Moonshot در 2026‑10‑23 تازه‌ترین مدل استدلالی خود، Kimi K3.1 Pro، را منتشر کرد. این مدل با امتیاز ۵۵ در شاخص هوش Artificial Analysis رتبه چهارم را به دست آورد و تنها پایین‌تر از Claude Opus 5.5 (58)، Claude Sonnet 5.5 (56) و Muse Wonder Full (56) قرار گرفت. این شرکت می‌گوید با انتشار وزن‌های مدل، Kimi K3.1 Pro بالاترین امتیاز را در میان مدل‌های با وزن باز خواهد داشت.
عملکرد Kimi K3.1 Pro
بیشترین پیشرفت در معیارهای عامل‌محور دیده می‌شود؛ معیارهایی که توانایی مدل در به‌کارگیری ابزارهای نرم‌افزاری را می‌سنجند. K3.1 Pro در GDPval‑AA امتیاز 1,846 الو گرفت؛ 312 امتیاز بیشتر از K3 قبلی، و پس از Claude Opus 5.5 (1,866) و Muse Wonder Full (1,857) در رتبه سوم قرار دارد. این مدل همچنین در Terminal‑Bench 4.0 پیشتاز است و امتیازش در AutomationBench‑AA از 58% به 73% رسیده است. در آزمون‌های دیگر، پیشرفت کمتر بوده است: Humanity’s Last Exam (47% → 52%)، CritPt (23% → 25%) و SciCode (59% → 61%). نرخ توهم مدل از 53% به 44% کاهش یافته و دقت کلی آن از 48% به 51% رسیده است.
قیمت‌گذاری و مشخصات فنی
Moonshot هزینه هر وظیفه را حدود $1.98 اعلام کرده که تقریباً با مدل قبلی K3 برابر است. مدل جدید برای هر وظیفه در شاخص هوش از 55 K توکن خروجی استفاده می‌کند؛ 14% بیشتر از K3، اما قیمت توکن‌های ورودی، خروجی و کش‌هیت آن 33% کمتر است. K3.1 Pro از پنجره زمینه 1 million توکنی پشتیبانی می‌کند، با 2.8 trillion پارامتر کل و 104 billion پارامتر فعال اجرا می‌شود و ورودی متن و تصویر را می‌پذیرد. وزن‌های مدل هنوز منتشر نشده‌اند، اما انتظار می‌رود به‌زودی منتشر شوند؛ در آن صورت، این مدل در شاخص به بالاترین امتیاز میان مدل‌های با وزن باز دست خواهد یافت.
چرا مهم است
برای توسعه‌دهندگانی که به هوش مصنوعیِ قادر به اجرای ابزارهای نرم‌افزاری نیاز دارند، Kimi K3.1 Pro عملکرد به‌مراتب بهتری در وظایف عامل‌محور ارائه می‌دهد، بی‌آنکه هزینه‌ها افزایش یابد. با انتشار وزن‌های مدل از سوی Moonshot، کاربران مدل‌های متن‌باز به جایگزینی با امتیاز بالا در برابر مدل‌های انحصاری دسترسی پیدا می‌کنند و فاصله توانایی‌ها کمتر می‌شود.
