विस्तृत विश्लेषण · लगभग 7 मिनट पढ़ना
Kimi K3.1 Pro: पोस्ट-ट्रेनिंग लाभ, औज़ारों पर निर्भरता और बाद में आने वाले वज़न
Moonshot ने 1M संदर्भ वाले मॉडल की शुरुआत, बेहतर एजेंट बेंचमार्क और लक्षित साइबर नियंत्रण बताए हैं; पूरे वज़न अब भी 4 नवंबर की प्रतिबद्धता हैं।
- यहाँ प्रकाशित
- स्रोत की तारीख
- स्रोत जाँचा गया
Moonshot की 24 अक्टूबर की घोषणा Kimi K3.1 Pro और Highspeed संस्करण को उत्पाद परिवार में पेश करती है। मुख्य प्रश्न हैं कि पोस्ट-ट्रेनिंग ने क्या बदला, प्रकाशित मूल्यांकन कैसे हुए, और पहुँच संबंधी कौन से दावे अभी लागू हैं तथा कौन से योजनाएँ हैं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- Moonshot, K3.1 Pro को दस लाख टोकन के संदर्भ वाला K3 का पोस्ट-ट्रेनिंग संस्करण बताता है। Highspeed की कथित 2–3× गति साइट का मापन नहीं है।
- कोडिंग, CAD और वित्त के परिणाम औज़ारों, परीक्षण ढाँचों और बेंचमार्क की परिभाषाओं पर निर्भर हैं; उनसे एक सार्वभौमिक मॉडल रैंकिंग स्थापित नहीं होती।
- घोषणा के अनुसार उत्पाद उपलब्धता अभी शुरू होती है, पूरे वज़न 4 नवंबर 2026 तक आएँगे, और एंटरप्राइज़ पहुँच डिफ़ॉल्ट रूप से बंद है जब तक प्रशासक उसे चालू न करे।
बदलाव पोस्ट-ट्रेनिंग और उसकी सहायक प्रणाली में है
Moonshot, K3.1 Pro को K3.1 श्रृंखला का पहला मॉडल और K3 का पोस्ट-ट्रेनिंग संस्करण बताता है, जिसमें पोस्ट-ट्रेनिंग कंप्यूट काफी बढ़ाया गया है। कंपनी सैकड़ों अनुप्रयोग क्षेत्रों में संयुक्त रीइन्फोर्समेंट लर्निंग और उसके लिए लंबे संदर्भ का इन्फरेंस, सैंडबॉक्स अवसंरचना, रोलआउट समय-निर्धारण तथा वातावरण गुणवत्ता जाँच में बदलाव बताती है। घोषणा में 3T-वर्ग और दस लाख टोकन का संदर्भ है; यह लेख वर्ग के नाम को सटीक पैरामीटर संख्या में नहीं बदलता।
हमारी व्याख्या है कि दावा मौजूदा मॉडल के सीखने और लंबे कार्य पूरे करने में सुधार का है; इससे यह साबित नहीं होता कि केवल संदर्भ की लंबाई से बेहतर परिणाम मिलते हैं। Moonshot, K3.1 Pro Highspeed भी पेश करता है और उसे Pro से 2–3× तेज़ बताता है। घोषणा स्वतंत्र रूप से दोहराया गया विलंब वितरण, हर कार्य के लिए एक समान गति वृद्धि या पूरा लागत तुलनात्मक विवरण नहीं देती। इसलिए तेज़ संस्करण को वास्तविक कार्यभार में जाँचना होगा।
कोडिंग स्कोर के साथ परीक्षण ढाँचे की टिप्पणियाँ पढ़ें
Terminal-Bench 4.0 पर Moonshot, K3.1 Pro के लिए 65.7%, GPT-6 Astra के लिए 58.2% और Claude Opus 5.5 के लिए 66.4% बताता है। आंतरिक Kimi Code Bench 3.0 Long-horizon का परिणाम 61.2% है, जबकि K3 का 55.95% था। ये अलग परीक्षण हैं: पहला कार्य-विशिष्ट सीमाओं वाले टर्मिनल काम, दूसरा कई चरणों का इंजीनियरिंग काम मापता है। किसी भी संख्या का अर्थ मनमाने वास्तविक प्रोजेक्ट उसी प्रतिशत में पूरे होना नहीं है।
