ב־30 שניות
- Moonshot AI הודיעה ב-23 באוקטובר על Kimi K3.1 Pro, מודל שזמין כבר עכשיו ב-Kimi.ai ובממשק ה-API של החברה. המשקלים המלאים עדיין לא פורסמו, ו-Moonshot מתחייבת לפרסם אותם עד 4 בנובמבר. לכן המודל אינו פתוח כרגע, אלא צפוי להיות פתוח.
- לפי Moonshot, המודל קרוב ל-Claude Opus 5.5 במבחן הקוד Terminal-Bench 4.0 (65.7% מול 66.4%). The Next Web מציין שהנתונים של Moonshot לא נבדקו באופן עצמאי. Artificial Analysis, שמדדה בעצמה, נותנת לו 55 נקודות במדד האינטליגנציה שלה ומדרגת אותו רביעי.
- Moonshot אומרת שהסירה נתוני סייבר מהאימון לקראת הפרסום הפתוח. לפי הבדיקה הפנימית שלה לניצול חולשות תוכנה, המודל פתר 81.0% מהבעיות, לעומת 90.5% בגרסה ללא ההסרה. הבדיקה פנימית ולא אומתה מחוץ לחברה.
מה הושק ומה עדיין לא
לפי הבלוג הרשמי של Moonshot, Kimi K3.1 Pro הוא המודל הראשון בסדרת K3.1, ולדברי החברה המוכשר ביותר מבין מודלי ה-3 טריליון פרמטרים הפתוחים שלה עד כה, עם חלון הקשר של מיליון טוקנים. לצדו הושקה גרסת Highspeed שלפי Moonshot מהירה פי שניים עד שלושה. שני המודלים זמינים מ-23 באוקטובר ב-Kimi.ai, ב-Kimi Work, ב-Kimi Code וב-Kimi API.
המשקלים המלאים, לפי Moonshot, "יפורסמו עד 4 בנובמבר". The Next Web ו-Simon Willison מצטטים את אותו מועד, ו-Willison מדגיש שהמודל "עדיין לא פתוח". Artificial Analysis מוסיפה ש-Moonshot צפויה לפרסם את המשקלים זמן קצר אחרי ההשקה, ושאין עדיין מידע על הרישיון. הכותרת "מודל פתוח" נכונה אפוא כהתחייבות של החברה, ולא כעובדה קיימת.
לפי Artificial Analysis, המודל כולל 2.8 טריליון פרמטרים, מהם 104 מיליארד פעילים, ומקבל טקסט ותמונות. המחיר בממשק של Moonshot הוא 2 דולר למיליון טוקני קלט, 10 דולר למיליון טוקני פלט ו-0.20 דולר לטוקנים שנקראו מהמטמון, נמוך ב-33% ממחיר Kimi K3. Willison מוסיף שגרסת Highspeed עולה כפול, מלבד קריאות מהמטמון.
מה אומרים הנתונים של Moonshot
בבחינת Terminal-Bench 4.0, שמודדת סוכני קוד במשימות טרמינל, Moonshot מדווחת על 65.7% ל-K3.1 Pro, לעומת 58.2% ל-GPT-6 Astra ו-66.4% ל-Claude Opus 5.5. החברה מציינת שהמודל הורץ עם סביבת Claude Code. The Next Web מדגיש שהמספרים הם של Moonshot ולא נבדקו באופן עצמאי.
בבדיקה פנימית של Moonshot לשגיאות עובדתיות, Kimi Hallu Bench Hard, שיעור הטענות השגויות ירד מ-23.4% ב-K3 ל-8.3% ב-K3.1 Pro. Moonshot עצמה כותבת שזהו מבחן מאמץ שנועד לחשוף כשלים, ושהשיעורים אינם משקפים את שיעור השגיאות בשימוש יומיומי. בתרשים של Moonshot באותו מבחן, עם כלים, GPT-6 Astra קיבל 5.5%, כלומר שיעור נמוך מ-8.3% של K3.1 Pro.
בנוסף מציגה Moonshot בדיקות פנימיות בתחום הפיננסי: במחקר פיננסי המודל קיבל 70.4 לעומת 58.8 ל-K3, ובתפעול עסקי 37 לעומת 8.9. אלה מבחנים פנימיים של החברה, ולא נמצא להם אימות חיצוני במקורות שנקראו.
מה מצא גוף המדידה החיצוני
Artificial Analysis מדדה את המודל בנפרד ונותנת לו 55 במדד האינטליגנציה שלה, עלייה של 11 נקודות לעומת Kimi K3. לפי הפרסום, רק Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) ו-Muse Wonder Full (56) מדורגים גבוה ממנו. Willison מסכם את הטבלה כך: המודל לפני Claude Fable 5.1, GPT-6 Astra ו-Gemini 4 Argon, שקיבלו 53.
