2,8 trilyon parametreli model API’nin ötesine geçiyor
Moonshot AI, Kimi K3.1 Pro’nun tüm ağırlıklarını Hugging Face’te yayımlayarak geliştiricilere ve şirketlere, amiral gemisi çok modlu modelini kendi bilgi işlem altyapılarında çalıştırma olanağı sundu. Duyuru, modelin 24 Ekim 2026’da Kimi ürünleri ve uygulama programlama arayüzü (API) üzerinden kullanıma açılmasının ardından, 5 Kasım’da Pekin’de gün ağarırken yapıldı.
İçindekiler
- 2,8 trilyon parametreli model API’nin ötesine geçiyor
- Yenilikler neler, K3’ten neler devralındı?
- Açık ağırlıkların kullanımı işletim ve lisans koşullarına tabi
- Huawei, bellek yükünü Ascend sistemlerine dağıtıyor
- Alibaba, SuperPoD platformuyla başka bir seçenek sunuyor
- Kodlama sonuçları, uzun süreli görevlerde ilerlemeye işaret ediyor
- 3D üretimi ve finans alanında hedefli iyileştirmeler
- Moonshot, olgusal hata oranına ilişkin iki farklı sonuç yayımladı
- Yönetilen ajanlar ve API erişimi farklı avantajlar sunuyor
- Öne Çıkanlar
K3.1 Pro, bir modelin öğrendiklerini saklayan sayısal ayarlar olan 2,8 trilyon parametre içeriyor. Uzman karışımı tasarımı, modelin tamamını aynı anda kullanmak yerine her çıkarım adımında yaklaşık 104 milyar parametreyi etkinleştiriyor. Model yaklaşık bir milyon tokenlık bağlamı destekliyor ve metnin yanı sıra görsel bilgileri de anlayabiliyor.
Huawei Ascend ve Alibaba Cloud, ağırlıkların yayımlandığı gün destek sunacaklarını duyurdu. Dağıtımlarda, eğitilmiş modellerin istekleri nasıl işlediğini yöneten yazılımlar olan vLLM ve SGLang çıkarım çerçeveleri kullanılıyor. Modeli yerel olarak çalıştırmayı düşünen şirketler, bu sürümle hem indirilebilir ağırlıklara hem de modeli Çin yapımı hızlandırıcı sistemlerde çalıştırmaya yönelik ilk seçeneklere kavuşuyor.
Moonshot’ın 24 Ekim’de güncellenen model lansmanı duyurusunda, tüm ağırlıkların 4 Kasım’a kadar yayımlanacağı belirtilmişti; kamuya açık sürüm duyurusu 5 Kasım’da geldi. Şirket, daha önce kimi.com, Kimi App, Kimi Work, Kimi Code ve Kimi API üzerinden erişimi açmıştı.
Asıl değişiklik, modelin nerede çalışacağı üzerindeki denetimin kullanıcıya geçmesi. API müşterisi isteklerini sağlayıcının hizmetine gönderiyor. Ağırlıkları kullanarak dağıtım yapan bir kuruluş ise Moonshot’ın lisans koşullarına ve modeli çalıştırmak için gereken yüksek donanım kapasitesine tabi olmak kaydıyla modeli kendi yönettiği altyapıda işletebiliyor.
Moonshot ayrıca yapay zekâ ajanlarını uzun süren görevler boyunca çalışır durumda tutmaya yönelik yönetilen bir hizmet olan Kimi Hosted Agents’ı tanıttı. Duyurular şirketlere iki farklı seçenek sunuyor: modeli kendileri yönetmek ya da operasyonel işlerin daha büyük bölümünü Kimi’ye bırakmak.
Yenilikler neler, K3’ten neler devralındı?
Kimi K3.1 Pro, yeni bir temel modelin baştan eğitilmesiyle değil, K3’ün ek eğitimden geçirilmesiyle geliştirildi. Moonshot, başarılı eylemleri ödüllendirerek modelin tekrarlanan denemelerle gelişmesine yardımcı olan pekiştirmeli öğrenme için kullanılan bilgi işlem kaynaklarını önemli ölçüde artırdığını söylüyor.