फुटनोट के अनुसार इन कोडिंग मूल्यांकनों में Kimi, Claude-Code परीक्षण ढाँचा उपयोग करता है। अलग निर्देश न होने पर Kimi के परिणाम max रीजनिंग, temperature 1.0 और top-p 0.95 पर हैं। अन्य मॉडल परिणाम रिलीज़ रिपोर्ट या आधिकारिक रैंकिंग से हो सकते हैं, और कुछ बंद मॉडल सेटिंग में फ़ॉलबैक व्यवहार भी हो सकता है। इसलिए यह हमारी नज़र में बताई गई शर्तों वाली विक्रेता तुलना है, नया स्वतंत्र पुनर्परीक्षण नहीं। टीमों को कार्य की सफलता, औज़ारों की अनुमति और वास्तविक संसाधन उपयोग साथ में तुलना करने चाहिए।
CAD दिखाता है कि औज़ारों की व्यवस्था क्यों मायने रखती है
Moonshot, BenchCAD में औज़ारों के साथ 92.7 और बिना औज़ार 72.8 स्कोर बताता है। परीक्षण में कई रेंडर किए दृश्यों से CAD कोड द्वारा आकृतियाँ पुनर्निर्मित होती हैं; खुले मॉडल 17900 मामलों के डेटासेट से यादृच्छिक चुने 1000 मामलों पर जाँचे गए। औज़ार वाली व्यवस्था Claude Code उपयोग करती है, दूसरी एक बार जनरेशन और आधिकारिक स्कोरिंग प्रक्रिया। इस तुलना में GPT-6 Astra का बिना औज़ार स्कोर नहीं दिया गया; खाली प्रविष्टि शून्य नहीं है।
घोषणा कहती है कि K3.1 Pro बिना MCP कनेक्टर के Blender और CAD सॉफ़्टवेयर के लिए स्क्रिप्ट लिख सकता है, तथा मॉडल का पूर्वावलोकन, संपादन और निर्यात करने वाला 3D Make बताती है। डिज़ाइनर के लिए संपादन योग्य ज्यामिति बनाना, बेंचमार्क की आकृति से मिलना और पुर्ज़े की निर्माण-योग्यता साबित करना अलग आवश्यकताएँ हैं। उदाहरण कैप्शन बाहरी एसेट का श्रेय भी देते हैं, इसलिए प्रदर्शित दृश्य पूरी तरह मॉडल-निर्मित नहीं कहने चाहिए। हमने उन डेमो को स्वतंत्र रूप से चलाया नहीं।
वित्तीय सुधार और हैलुसिनेशन दरों की इकाइयाँ अलग हैं
स्रोत OfficeQA Pro v2 पर 64.4 बताता है, जिसमें वित्तीय दस्तावेज़ों की खोज, दस्तावेज़ों के बीच जाँच और संख्यात्मक तर्क शामिल हैं। आंतरिक वित्तीय मॉडलिंग और वित्तीय शोध परीक्षणों में K3 से क्रमशः 7.2 और 11.6 अंक का सुधार है। दावे निर्धारित मूल्यांकन कार्यों के हैं, निवेश प्रतिफल या सत्यापित विश्लेषक उत्पादकता के नहीं। पेज में अनसुलझा अंतर भी है: Business Operation चित्र में 37.0 है, जबकि पूरी बेंचमार्क तालिका में 37.8। हम चुपचाप उन्हें एक नहीं करते या सटीक कारोबारी प्रदर्शन गुणक नहीं निकालते।
आंतरिक Hallu Bench Hard तनाव परीक्षण पर Moonshot कहता है कि दावा-स्तर की हैलुसिनेशन दर K3 के 23.4% से Pro के 8.3% हुई। अलग से, कम-से-कम एक तथ्यात्मक गलती वाले उत्तरों का अनुपात पूर्ववर्ती के उसी अनुपात का 42.4% है; यह निरपेक्ष 42.4% त्रुटि दर नहीं। स्रोत स्पष्ट कहता है कि जानबूझकर कठिन बनाए गए प्रॉम्प्ट दैनिक त्रुटि दरों का प्रतिनिधित्व नहीं करते। इसलिए वित्तीय काम में उद्धरण, मान्यताएँ और गणना जाँच बची रहनी चाहिए; कम बेंचमार्क दर समीक्षा छोड़ने की अनुमति नहीं है।
साइबर नियंत्रण एक मापी क्षमता घटाते हैं, मिटाते नहीं
