Kimi K3.1 Pro: Moonshot wycina z modelu dane o cyberatakach, zanim opublikuje wagi

Moonshot AI zaprezentowało Kimi K3.1 Pro, który firma nazywa swoim najmocniejszym dotąd otwartym modelem klasy 3T (trzech bilionów parametrów) z kontekstem do miliona tokenów. Według opisu Unite.ai, opartego na ogłoszeniu producenta, to pierwszy model serii K3.1 i post-trenowana wersja Kimi K3. Moonshot zapowiada, że pełne wagi opublikuje do 4 listopada 2026 roku. Najciekawsze w premierze są jednak nie same wyniki, lecz sposób, w jaki firma tłumaczy swoją decyzję o otwartości.

Cyberbezpieczeństwo: mniej, ale nie zero

Moonshot przyznaje, że w trakcie post-treningu zdolność modelu do wyszukiwania podatności rosła zauważalnie wraz ze skalowaniem. Firma wiąże to z treściami o cyberbezpieczeństwie w ogólnym korpusie mid-trainingu oraz z zadaniami cyber w mieszance środowisk uczenia ze wzmocnieniem. Do otwartej wersji K3.1 Pro usunęła takie dane z obu etapów treningu, zostawiając zwykłe zadania programistyczne. O tym, że chiński producent ogranicza „hakerskie” możliwości nowego modelu, pisał też Reuters.

Efekt Moonshot mierzy własnym testem xdev-bench-hard, czyli zadaniami z odkrywania i wykorzystywania podatności w kodzie źródłowym. Checkpoint wytrenowany bez tych zabezpieczeń rozwiązuje 90,5 proc. problemów w metryce pass@3, a finalny K3.1 Pro — 81,0 proc. Firma twierdzi, że to dowód na realne obniżenie zdolności, i zapewnia, że model ustępuje pod względem możliwości cyber czołowym modelom o zamkniętych wagach, które są publicznie dostępne od co najmniej trzech miesięcy. Różnica około 9,5 punktu procentowego nie wygląda jednak na radykalne odcięcie. To raczej ostrożne obniżenie poprzeczki, a ocena jego skuteczności opiera się wyłącznie na wewnętrznym benchmarku producenta.

Moonshot formułuje dwie zasady. Po pierwsze, nie chce publikować otwartych wag, które przesunęłyby absolutną granicę możliwości cyber. Po drugie, zamierza stopniowo podnosić poziom cyber dostępny w modelach open-weight. Argumentuje, że niedyskryminacyjny dostęp daje większej liczbie zespołów narzędzia do audytu własnego kodu, także starych systemów, które rzadko przechodzą dedykowane przeglądy bezpieczeństwa.

Co pokazują benchmarki

Wszystkie poniższe liczby pochodzą od Moonshot i nie zostały niezależnie zweryfikowane. Część testów jest też wewnętrzna.

• Terminal-Bench 4.0 (agenci kodujący w ograniczonym środowisku terminala): 65,7 proc. Wynik jest wyższy niż GPT-6 Astra (58,2 proc.) i niewiele niższy niż Claude Opus 5.5 (66,4 proc.).
• Kimi Code Bench 3.0 Long-horizon (wewnętrzny test wieloetapowych zadań z narzędziami): 61,2 proc. wobec 55,95 proc. dla K3.
• BenchCAD (rekonstrukcja 3D z widoków przez generowanie kodu CAD): 92,7 proc. z narzędziami. Claude Opus 5.5 ma tu 96,2 proc., a GPT-6 Astra 95,9 proc.
• OfficeQA Pro v2 (analiza danych finansowych w prawdziwych dokumentach): 64,4, co Moonshot nazywa wynikiem state-of-the-art. W wewnętrznych testach finansowych model zyskał względem K3 7,2 pkt w Financial Modeling i 11,6 pkt w Financial Research, a w Business Operation osiągnął około 4,2 razy lepszy wynik.

Na uwagę zasługuje też test halucynacji. Na wewnętrznym Kimi Hallu Bench Hard odsetek błędnych twierdzeń spadł z 23,4 proc. dla K3 do 8,3 proc. Udział odpowiedzi z przynajmniej jednym błędem faktograficznym wyniósł 42,4 proc. poziomu poprzednika. Moonshot sam zastrzega, że test celowo bada sytuacje sprzyjające błędom, więc te wartości nie odpowiadają ogólnemu poziomowi pomyłek w codziennym użyciu.

Jako przykład pracy długodystansowej firma opisuje symulator chodu człowieka zbudowany na otwartym modelu anatomicznym human-atlas (296 elementów szkieletu i 402 mięśnie). W 167 misjach i 420 niezależnych przeglądach model rozwijał kontroler chodu. Gdy modyfikacja nagrody nie poprawiła ruchu rąk, uruchomił otwartopętlowe sondy dynamiki symulatora, znalazł i poprawił 36 błędów w obliczeniach ramion momentów mięśni barkowych, po czym ponownie wytrenował kontroler.

Dostępność i szczegóły dla deweloperów

Model jest dostępny w Kimi.ai, aplikacjach mobilnych (iOS, Android, HarmonyOS), desktopowej aplikacji Kimi Work od wersji 3.1.0, w Kimi Code oraz przez API pod nazwami kimi-k3.1-pro i kimi-k3.1-pro-highspeed. Dla klientów API dostępna jest opcja Zero Data Retention. Administratorzy Kimi Enterprise muszą włączyć model samodzielnie, bo w momencie startu dostęp jest domyślnie wyłączony. Do tego dochodzi funkcja 3D Make, która pozwala podglądać i edytować modele 3D w przeglądarce oraz pobierać je w formacie gotowym do druku.

Wariant Highspeed ma działać dwa do trzech razy szybciej przy identycznych możliwościach. Według dokumentacji Kimi Code, którą cytuje Unite.ai, zużywa on jednak około dwukrotnie więcej limitu. Oba modele działają wyłącznie w trybie myślenia, a żądania z wyłączonym thinkingiem kończą się błędem HTTP 400. Poziom reasoning_effort można ustawić na low, high lub max (domyślnie max), a modele przyjmują obrazy i wideo. Okno 1M tokenów jest zarezerwowane dla planów Pro i wyższych. Dokumentacja radzi też wpisywać dokładne identyfikatory modeli w narzędziach zewnętrznych, bo literówka powoduje po cichu przełączenie na K2.8 Preview bez trybu myślenia.

Pełną notkę producenta można znaleźć na blogu Kimi. Prawdziwy test deklaracji producenta o ograniczeniu zdolności cyber nastąpi jednak dopiero po publikacji wag, gdy model trafi w ręce niezależnych badaczy.