Moonshot, bu eğitimi yüzlerce görev alanında uyguladı; kodlama, 3D üretimi, finansal araştırma ve çok sayıda adımda ilerleyen ajanlara özellikle odaklandı. Mühendislik çalışmaları eğitim yazılımlarını, uzun bağlam işlemeyi, zamanlamayı ve üretilen kodun çalıştırılabildiği korumalı ortamları kapsadı.
Yaklaşık bir milyon tokenlık bağlam penceresi K3’ten devralındı. Tokenlar, modelin metni ve diğer girdileri böldüğü parçalardır. Daha geniş bir bağlam penceresi, bir istek işlenirken daha fazla belgenin, talimatın ve önceki konuşma içeriğinin kullanılabilir kalmasını sağlar.
Sürüm takviminde hizmete erişim ile modelin kendisine erişim birbirinden ayrılıyor:
- 16 Temmuz 2026: Yayımlanan model karşılaştırmasına göre Kimi K3 tanıtıldı.
- 24 Ekim 2026: Moonshot, K3.1 Pro’yu ürünleri ve API üzerinden tanıttı; ağırlıkların 4 Kasım’a kadar yayımlanması planlandı.
- 5 Kasım: Moonshot, ağırlıkların yayımlandığını ve Kimi Hosted Agents’ı duyurdu; Huawei ve Alibaba dağıtım desteğini açıkladı.
Açık ağırlıkların kullanımı işletim ve lisans koşullarına tabi
Yeterli bilgi işlem kapasitesine sahip kuruluşlar, ağırlıkları indirip K3.1 Pro’yu bağımsız olarak çalıştırabiliyor. Şirketler kendi sunum sistemlerini yapılandırabiliyor, kurum içi araçlarını bağlayabiliyor ve geçerli lisans kapsamında özelleştirme çalışmaları yürütebiliyor.
Moonshot, ticari kullanımı düzenleyen özel bir lisans kullanıyor. Sürüm, model ağırlıklarını kapsıyor; eğitim kodu ve özgün eğitim veri kümeleri yayımlanmadı. Dolayısıyla geliştiricilere, Open Source Initiative tanımına göre eksiksiz bir eğitim paketi değil, Moonshot’ın koşullarında tanımlanan izinlerle eğitilmiş model sunuluyor.
Modelin boyutu, işletim açısından önemli bir etken olmaya devam ediyor. Uzman karışımı ağının her adımda yalnızca bir bölümü etkin olsa da dağıtımın ağırlıkların tamamına erişmesi gerekiyor. Uzun istekler, model çalışırken saklanması gereken büyük miktarda geçici dikkat verisi de oluşturuyor.
Huawei, bellek yükünü Ascend sistemlerine dağıtıyor
Huawei, K3.1 Pro ağırlıklarının kullanıma açıldığı gün Ascend ekibinin uyarlama çalışmalarını tamamladığını ve böylece dağıtım doğrulamasının hemen yapılabildiğini söylüyor. Destek; vLLM Ascend ve SGLang üzerinden Atlas 800 A3, Atlas 900 A3 SuperPod ve Ascend 950 süper düğüm sistemlerini kapsıyor.
Uyarlama, seyrek dikkat ve çok modlu işleme dâhil olmak üzere modelin hibrit dikkat mimarisini ele alıyor. Dikkat, modelin bir sonraki adım için girdisinin hangi bölümlerinin önemli olduğuna karar vermesine yardımcı olan mekanizmadır. Seyrek dikkat, çok uzun girdilerin işlenmesi için gereken işi azaltmak amacıyla bu bağlantıların bir bölümünü sınırlar.
Ascend, geçici model verilerini birden fazla sinir işleme birimine (NPU) dağıtmak için dağıtık önbellekleme kullanıyor ve böylece her hızlandırıcının bellek yükünü azaltıyor. Huawei, gereksiz kopyalama ve hesaplamayı azaltan temel matematiksel işlemlerde yapılan değişikliklerden de söz ediyor.
