Kimi K3.1 Pro stojí na stejném základu jako K3, jen s mnohem víc RL. Na Terminal-Bench chybí Opusu 5.5 necelý bod

Moonshot AI 23. října pustila do API a do svých aplikací Kimi K3.1 Pro. Základní model zůstal stejný: firma sama píše, že K3.1 Pro je dotrénovaná verze K3 s podstatně větším výpočetním rozpočtem na posttrénink.

Moonshot nechala základ K3 a přidala mnohem víc reinforcement learningu

Podle Moonshotu bylo potřeba kvůli společnému RL přes stovky domén přestavět celý stack: RL framework, inferenci s dlouhým kontextem, plánování rolloutů i sandboxy. Výsledkem je model s kontextem 1 milionu tokenů, který na testech programování, agentních úloh a znalostí dosahuje nejsilnějších uzavřených modelů nebo se k nim blíží. Na Terminal-Bench 4.0 uvádí 65,7 %, zatímco GPT-6 Astra má 58,2 % a Claude Opus 5.5 66,4 %. Na vlastním Kimi Code Bench 3.0 Long-horizon roste z 55,95 % u K3 na 61,2 %.

Nathan Lambert, který dřív spoluvedl projekt Olmo v Ai2 a napsal knihu o posttréninku, to na X shrnul jednou větou. První vydání K3 podle něj byl velmi působivý základní model s lehčím posttréninkem a teď to vypadá, že Moonshot svůj RL konečně zvládla. Čína podle Lambertova odhadu s růstem schopností drží krok.

Nezávislé měření Artificial Analysis dává modelu 55 bodů v Intelligence Indexu. Simon Willison upozorňuje, že je to víc než 53 bodů u Claude Fable 5.1, GPT-6 Astra a Gemini 4 Argon a méně jen než 58 u Claude Opus 5.5. API stojí 2 dolary za milion vstupních a 10 dolarů za milion výstupních tokenů, tedy stejně jako GPT-6.1 Sol a polovinu ceny Opusu 5.5. Váhy zatím venku nejsou, Moonshot je slibuje do 4. listopadu 2026.

Posttrénink se stává rychlejší cestou k frontier

Pro trh je to zajímavější než jednotlivá čísla. Když stejný základ s větším RL poskočí takhle vysoko, rozdíl mezi čínskými a americkými laboratořemi se přestává měřit jen tím, kdo má víc čipů na pretraining. Posttrénink se dá opakovat častěji a po menších dávkách a právě tam Moonshot nalila výpočetní výkon. Pro americké laby, které se opírají o exportní omezení na čipy, je to nepříjemný signál: omezení hardwaru brzdí stavbu nového základu, dotahování přes RL už podstatně méně.

Pro vývojářské týmy se mění výběr modelu. Model s cenou GPT-6.1 Sol a výsledky kousek pod Opusem 5.5 má být za pár dní k dispozici i jako otevřené váhy. Kdo nesmí posílat kód nebo dokumenty do čínského cloudu, dostane alternativu, pro kterou API Moonshotu nepotřebuje. Půjde ale o model třídy 3 bilionů parametrů, takže vlastní provoz zvládnou jen týmy s GPU clusterem.

Většinu čísel si Moonshot naměřila sama

Terminal-Bench běžel v harnessu Claude Code, Kimi Code Bench je interní test a skóre konkurence firma přebírá z jejich blogů a žebříčků. Halucinace v interním zátěžovém testu klesly na úrovni jednotlivých tvrzení z 23,4 % na 8,3 %. Moonshot sama dodává, že to nejsou chybovosti při běžném používání. Artificial Analysis navíc zaznamenala, že model při měření indexu vygeneroval 150 milionů výstupních tokenů, zatímco medián je 87 milionů. Cena za milion tokenů tedy neříká cenu za úkol: upovídaný model zaplatíte víckrát.

Druhá rovina se týká kyberbezpečnosti. Moonshot uvádí, že z tréninku vyřadila kybernetická data. Verze bez těchto zásahů v interním testu xdev-bench-hard vyřešila 90,5 % úloh, finální K3.1 Pro 81,0 %. Útočné schopnosti modelu jsou tedy záměrně nižší, než co pipeline umí vyrobit, a přesto výrazně vyšší než u K3. Kde tu hranici laboratoř příště nastaví, rozhoduje zatím jen ona sama.

Rozhodne 4. listopad a první nezávislé testy vah

První signál je jednoduchý: zveřejní Moonshot do 4. listopadu plné váhy a pod jakou licencí? Druhý přijde od nezávislých týmů, které model pustí ve vlastních harnessech a ověří, jestli Terminal-Bench drží i bez Claude Code. Třetí ukáže, jestli Lambertova teze platí šířeji. Pokud DeepSeek nebo Qwen předvedou podobný skok jen z posttréninku, stane se z RL hlavní závodní dráha čínských laboratoří.

Lilithin verdikt

Moonshot vzala stejný motor a jen ho mnohem déle zajížděla na okruhu. Kdo ve Washingtonu věřil, že stačí hlídat továrny na motory, teď zjišťuje, že závod se rozhoduje v boxech.