCAD עם כלים, מאחורי Claude Opus 5.5 (96.2) ו-GPT-6 Astra (95.9).

Moonshot מציינת גם שהסירה נתונים הקשורים לסייבר מחלקים מתהליך האימון לקראת ההשקה כמודל משקלות פתוחים, ושיכולת הסייבר של המודל נותרת מאחורי מודלים קנייניים מתקדמים הזמינים לציבור. במבחן הסייבר הפנימי, K3.1 Pro מקבל ניקוד של 81.0, לעומת 90.5 עבור גרסת Kimi שאומנה ללא הצמצום הזה.

למי זה חשוב

אם מבחנים עצמאיים יאשרו את הנתונים של Moonshot, K3.1 Pro יהפוך למודל להורדה שקרוב ל-Claude Opus 5.5 במשימות קוד. זה חשוב בעיקר לחברות שרוצות להריץ מודל על השרתים שלהן עצמן במקום לשלוח נתונים לממשק API בענן. מודל בגודל כזה מצריך אשכול שרתים, לא מחשב נייד.

מה המשמעות עבור מי שבוחר מודל

אם אתם מחפשים מודל פתוח שתוכלו לארח בעצמכם, כדאי להמתין למשקלות ולבדיקות עצמאיות לפני המעבר. עד אז, DeepSeek הוא מודל משקלות פתוחים נפוץ, והכתבה DeepSeek vs ChatGPT מראה כיצד מודל פתוח משתווה לעוזר סגור.

אם אתם זקוקים בעיקר לחלון הקשר ארוך, ניתן כבר כעת לנסות את K3.1 Pro באתר Kimi.ai עם חוזה ארוך או בסיס קוד ולבחון את התוצאות על החומר שלכם עצמכם.