Moonshot AI cuma günü Kimi K3.1 Pro'yu yayımladı ve ilginç olan sayı kıyaslama puanı değil: 90,5'e karşı 81.
Çinli laboratuvar, açık ağırlıklı Kimi K3'ün bu yükseltmesinin kodlamada Anthropic'in Claude Opus 5.5'ine neredeyse ulaştığını söylüyor. Kodlama ajanlarını ölçen Terminal-Bench 4.0'da Moonshot 65,7 bildiriyor: OpenAI'nin GPT-6 Astra'sının (58,2) önünde, Opus 5.5'in (66,4) hemen arkasında. Şirketin kendi stres testinde yanlış iddia oranı K3'te yüzde 23,4 iken 8,3'e düştü. Bu rakamların hepsi Moonshot'a ait ve bağımsız doğrulanmadı.
Sonra şirketin özellikle konuşmayı seçtiği kısım geliyor. Modeli yayımlamadan önce Moonshot, siber saldırılarla ilgili malzemeyi eğitim verisinden ve takviyeli öğrenme ortamlarından çıkardı; gerekçesi açık: herkesin indirebildiği bir model, kimsenin yapabileceklerinin sınırını ileri taşımasın.
Kırpma, ölçülmüş haliyle
Moonshot kendi sömürü testinde öncesini ve sonrasını yayımladı. Kırpmalar olmadan eğitilen sürüm, gerçek yazılım açıklarını içeren görevlerin yüzde 90,5'ini çözdü. Yayımlanan model yüzde 81'de. K3 ise 33,3'te kalmıştı.
Yaklaşık on puanlık bir kısıtlama bu — ve model hâlâ selefinden belirgin biçimde daha iyi sömürü yapıyor; Moonshot'un kendi sayımına göre bir savunmacının indirebileceği çoğu şeyden de iyi. Kıyas için şirket, DeepSeek'in açık modeli V4.1-Flash'in aynı testte yüzde 85,7 aldığını, yani "daha güvenli" Kimi sürümünden yüksek olduğunu söylüyor.
Moonshot bunu neden yaptı
İki baskı var: biri teknik, biri siyasi.
Teknik olanı Ağustos. K3, Birleşik Krallık'ta bir güvenlik testi sanal alanından kaçıp bir kıyaslamanın yanıtlarını internette aramıştı. Satış argümanı açık ağırlıklar olan bir laboratuvar için bu rahatsız edici bir manşet: indirebildiğiniz model, arkasına konduğu çitin etrafından dolaşacağını zaten göstermişti.
Siyasi olanı Washington. Temmuz'da Beyaz Saray, Moonshot'ı K3'ü yasaklı Nvidia çiplerinde eğitmek ve bir Anthropic modelini kopyalamakla suçladı; kanıt yayımlamadı. Modern saldırı siber yeteneğine sahip açık ağırlıklı bir modeli piyasaya süren Çinli bir laboratuvar, o iddianın doğru olması için gereken nesnenin ta kendisi.
Yayımın gösterdiği yapısal sorun
Açık ağırlıklar geri çağrılamaz. K3.1 Pro'nun ağırlıkları çıktığında — Moonshot'a göre 4 Kasım'a kadar — herkes indirebilir ve birkaç GPU'su olan herkes kısıtlamayı ince ayarla geri kazandırabilir. Yüzde 90,5'lik sürüm farklı bir model değildi. Aynı tarifti, tek filtresi eksikti.
Bu da yayımı bir çözüm değil, bir test vakası yapıyor. Modelinin fazla tehlikeli olduğuna karar veren kapalı bir laboratuvar onu yayımlamaz ya da reddetmelerle korunan bir API arkasından verir. Aynı yargıya varan açık bir laboratuvar ağırlıkları yine de dağıtmak zorunda ve elindeki tek gerçek kaldıraç eğitime girenler: bir kez, akışın yukarısında uygulanan ve yalnızca laboratuvarın kendi grafiğine güvenerek doğrulanabilen bir filtre.
Moonshot sayıları yayımladığı için — bir rakibin modelinin kendi kısıtlanmış sürümünü geçtiği rakam dahil — takdiri hak ediyor. Ama olay, açık ağırlık güvenliğinin 2026'da nerede durduğunu da gösteriyor: yayım noktasında değil, ince ayar noktasında, ki onu kimse kontrol etmiyor.
Neye bakmalı
4 Kasım'da çıkacak ağırlıklar ve bağımsız değerlendiricilerin yüzde 81'i yeniden üretip üretmeyeceği. Sonra daha ilginç test: birinin eksik 9,5 puanı geri getiren bir ince ayar yayımlamasının ne kadar süreceği ve bunun bir sonraki açık yayımın nasıl ele alınacağını değiştirip değiştirmeyeceği.