Dağıtımı yapanlar, özgün ağırlıkları yükleyebiliyor veya farklı model bileşenlerinde daha düşük bit hassasiyetini ve dikkat önbelleği nicelemesini kullanabiliyor. Niceleme, sayıları daha az bit kullanarak saklayıp bellek gereksinimini düşürüyor. Huawei, uygulamanın tekrarlanan girdileri yeniden kullanan önek önbelleklemesini; uzun istemleri parçalara ayırarak işleyen parçalı ön doldurmayı ve önerilen tokenları gruplar hâlinde denetleyerek üretimi hızlandıran spekülatif çıkarımı koruduğunu belirtiyor.
Alibaba, SuperPoD platformuyla başka bir seçenek sunuyor
Alibaba Cloud, Lingjun Zhenwu M890 SuperPoD üzerinde vLLM ve SGLang yazılım yığınının tamamında uyarlama ve doğrulamanın tamamlandığını söylüyor. Destek, Zhenwu 810E yapılandırmalarını da kapsıyor ve böylece modelin Çin yapımı hızlandırıcılarda çalıştırılması için başka bir seçenek sunuyor.
Alibaba Cloud, T-Head ve Kimi ekibi; FlashMLA, DeepGEMM uzman karışımı işlemleri, MegaMoE ve MoonEP dâhil T-Head SAIL yazılım yığını üzerinde çalıştı. Bu bileşenler dikkat hesaplamalarını ve işler arasındaki yükün uzmanlarla hızlandırıcılara dağıtılmasını yönetiyor. Müşteriler, özel çıplak metal SuperPoD örnekleri veya Alibaba’nın REIN hizmeti üzerinden dağıtım yapabiliyor; API erişimi de Qwen AI platformu aracılığıyla sunuluyor.
Alibaba, lansman günü Zhongwei ve Ulanqab’da açılan örneklerin yanı sıra Ningxia’daki Zhongwei bölgesinde SuperPoD için davetli testlerini başlattı. Zhongwei yapılandırmasına T-Head’in Panmai 920 ağ kartı ekleniyor. Alibaba’ya göre kart PCIe 5.0, 112G PAM4 Ethernet, saniyede 400 gigabite kadar aktarım hızı ve saniyede 400 milyon paketi destekliyor.
Bu ağ özellikleri önem taşıyor; çünkü bu büyüklükteki bir modelin işlemciler arasında bilgiyi hızla aktarması gerekiyor. Alibaba, entegre PCIe anahtarının sistem maliyetini yaklaşık yüzde 30 azaltabileceğini söylüyor. Şirket ayrıca M890 SuperPoD’un 100’den fazla büyük müşteriye hizmet verdiğini ve planlanan V900 halefi için mevcut neslin yaklaşık üç katı performans öngördüğünü belirtiyor; bu rakam şirketin tahminidir.
Kodlama sonuçları, uzun süreli görevlerde ilerlemeye işaret ediyor
Moonshot, gerçek bilgi işlem ortamlarında kaynak kısıtları altında ajanların terminal görevlerini ölçen Terminal-Bench 4.0 testinde yüzde 65,7 puan aldığını bildiriyor. Şirketin yayımladığı karşılaştırmada GPT-6 Astra yüzde 58,2, Claude Opus 5.5 ise yüzde 66,4 puan aldı. Bu kurulumda K3.1 Pro, Claude Opus 5.5’in 0,7 puan gerisinde kaldı.
Şirketin şirket içi Kimi Code Bench 3.0 Long-horizon puanı, K3’teki yüzde 55,95’ten K3.1 Pro’da yüzde 61,2’ye çıkarak 5,25 puan arttı. Test, planlama, araç kullanımı ve mühendislik problemlerini birden fazla adımda tamamlamaya odaklanıyor.
Bağımsız değerlendirmeler farklı bir bakış sunuyor. Artificial Analysis, Zekâ Endeksi’nin 44’ten 55’e yükseldiğini, Terminal-Bench sonuçlarının ise K3.1 Pro için yaklaşık yüzde 67, K3 için yüzde 13 olduğunu kaydetti. Bu değerlendirmede Moonshot’ınkinden farklı bir ajan çerçevesi kullanıldı; dolayısıyla puanlar farklı çalışma düzenlerini yansıtıyor.
