يُطلق Kimi K3.1 Pro في المركز 4 على مؤشر الذكاء من Artificial Analysis بدرجة 55، محققاً مكاسب كبيرة في الأداء الوكيلي؛ وسوف يكون النموذج الرائد ذا الأوزان المفتوحة بمجرد نشر أوزانه
يحقق نموذج الاستدلال الجديد من @Kimi_Moonshot مكسباً قدره 11 نقطة مقارنة بـ Kimi K3 (بحد أقصى 44). يسبقه فقط Claude Opus 5.5 (بحد أقصى مع البديل 58)، وClaude Sonnet 5.5 (بحد أقصى مع البديل 56)، وMuse Wonder Full (بحد أقصى 56) على مؤشر الذكاء.
بمجرد إطلاق أوزان K3.1 Pro سيكون النموذج ذا الأوزان المفتوحة الأعلى درجة، وستتقلص الفجوة بين النماذج الرائدة ذات الأوزان المفتوحة والنماذج الاحتكارية على مؤشر الذكاء من 12 نقطة إلى 3.
أبرز النتائج:
➤ مكاسب كبيرة في الأداء الوكيلي: يحصل Kimi K3.1 Pro على المركز 3 على GDPval-AA بمقدار 1,846 Elo، بزيادة 312 Elo عن Kimi K3، ومتأخراً فقط عن Claude Opus 5.5 (1,866 Elo) وMuse Wonder Full (1,857 Elo). كما يحقق Kimi K3.1 Pro أعلى درجة بين جميع النماذج على Terminal-Bench 4.0. يحصل K3.1 Pro على 67%، ارتفاعاً من 13% لـ Kimi K3 ومتقدماً على Claude Sonnet 5.5 (64%). يرتفع AutomationBench-AA، الذي يختبر سير عمل SaaS الوكيلي، من 58% إلى 73%.
➤ المكاسب في التقييمات الأخرى أكثر اعتدالاً: يرتفع Humanity's Last Exam من 47% إلى 52%، وCritPt من 23% إلى 25%، وSciCode من 59% إلى 61%. يرتفع مؤشر AA-Omniscience من 20 إلى 30، إذ ينخفض معدل الهلوسة من 53% إلى 44% وترتفع الدقة من 48% إلى 51%.
➤ التكلفة لكل مهمة تعادل تقريباً تكلفة Kimi K3 عند 1.98 دولار لكل مهمة: يستخدم K3.1 Pro ما يبلغ 55K رمز إخراج لكل مهمة في مؤشر الذكاء، أي أكثر بـ 14% من Kimi K3 عند 48K، في حين أن أسعار الرموز الخاصة به من الطرف الأول أقل بـ 33%.
تفاصيل إضافية عن النموذج:
➤ نافذة السياق: 1M رمز.
➤ الحجم: 2.8T إجمالي، 104B معامل فعّالة
➤ وسائط الإدخال: النص والصورة
➤ الأوزان والترخيص: الأوزان غير منشورة حالياً، ويُتوقع أن تطلق Moonshot الأوزان بعد فترة قصيرة من الإطلاق
➤ الأسعار: $2/$10/$0.20 لكل 1M رمز إدخال/إخراج/إصابة ذاكرة تخزين مؤقت، أي أقل بنسبة 33% من Kimi K3 في جميع الأسعار الـ 3.
تهانينا لفريق @Kimi_Moonshot على الإطلاق!