Bir yapay zekâ ajanının en zor işleri nadiren tek bir prompt’a sığar. Bir kodlama ajanının büyük bir depoda bir değişikliğin izini sürmesi, bir araştırma ajanının yararlı bir yanıt vermeden önce uzun belgeleri, grafikleri ve görselleri incelemesi gerekebilir. Zorluk yalnızca yanıt üretmek değil, iş ilerlerken takibi kaybetmemek.
Moonshot AI’ın Kimi K3.1 Pro modeli Microsoft Foundry’ye geliyor. Ajan işleri için tasarlanmış açık ağırlıklı (open-weight) bir model; metin ve görsel anlama yeteneklerine ve 1 milyon token’a kadar bağlam penceresine sahip. Bu da onu kodlama, araştırma ve belge yoğun uygulamalar için ilginç bir seçenek yapıyor.
Kimi K3.1 Pro’nun öne çıktığı yerler
Kimi K3.1 Pro, Moonshot AI’ın K3.1 serisinin ilk modeli ve Kimi K3 üzerine kodlama, araştırma ve çok adımlı görevlerde iyileştirmelerle geliyor. Geniş bağlam penceresi uygulamaların göreve daha fazla ilgili materyal getirmesine imkân veriyor; çok modlu yetenekleri ise metnin yanında görsellerle çalışmayı sağlıyor:
- Büyük kod tabanlarında kodlama: Ajana bir değişikliği araştırmak, ilgili dosyaları anlamak ve bir mühendislik görevini yürütmek için gereken bağlamı verebilirsiniz.
- Kaynağa dayalı araştırma: Uzun raporları ve destekleyici materyali iş akışına ekleyip modelin sentez üretmeden önce kanıtları incelemesini sağlayabilirsiniz.
- Metin ve görseli birleştiren işler: Daha geniş bir görevin parçası olarak görselleri, grafikleri ya da belge sayfalarını yorumlaması gereken uygulamalar kurabilirsiniz.
Microsoft’un altını çizdiği nokta şu: Geniş bağlam penceresi faydalı ama iyi bir uygulamanın kısa yolu değil. Önemli olan modelin bu bağlamı etkili kullanıp kullanamadığı, görevi tamamlayıp tamamlayamadığı ve bunu müşteri için uygun maliyet ve hızda yapıp yapamadığı.
Seçimi kullanıcıların yaptırdığı işe göre yapın
Moonshot AI’ın benchmark’ları kodlama, ajan ve çok modlu değerlendirmelerde güçlü sonuçlar gösteriyor. Ancak bunlar yalnızca bir başlangıç noktası; her geliştiricinin asıl sorusu modelin kendi uygulamasında iyi performans gösterip göstermeyeceği. Bunu öğrenmenin en iyi yolu temsilî görevlerde test etmek: Yalnızca ilk yanıtın değil tamamlanan işin kalitesini karşılaştırmak; ajanın uzun girdileri ne kadar güvenilir işlediğine, nerede araç gerektiğine, görsel materyalde nasıl performans gösterdiğine ve başarılı görev başına maliyete bakmak.
Fiyatlandırma
| Model | Girdi (milyon token) | Önbellek (milyon token) | Çıktı (milyon token) |
|---|---|---|---|
| Kimi K3.1 Pro | 2,30 $ | 0,23 $ | 11,50 $ |
Nasıl başlanır?
Kimi K3.1 Pro, Microsoft Foundry model kataloğunda incelenebilir. Microsoft’un önerisi gerçek bir kodlama, araştırma ya da belge iş akışıyla başlamak, bugün kullandığınız modelle bir taban oluşturmak ve Kimi K3.1 Pro’nun nerede anlamlı fark yarattığını görmek.
Microsoft, bu lansmanın açık ağırlıklı model ekosistemine yaptığı yatırımın son adımı olduğunu belirtiyor. Foundry’de NVIDIA, OpenAI, DeepSeek, MiniMax, Mistral AI, Moonshot AI ve Qwen gibi sağlayıcılardan açık ağırlıklı modeller bulunuyor; Fireworks on Foundry gibi partnerler üzerinden daha fazlası da sunuluyor.
Duyuru kısa ve model için kesin bir genel kullanım ya da önizleme durumu, bölge listesi veya benchmark tablosu vermiyor; bunlar için Foundry kataloğundaki model kartına bakmak gerekiyor. Çıktı fiyatının girdinin beş katı olması, uzun yanıt üreten ajan iş yüklerinde maliyeti çıktı tarafının belirleyeceği anlamına geliyor.