Moonshot’ın gösterimleri, kod üretiminin yanı sıra ısrarla sürdürmeye de odaklanıyor. Şirket içi çalışmalardan birinde model, 296 iskelet ve 402 kas bileşeninden oluşan bir yürüme simülasyonu üzerinde çalıştı. Şirkete göre 167 görev ve 420 bağımsız inceleme boyunca simüle edilen bedenin kesintisiz yürüme süresini 11,2 saniyeye çıkardı ve omuz kası hesaplamalarındaki 36 hatayı düzeltti.
Plotly ile yapılan ayrı bir değerlendirmede K3.1 Pro 43 sorunun 42’sini doğru yanıtladı; K3 ise 35 doğru yanıt verdi. Ancak K3.1 Pro’nun maliyeti daha yüksek, ortalama tamamlanma süresi de daha uzundu. Dolayısıyla daha hızlı token üretimi ve daha iyi yanıtlar, görevin tamamlanması için daha uzun süre beklemekle bir arada görülebiliyor.
3D üretimi ve finans alanında hedefli iyileştirmeler
Moonshot’a göre K3.1 Pro, BenchCAD’de araçlarla birlikte yüzde 92,7 puan aldı. Bu kıyaslama testinde modelden, bilgisayar destekli tasarım kodu üreterek farklı açılardan görüntülenen 3D nesneleri yeniden oluşturması isteniyor. Şirketin karşılaştırmasında Claude Opus 5.5 yüzde 96,2, GPT-6 Astra ise yüzde 95,9 puan aldı.
Moonshot, modelin Blender ve CAD yazılımları dâhil profesyonel modelleme araçları için betikler yazıp çalıştırabildiğini söylüyor. Örnekler arasında 2.100 katı nesneden oluşan bir FreeCAD turbofan motoru ve 3D baskı için beş parçalı bir lamba yer alıyor. Kimi’nin internet sitesi ve uygulamasında, modelleri önizlemeye, düzenlemeye ve dışa aktarmaya yönelik 3D Make özelliği de bulunuyor.
Finansal işler de temel hedeflerden biri. Moonshot, gerçek finansal belgelerin bulunmasını, belgeler arasında çapraz kontrol yapılmasını ve sayısal akıl yürütmeyi ölçen OfficeQA Pro v2’de 64,4 puan aldığını bildiriyor. Şirket içi değerlendirmelerinde finansal modelleme yüzde 14, finansal araştırma yüzde 20 iyileşirken, simüle edilmiş iş operasyonları K3’ün puanının yaklaşık 4,2 katına ulaştı.
Yayımlanan karşılaştırma, bu testlerden ikisinin temel rakamlarını veriyor: Finansal Araştırma puanı 58,8’den 70,4’e, İş Operasyonları puanı ise 8,9’dan 37,0’a çıktı. Şirketlerin beklediği fayda, bilgi bulma ve hesaplamalardan tamamlanmış bir çalışma kitabına ya da araştırma çıktısına kadar görevi sürdürebilen bir model.
Moonshot, olgusal hata oranına ilişkin iki farklı sonuç yayımladı
Moonshot’ın lansman duyurusuna göre Kimi Hallu Bench Hard testindeki tekil olgusal iddialarda hata oranı K3’te yüzde 23,4 iken K3.1 Pro’da yüzde 8,3’e düştü. API kılavuzundaki farklı bir stres testinde ise kullanıcıların olgusal hata içerdiği gerekçesiyle işaretlediği anonimleştirilmiş konuşmalarda oran yüzde 23,35’ten yüzde 6,85’e geriledi.
İki sayfada yanıt düzeyindeki oranlar da farklı veriliyor. Lansman duyurusuna göre en az bir olgusal hata içeren yanıtların oranı, K3’ün oranının yaklaşık yüzde 42,4’ü düzeyindeydi. API kılavuzundaki oran ise yaklaşık yüzde 46,4. Moonshot bu değerlendirmeler arasındaki ilişkiyi açıklamadı.
Her iki açıklama da modellerin hata yapmaya yatkın olduğu için seçilmiş zor örneklerle ilgili. Finans ve iş dünyasındaki uygulamalarda, çıktıya göre harekete geçmeden önce hesaplamaların, kaynak gösterimlerinin ve olgusal ifadelerin dayanak kayıtlarla karşılaştırılması gerekiyor.