במדידה של Artificial Analysis ב-Terminal-Bench 4.0 קיבל המודל 67%, הציון הגבוה ביותר מבין המודלים שבדקה, והמודל מדורג שלישי ב-GDPval-AA עם 1,846 נקודות Elo. המספר של Artificial Analysis שונה מ-65.7% של Moonshot, והוא תוצאה של מדידה נפרדת. לפי Artificial Analysis, הרווחים בבדיקות אחרות מתונים יותר: Humanity's Last Exam עלה מ-47% ל-52%.
עלות המשימה, לפי Artificial Analysis, כמעט לא השתנתה: 1.98 דולר למשימה. המודל צורך 14% יותר טוקני פלט, ומחירי הטוקנים נמוכים ב-33%. שיעור ההזיות במדד AA-Omniscience ירד מ-53% ל-44%.
הסרת נתוני סייבר והשאלה הפתוחה
Moonshot כותבת שזיהתה נתונים הקשורים לסייבר בקורפוס האימון הכללי ובסביבות הלמידה בחיזוק, והסירה אותם משני השלבים לקראת הפרסום הפתוח. בבדיקה הפנימית xdev-bench-hard, גרסה ללא ההסרה פתרה 90.5% מהבעיות (pass@3), והמודל הסופי 81.0%, לעומת 33.3% ב-K3. החברה כותבת שהיכולת נשארת מתחת למודלים סגורים שזמינים לפחות שלושה חודשים.
Moonshot גם מציגה עקרונות לפרסום פתוח. הראשון הוא שלא לפרסם משקלים שיקדמו את גבול היכולת ההתקפית. השני הוא כוונה להעלות בהדרגה את יכולת הסייבר הזמינה במשקלים פתוחים, בנימוק שזה מסייע למגינים לבדוק קוד קיים. זו עמדה של Moonshot, וטרם נבדקה על ידי גורם חיצוני במקורות שנקראו.
The Next Web מזכיר שמודלים פתוחים אינם ניתנים לאיסוף חזרה אחרי הורדה, ושחוקרי בטיחות הזהירו שההגנות בהם מפגרות אחרי המודלים הסגורים. הוא מוסיף שביולי האשים הבית הלבן את Moonshot בשימוש בשבבי Nvidia אסורים ובהעתקת מודל של Anthropic, בלי לפרסם ראיות. אלה הקשרים שהאתר מביא, ואין בהם הכרעה לגבי K3.1 Pro.
מה כדאי לבדוק בימים הקרובים
הנקודות הפתוחות ברורות: האם המשקלים יתפרסמו עד 4 בנובמבר, באיזה רישיון, והאם הבנצ'מרקים של Moonshot יחזרו בבדיקות של צדדים שלישיים נוספים. Artificial Analysis מציינת שהמשקלים טרם פורסמו, ולכן התואר "המודל הפתוח המוביל" מותנה בפרסום. רק אז, לחישובה, הפער במדד שלה בין המוביל הפתוח למוביל הסגור יצטמצם מ-12 ל-3 נקודות.
הכתבה נשענת על ארבעה מקורות במעמד שונה: Moonshot, המקור הראשוני ובעל הנתונים העצמיים, Artificial Analysis, מדידה נפרדת, ו-The Next Web ו-Simon Willison, ששניהם מדווחים על בסיס הפרסומים של Moonshot ושל Artificial Analysis. לכן יש כאן שני מקורות עצמאיים בלבד, והכתבה מבחינה בין נתוני היצרנית לבין המדידה החיצונית. שום נתון כאן אינו תוצאה של בדיקה שערכה מערכת AI NEWS ישראל.
המשמעות שמעבר לכותרת
הדיווח מעניין כי מודל שאמור להפוך לפתוח מתקרב, לפי מדידה חיצונית אחת, לפסגת המודלים הסגורים. Artificial Analysis כותבת שהפער בין המובילים הפתוחים לסגורים במדד שלה יצטמצם מ-12 ל-3 נקודות כשהמשקלים יפורסמו. התנאי חשוב: זה חישוב על בסיס פרסום שטרם התרחש. בנוסף, Moonshot בוחרת להציג את הסרת נתוני הסייבר כחלק מהחלטת הפרסום, ואף אחד מהמקורות אינו מציג אימות חיצוני של הטענה הזאת.
צעד יישומי אחד
למפתחים ולצוותים בישראל: אפשר לנסות את המודל היום דרך ה-API של Moonshot בלבד. הרצה עצמית אפשרית רק אחרי פרסום המשקלים, ותנאי הרישיון טרם פורסמו במקורות שנבדקו. הנתונים המרכזיים הם בנצ'מרקים של היצרנית ושל גוף מדידה אחד, ולכן כדאי להריץ בדיקה על המשימות שלכם. המקורות אינם מתייחסים לביצועים בעברית או לשימוש בישראל.
מקורות ובדיקת עובדות
ד״ר יניב שנהב
יועץ ארגוני בכיר ומנחה, העוסק במנהיגות, שינוי התנהגותי והטמעת בינה מלאכותית בארגונים. מביא למערכת מבט ניהולי ויישומי על חדשות הטכנולוגיה.
לפרופיל של ד״ר יניב שנהב