Moonshot कहता है कि उसने मध्य-प्रशिक्षण डेटा और रीइन्फोर्समेंट लर्निंग वातावरणों में साइबर सामग्री पहचानी और लक्षित सामग्री हटाई, जबकि सामान्य कोडिंग कार्य रखे। आंतरिक xdev-bench-hard पर बिना फ़िल्टर चेकपॉइंट pass@3 में 90.5% समस्याएँ हल करता है और अंतिम Pro 81.0% तक पहुँचता है। मूल्यांकन कुछ रन के उपसमूह में कठोर टाइमआउट या आउटपुट टोकन सीमा के बिना है। pass@3 कई प्रयासों का माप है, एक प्रयास की सफलता या सामान्य तैनाती जोखिम का आश्वासन नहीं।
कंपनी का घोषित रिलीज़ सिद्धांत आक्रामक साइबर क्षमता की सर्वोच्च सीमा आगे न बढ़ाते हुए खुले वज़नों से उपयोगी रक्षात्मक क्षमता धीरे-धीरे फैलाना है। यह Moonshot का नीतिगत तर्क है, हमारा सुरक्षा प्रमाणपत्र नहीं। 81.0% भी उस परीक्षण में पर्याप्त क्षमता दिखाता है, और स्रोत मानता है कि लक्षित फ़िल्टरिंग के बाद भी सामान्य कोडिंग सुधार साइबर कार्यों में पहुँचते हैं। इसलिए हमारा विश्लेषण पहुँच नियंत्रण और सैंडबॉक्स सीमाएँ बनाए रखने का पक्ष लेता है, प्रशिक्षण डेटा हटाने को पूरा परिचालन सुरक्षा उपाय मानने का नहीं।
उत्पाद पहुँच और डाउनलोड योग्य वज़नों की समयरेखाएँ अलग हैं
घोषणा के अनुसार Pro, Kimi.com, मोबाइल ऐप, Kimi Work, Kimi Code और API में शुरू होता है। Windows और Apple silicon Mac के लिए Kimi Work 3.1.0 या बाद का संस्करण, Kimi Code में /model से चयन, तथा API पहचान kimi-k3.1-pro और kimi-k3.1-pro-highspeed बताई गई हैं। API ग्राहकों के लिए Zero Data Retention उपलब्ध होना हर खाते पर डिफ़ॉल्ट लागू होना साबित नहीं करता। एंटरप्राइज़ प्रशासक Pro चालू कर सकते हैं, लेकिन लॉन्च पर पहुँच डिफ़ॉल्ट रूप से बंद है।
पूरे मॉडल वज़न 4 नवंबर 2026 तक जारी करने का वादा है। भविष्य की इस प्रतिबद्धता को आज की होस्टेड उत्पाद घोषणा और बाद के लाइसेंस या हार्डवेयर मूल्यांकन से अलग रखना होगा। हमने वज़न डाउनलोड नहीं किए, सशुल्क पहुँच नहीं जाँची और हर योजना या क्षेत्र सत्यापित नहीं किया। विश्लेषण पूरा लेख, फुटनोट, प्रदर्शित पूरी बेंचमार्क तालिका और स्थिर चित्र उपयोग करता है। वैकल्पिक डेमो वीडियो, इंटरैक्टिव उदाहरण और संलग्न उदाहरण दस्तावेज़ पूरी तरह नहीं जाँचे गए; वे यहाँ स्वतंत्र रूप से सत्यापित प्रदर्शन का प्रमाण नहीं हैं।
यह क्यों अहम है
डेवलपर और संगठनों को कोडिंग, CAD और दस्तावेज़-प्रधान काम के लिए एक ठोस मॉडल-औज़ार व्यवस्था का मूल्यांकन करने का अवसर मिलता है। उपयोगी तुलना है कि वह उनके अपने कार्यों को उनकी अनुमति, बजट और समीक्षा प्रक्रिया के भीतर पूरा करती है या नहीं।
सीमाएँ और उपलब्धता
प्रदर्शन और जोखिम घटाने के सभी बताए परिणाम Moonshot और उसके उद्धृत मूल्यांकनों के हैं। साइट ने उन्हें स्वतंत्र रूप से दोहराया नहीं, सभी पहुँच अधिकार सत्यापित नहीं किए और वैकल्पिक डेमो का पूर्ण ऑडिट नहीं किया। मूल प्रकाशन केवल कैलेंडर-दिन की सटीकता में ज्ञात है।
स्रोत और प्रमाण
स्रोत की तारीख: · स्रोत जाँचा गया:
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।