Bağımsız karşılaştırma, uzun bağlam testlerinden birinde küçük bir düşüş de kaydetti: AA-LCR v1.1 puanı K3’te yüzde 88,7 iken K3.1 Pro’da yüzde 86,3’e geriledi. Uzun belgeler üzerinde çalışan kuruluşların, değişmeyen bağlam kapasitesinin yanı sıra bilgiyi bulma doğruluğunu da değerlendirmesi gerekecek.
Yönetilen ajanlar ve API erişimi farklı avantajlar sunuyor
Kimi Hosted Agents, yapay zekâ modelinin etrafındaki çalışma çerçevesini, başka bir deyişle harness’ı sağlıyor. Bu çerçeve araçları, kod yürütmeyi, bağlamı, izinleri ve görev kesintiye uğradığında kurtarma işlemlerini yönetiyor. Moonshot, hizmetin günün her saati çalışmayı, uzun süren görevleri ve birden fazla ajan arasında iş birliğini desteklediğini söylüyor.
Moonshot, kurum içi izleme ve operasyonel müdahalenin yanı sıra müşterilere yönelik araştırma asistanları ile destek hizmetlerini de olası kullanım alanları arasında sayıyor. Yönetilen hizmeti kullanan şirketler görevleri tanımlayıp araçları bağlarken, Kimi temel çalışma ortamını yönetiyor. Ağırlıkları kendi sistemlerinde çalıştıran şirketler ise sunum ve işletim düzenlemelerinin sorumluluğunu üstleniyor.
API müşterilerinin K3.1 Pro’nun kilidini açmak için Moonshot’ın API hızlı başlangıç kılavuzuna göre en az 10 yuan bakiye yüklemesi gerekiyor. Yeni kayıt yaptıranlara verilen 15 yuanlık kupon bu modelde kullanılamıyor. Kılavuzda düşük, yüksek ve maksimum akıl yürütme ayarları yer alıyor; varsayılan ayar maksimum. Önbellek saklama seçenekleri ise beş dakika veya bir saat.
Moonshot, aynı zekâ düzeyini yaklaşık iki ila üç kat daha yüksek çıktı hızıyla sunduğunu belirttiği K3.1 Pro Highspeed sürümünü de sunuyor. Yayımlanan karşılaştırmaya göre standart girdi ve çıktı ücretleri milyon token başına sırasıyla 2 ve 10 dolar. K3’te bu ücretler 3 ve 15 dolardı; önbellek ücretleri ve diğer geçerli bedeller hariç yüzde 33,3 düşüş söz konusu. Toplam harcama, görevin tükettiği token ve araç etkileşimi sayısına bağlı olmaya devam ediyor.
Geliştiricilerin bazı belirli entegrasyon gereksinimlerini karşılaması gerekiyor: Araç çağrıları boyunca asistanın mesajları eksiksiz korunmalı; görsel girdilerde herkese açık görsel URL’leri yerine base64 verisi veya yüklenen dosya tanımlayıcıları kullanılmalı. Kılavuz ayrıca, web arama aracı güncellenirken üretim ortamlarında kullanılmamasını tavsiye ediyor.
Öne Çıkanlar
- Moonshot, ürün ve API erişimini daha önce açtıktan sonra Kimi K3.1 Pro’nun ağırlıklarını 5 Kasım’da yayımladığını duyurdu.
- Model toplam 2,8 trilyon parametre, her çıkarım adımında yaklaşık 104 milyar etkin parametre ve yaklaşık bir milyon tokenlık bağlam içeriyor.
- Huawei Ascend ve Alibaba Cloud, vLLM ve SGLang üzerinden dağıtım desteği sunacaklarını açıkladı.
- Moonshot kodlama, 3D modelleme ve finans alanlarında ilerleme bildiriyor; sonuçlar göreve ve değerlendirme düzenine göre değişiyor.
- Bağımsız dağıtım, önemli bilgi işlem kaynakları gerektiriyor ve Moonshot’ın özel lisansına uyulmasını zorunlu kılıyor.
- Kimi Hosted Agents, uzun süren görevleri yürütmek ve birden fazla ajanı koordine etmek için yönetilen bir seçenek sunuyor.






