Çinli yapay zekâ şirketi Moonshot AI, Kimi model ailesinin yeni üyesi Kimi K3.1 Pro’yu tanıttı. Şirketin “3 trilyon sınıfı” olarak tanımladığı model, 1 milyon token’lık bağlam penceresine sahip. Kodlama, 3B tasarım, finansal araştırma ve çok adımlı ajan görevlerinde belirgin iyileşmeler vaat ediyor. Model şimdilik Kimi.ai, Kimi Work, Kimi Code ve Kimi API üzerinden kullanılabiliyor. Moonshot, modelin tam ağırlıklarını 4 Kasım 2026’ya kadar yayımlayacağını açıkladı.
Teknik özellikler ve fiyat
Bağımsız değerlendirme kuruluşu Artificial Analysis’in aktardığına göre model toplam 2,8 trilyon parametreye sahip ve her adımda bunların yaklaşık 104 milyarını etkin olarak kullanıyor. Metin ve görsel girdileri kabul ediyor. K3.1 Pro, yeni bir model değil, Kimi K3’ün çok daha fazla hesaplama gücüyle sonradan eğitilmiş (post-training) bir sürümü.
API fiyatı milyon girdi token’ı için 2 dolar, milyon çıktı token’ı için 10 dolar, önbellekten okunan girdiler için ise 0,20 dolar. Bu fiyatlar, önceki Kimi K3’e göre yüzde 33 daha düşük. Geliştirici Simon Willison, bu fiyatın GPT-6.1 Sol ile aynı, Claude Opus 5.5’in ise yarısı düzeyinde olduğunu not ediyor. Moonshot ayrıca 2–3 kat daha hızlı çalışan ve iki kat fiyatlı bir “Highspeed” sürüm de sundu. Kurumsal Kimi hesaplarında model varsayılan olarak kapalı geliyor ve yöneticilerin açması gerekiyor.
Testler ne söylüyor?
Moonshot’ın kendi açıkladığı sonuçlara göre K3.1 Pro, kodlama ajanlarını gerçekçi terminal görevlerinde ölçen Terminal-Bench 4.0’da yüzde 65,7 puan alarak GPT-6 Astra’nın (yüzde 58,2) önüne geçti ve Claude Opus 5.5’in (yüzde 66,4) hemen gerisinde kaldı. Bağımsız ölçüm yapan Artificial Analysis ise modeli kendi “Zekâ Endeksi”nde 55 puanla dördüncü sıraya yerleştirdi. Önünde yalnızca Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) ve Muse Wonder Full (56) bulunuyor. Kuruluşa göre ağırlıklar yayımlandığında K3.1 Pro en yüksek puanlı açık ağırlıklı model olacak ve açık modellerle kapalı modeller arasındaki fark 12 puandan 3 puana inecek.
Şirket, modelin finans gibi doğruluğun kritik olduğu alanlarda daha az “uydurma” yaptığını da iddia ediyor. Kendi zorlayıcı iç testinde iddia düzeyindeki halüsinasyon oranının yüzde 23,4’ten yüzde 8,3’e düştüğünü söylüyor, ancak bu oranların günlük kullanımdaki genel hata oranını yansıtmadığını da ekliyor. Artificial Analysis’in bilgi doğruluğu testinde ise halüsinasyon oranı yüzde 53’ten yüzde 44’e geriledi. Yani iyileşme var, ama bağımsız ölçümde model hâlâ bilmediği pek çok soruda yanıt uydurmayı tercih edebiliyor.
Siber güvenlik için “bilinçli frenleme”
Duyurunun en ilginç kısımlarından biri, açık ağırlıklı bir modelin kötüye kullanım riskine dair yaklaşım. Moonshot, eğitim büyüdükçe modelin güvenlik açığı bulma ve istismar etme becerisinin de arttığını gözlemlediğini, bu nedenle hem ara eğitim verisinden hem de pekiştirmeli öğrenme ortamlarından siber saldırıyla ilgili içerikleri çıkardığını açıkladı. Şirketin iç testinde bu önlemler alınmadan eğitilen sürüm görevlerin yüzde 90,5’ini çözerken, yayımlanan K3.1 Pro yüzde 81’de kaldı. Moonshot, açık ağırlıklı bir modelle siber saldırı yeteneğinin “mutlak sınırını” genişletmeyi hedeflemediğini vurguluyor.
Yapay zekâ okuryazarlığı açısından: Açık model, açık sorular
Ağırlıkları açılan güçlü bir model, kurumların veriyi kendi sunucularında tutarak yapay zekâ kullanabilmesi ve araştırmacıların modeli inceleyebilmesi açısından önemli bir fırsat. Ancak bazı noktaları akılda tutmak gerekiyor. Birincisi, testlerin önemli bir kısmı şirketin kendi ölçümleri ve bağımsız olarak doğrulanmaları zaman alacak. İkincisi, 2,8 trilyon parametreli bir modeli kendi altyapısında çalıştırmak çok güçlü donanım gerektiriyor. “Açık” olması, herkesin kolayca kullanabileceği anlamına gelmiyor. Üçüncüsü, yanıt doğruluğundaki iyileşmeye rağmen finans ya da sağlık gibi alanlarda modelin çıktıları mutlaka kaynağıyla ve uzman gözüyle kontrol edilmeli. Son olarak, bir modelin hangi ülkede geliştirildiği değil, verinizin nerede işlendiği ve hangi şartlarla saklandığı sorulmalı.
Kaynak: Moonshot AI, Artificial Analysis, Simon Willison
