Kimi K3.1 Pro: pesos abertos, quase no nível do Opus

Ver no idioma original →

Autoria: Prompt Engineering · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Kimi K3.1 Pro: Open Weights, Almost Opus · Canal: Prompt Engineering · 01:02 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Modelos de IA, Modelos locais e open source, Segurança de IA

Resumo

A Moonshot lançou o Kimi K3.1 Pro, um modelo open source de mistura de especialistas com 2,8 trilhões de parâmetros totais e cerca de 104 bilhões ativos, treinado com mais reinforcement learning que o Kimi K3. Segundo a empresa, o modelo se aproxima dos melhores modelos fechados e fica menos de um ponto atrás do Claude Opus 5.5 no Terminal Event 4.0, com custo por tarefa de cerca de um terço. Em um teste, ele identificou 36 erros nos cálculos dos músculos do ombro de um simulador de caminhada. A Moonshot retirou dados de cibersegurança do treinamento antes da disponibilização aberta, mas o modelo ainda resolve mais que o dobro de tarefas de exploração que o Kimi K3; ele já está disponível na Kimi API, e os pesos abertos devem chegar até 4 de novembro.

Pontos-chave

• O Kimi K3.1 Pro tem 2,8 trilhões de parâmetros totais e cerca de 104 bilhões ativos.
• A Moonshot treinou o modelo com mais reinforcement learning que o Kimi K3.
• No Terminal Event 4.0, o modelo fica menos de um ponto atrás do Claude Opus 5.5 e à frente do GPT-6 Astra.
• Segundo o gráfico de custos da Moonshot, o modelo custa cerca de um terço do Opus por tarefa.
• Em uma simulação de caminhada humana, o modelo verificou o simulador e encontrou 36 erros nos cálculos dos músculos do ombro.
• A Moonshot removeu dados relacionados a cibersegurança do treinamento antes da disponibilização aberta, pois as habilidades de exploração continuavam aumentando.
• Mesmo após essa remoção, o Kimi K3.1 Pro resolve mais que o dobro de tarefas de exploração que o Kimi K3.
• O modelo já está disponível na Kimi API por metade do preço por token do Opus; os pesos abertos devem ser disponibilizados até 4 de novembro.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação e desempenho do Kimi K3.1 Pro	O vídeo apresenta o tamanho do modelo, seu treinamento com reinforcement learning e sua comparação com modelos fechados.
00:31	Custo e teste de simulação	O Kimi K3.1 Pro é apresentado como mais barato que o Opus e capaz de encontrar erros em um simulador de caminhada.
01:02	Cibersegurança e disponibilidade	O vídeo comenta a remoção de dados de cibersegurança do treinamento, os resultados em tarefas de exploração e a disponibilidade do modelo.

Citações

É um modelo open source de mistura de especialistas, com 2,8 trilhões de parâmetros no total e cerca de 104 bilhões ativos. — 00:00

Ele chega lá por cerca de um terço do custo do Opus por tarefa. — 00:31

A Moonshot diz que encontrou 36 erros nos cálculos dos músculos do ombro. — 00:31

Mesmo assim, ele resolve mais que o dobro de tarefas de exploração que o Kimi K3. — 01:02

Conceitos e entidades

• Kimi K3.1 Pro (modelo): Modelo de mistura de especialistas da Moonshot, com 2,8 trilhões de parâmetros totais e cerca de 104 bilhões ativos.
• Moonshot (empresa): Empresa que desenvolveu o Kimi K3.1 Pro e divulgou seus resultados e custos.
• Claude Opus 5.5 (modelo): Modelo usado como referência de desempenho e custo na comparação apresentada.
• GPT-6 Astra (modelo): Modelo que o Kimi K3.1 Pro supera no resultado citado para o Terminal Event 4.0.
• Terminal Event 4.0 (conceito): Avaliação citada na comparação de desempenho entre modelos.
• Kimi API (ferramenta): API pela qual o Kimi K3.1 Pro já está disponível, segundo o vídeo.

Tradução completa (pt-BR)

00:00 Então, a Moonshot acabou de lançar o Kimi K3.1 Pro, e aqui está tudo o que você precisa saber. É um modelo open source de mistura de especialistas, com 2,8 trilhões de parâmetros no total e cerca de 104 bilhões ativos. Tem o mesmo tamanho que o Kimi K3, mas a Moonshot o treinou com muito mais aprendizado por reforço. E a empresa afirma que agora ele iguala ou chega perto dos melhores modelos de código fechado. Por exemplo, no Terminal Event 4.0, fica a menos de um ponto do Claude Opus 5.5 e à frente do GPT-6 Astra. E

00:31 no próprio gráfico de custos da Moonshot, ele chega lá por cerca de um terço do custo do Opus por tarefa, o que é incrível. Aqui está um exemplo do que ele consegue fazer. A Moonshot também compartilhou um teste em que ele criou uma simulação de caminhada do corpo humano e, quando a caminhada parou de melhorar, voltou e verificou o próprio simulador. A Moonshot diz que encontrou 36 erros nos cálculos dos músculos do ombro. Agora, a parte mais interessante é sobre cibersegurança. A Moonshot removeu dados relacionados a cibersegurança do treinamento antes do lançamento open source porque as habilidades de exploração continuavam melhorando durante o treinamento. Mas, mesmo depois disso, ele ainda resolve mais que o dobro de tarefas de exploração que o Kimi K3. Ele já está disponível hoje na Kimi API por metade do preço por token do Opus, e os pesos abertos chegam até 4 de novembro. Para receber mais atualizações rápidas, inscreva-se no canal.

01:02 As skills continuaram aumentando conforme o treinavam. Mas, mesmo depois disso, ele ainda resolve mais que o dobro de tarefas de exploração que o Kimi K3. Já está disponível hoje na Kimi API por metade do preço por token do Opus, e os pesos open source chegam até 4 de novembro. Para mais atualizações rápidas, inscreva-se no canal.

Transcrição original

[00:00] So, Moonshot just released Kimi K3.1 Pro, and here’s all you need to know. It’s an open-source mixture of expert model with 2.8 trillion total parameters and about 104 billion active. It’s the same size as Kimi K3, but Moonshot trained it with a lot more reinforcement learning. And they claim it now matches or comes close to the best closed-source models. For example, on Terminal Event 4.0, it lands less than a point behind Claude Opus 5.5 and ahead of GPT-6 Astra. And

[00:31] on Moonshot’s own cost chart, it gets there for about a third of what Opus costs per task, which is kind of incredible. Here is an example of what it can do. Moonshot also shared a test where it built a walking simulation of the human body, and when the walk stopped improving, it went back and checked the simulator itself. Moonshot says it found 36 errors in the shoulder muscle math. Now, the most interesting part is about cybersecurity. Moonshot removed cyber-related data from training before the open release because its exploit

[01:02] skills kept climbing as they trained it. But even after that, it still solves more than twice as many exploit tasks as Kimi K3 did. It’s live today on Kimi API at half the per token price of Opus, and the open weights are coming by November 4. For more quick updates, subscribe to the channel.