Moonshot tarafından geliştirilen Kimi K3.1 Pro, 2.8 trilyon parametresi ve yüksek performansıyla yapay zeka dünyasında dikkat çekiyor. Moonshot tarafından geliştirilen Kimi K3.1 Pro , yapay zeka dünyasında yeni bir dönüm noktası olarak karşımıza çıkıyor. Çin merkezli şirketin yeni modeli, Artificial Analysis Intelligence Index üzerinde 55 puan alarak GPT-6 Astra ve Claude Fable 5.1 gibi rakiplerini geride bırakmayı başardı. Modelin teknik altyapısı, 2.8 trilyon toplam parametre ve token başına 104 milyar aktif parametre ile oldukça iddialı bir yapı sunuyor. 1 milyon tokenlık yerel bağlam penceresine sahip olan sistem, geleneksel RoPE katmanlarını tamamen devre dışı bırakan NoPE mimarisini kullanıyor. Teknik Mimari ve Performans Bu mimari, modelin daha esnek bir bağlam yönetimi yapmasına ve hesaplama verimliliğini artırmasına olanak tanıyor. Quantization-aware training süreciyle desteklenen MXFP4 ağırlıklar ve MXFP8 aktivasyonları, donanım kaynaklarının daha verimli kullanılmasını sağlıyor. Kimi K3.1 Pro launches at 4th on the Artificial Analysis Intelligence Index scoring 55, making large gains in agentic performance; it will be the leading open-weights model once its weights are published @Kimi_Moonshot’s new reasoning model gains 11 points over Kimi K3 (max, 44). It trails only Claude Opus 5.5 (max with fallback, 58), Claude Sonnet 5.5 (max with fallback, 56), and Muse Wonder Full (max, 56) on the Intelligence Index. Once the weights for K3.1 Pro are released it will be the highest-scoring open weights model and the gap between the leading open weights and proprietary models on the Intelligence Index will narrow from 12 points to 3. Key results: ➤ Large gains in agentic performance: Kimi K3.1 Pro scores 3rd on GDPval-AA with 1,846 Elo, up 312 Elo from Kimi K3, behind only Claude Opus 5.5 (1,866 Elo) and Muse Wonder Full (1,857 Elo). Kimi K3.1 Pro also achieves the highest score of any model on Terminal-Bench 4.0. K3.1 Pro scores 67%, up from 13% for Kimi K3 and ahead of Claude Sonnet 5.5 (64%). AutomationBench-AA, which tests agentic SaaS workflows, rises from 58% to 73%. ➤ Gains in other evals are more moderate: Humanity’s Last Exam rises from 47% to 52%, CritPt from 23% to 25%, and SciCode from 59% to 61%. AA-Omniscience Index rises from 20 to 30, as the hallucination rate falls from 53% to 44% and accuracy rises from 48% to 51%. ➤ Cost per Task roughly equal to Kimi K3 at $1.98 per Task: K3.1 Pro uses 55K output tokens per Intelligence Index task, 14% more than Kimi K3 at 48K, while its first-party token prices are 33% lower. Additional model details: ➤ Context window: 1M tokens. ➤ Size: 2.8T total, 104B active parameters ➤ Input modalities: Text and image ➤ Weights and license: Weights currently not published, Moonshot is expected to release the weights soon after launch ➤ Pricing: $2/$10/$0.20 per 1M input/output/cache hit tokens, 33% lower than Kimi K3 on all three rates. Congratulations to the team at @Kimi_Moonshot on the release! — Artificial Analysis (@ArtificialAnlys) October 23, 2026 Kimi K3.1 Pro, geleneksel kuadratik dikkat mekanizması yerine Kimi Delta Attention (KDA) adlı hibrit bir yapı kullanıyor. Bu sistem, 3:1 oranında tekrarlayan ve hibrit aralıklı durumları birleştirerek KV önbelleğinin boyutunu önemli ölçüde azaltıyor. Modelin içindeki dört yardımcı birimden üçü, önemli bilgileri özetleyen hızlı bir not sistemi gibi çalışıyor. Dördüncü birim ise Gated Multi-Head Latent Attention katmanı sayesinde tüm bağlamın anlık bir görüntüsünü alarak ihtiyaç duyulduğunda verileri sıkıştırıp açabiliyor. Kimi K3.1 Pro weights will be released on November 4, with cyber-related training data removed https://t.co/RDOHckqa9P — AiBattle (@AiBattle_) October 23, 2026 Bu yöntem, modelin uzun bağlamlarda bile hız kaybetmeden çalışmasını mümkün kılıyor. Kimi K3.1 Pro, 69 katmanlı yapısının içine her üç katmanda bir yerleştirilen 24 adet Gated Multi-Head Latent Attention katmanı ile donatılmış durumda. Güvenlik ve Kullanılabilirlik Moonshot, modelin geliştirilme sürecinde siber güvenlik ile ilgili verilerin eğitim aşamasından çıkarıldığını belirtti. Şirket, modelin daha önceki sürümlerinin Linux çekirdeği ve Node.js gibi sistemlerdeki açıkları yüksek başarıyla tespit edebildiğini gözlemledi. Bu kısıtlamalara rağmen model, xdev-bench-hard testinde yüzde 81 gibi yüksek bir başarı oranı sergiliyor. Kimi K3.1 Pro’nun açık ağırlıklarının ise 4 Kasım tarihinde genel kullanıma açılması planlanıyor. Fiyatlandırma tarafında ise Kimi K3 modeline kıyasla yüzde 33 oranında bir indirim yapıldığı görülüyor. Giriş, çıkış ve önbellek hit tokenları için belirlenen yeni fiyatlar, geliştiriciler için daha erişilebilir bir yapı sunuyor. Modelin Code Arena sıralamasında 8. sırada yer alması, kodlama yeteneklerinin de oldukça gelişmiş olduğunu kanıtlıyor. Sizce Kimi K3.1 Pro’nun bu performansı, yapay zeka pazarındaki dengeleri nasıl değiştirecek?