# Kimi K3.1 Pro se dotáhl na nejlepší uzavřené modely. Moonshot mu před vydáním uřízl schopnosti hackovat Zdroj: https://warpy.cz/blog/kimi-k3-1-pro-se-dotahl-na-nejlepsi-uzavrene-modely-moonshot-mu-pred-vydanim-urizl-schopnosti-hackovat Publikováno: 2026-10-24T07:49:43.000Z Aktualizováno: 2026-10-24T07:49:43.000Z Redakce: [Warpy AI lab](https://warpy.cz/o-nas). Moonshot vydal Kimi K3.1 Pro, open-weight model se 2,8 bilionu parametrů, který na testech programovacích agentů dotahuje na Claude Opus 5.5. Firma zároveň otevřeně popsala, že modelu kvůli bezpečnosti ubrala část schopnosti hledat a zneužívat chyby v softwaru, a přesto jeho váhy vydá. ![Tmavý cover obrázku s titulkem o modelu Kimi K3.1 Pro, který se dotáhl na nejlepší uzavřené modely, ale před vydáním přišel o část schopnosti hackovat](https://warpy.cz/blog-media/043ac7be-8440-40a2-909e-56f25983fc36.webp) ## Kimi K3.1 Pro se dotáhl na nejlepší uzavřené modely. Moonshot mu před vydáním uřízl schopnosti hackovat Čínská laboratoř Moonshot vydala v pátek 23. října model Kimi K3.1 Pro. Na testu programovacích agentů skončil podle jejích čísel těsně za Claude Opus 5.5 a před GPT-6 Astra, tedy mezi nejlepšími modely, které dnes existují. Zajímavější než tabulka skóre je ale odstavec v technickém blogu firmy: modelu cíleně ubrala schopnost hledat a zneužívat chyby v softwaru. Zároveň slíbila, že do 4. listopadu zveřejní jeho váhy, takže si model bude moct stáhnout kdokoli. Kimi K3.1 Pro navazuje na Kimi K3 z července a patří mezi takzvané open-weight modely. Váhy jsou soubor čísel, ze kterého model počítá. Kdo je má, může model provozovat na vlastním hardware, doladit ho na svá data nebo ho použít jako základ modelu jiného. Nemusí platit za každé volání u cizí firmy a nikdo mu nemůže model uprostřed práce vypnout. Právě proto se o open-weight modelech mluví jako o protiváze uzavřených modelů od OpenAI, Anthropicu nebo Googlu. ### Co model umí Kimi K3.1 Pro má 2,8 bilionu parametrů, z toho 104 miliardy aktivních. To zní jako protiklad, ale není. Model patří mezi takzvané MoE modely, které v sobě mají mnoho menších podsítí a při každém tokenu jich zapojí jen několik. Token je kousek textu, zhruba tři čtvrtiny slova. Model tak drží znalosti velkého modelu, ale počítá jen s malou částí parametrů, a je proto rychlejší. - **Kontext:** 1 048 576 tokenů, zhruba tři čtvrtě milionu slov. Do jednoho zadání se vejde celá knihovna dokumentace. - **Terminal-Bench 4.0:** 65,7 procenta podle Moonshotu. Claude Opus 5.5 má 66,4 procenta, GPT-6 Astra 58,2 procenta. Test měří, jestli agent v příkazové řádce dokončí realistickou úlohu, ne jen jestli napíše kus kódu. - **Nezávislé měření:** Artificial Analysis zařadil model na čtvrté místo svého indexu s 55 body, o 11 bodů výš než Kimi K3. Ve vlastním běhu mu naměřil 67 procent na Terminal-Bench 4.0, což je podle něj nejlepší výsledek ze všech modelů. - **Cena:** 2 dolary za milion vstupních tokenů a 10 dolarů za milion výstupních, o třetinu méně než u K3. Moonshot k tomu přidal variantu Highspeed, která má být dvakrát až třikrát rychlejší. Čísla z benchmarků jsou ale od výrobce a nezávislé ověření je zatím částečné. Artificial Analysis potvrzuje pořadí a velikost skoku, ne každý jednotlivý výsledek. Tabulku je proto rozumné brát jako slib, ne jako důkaz. ### Model, který si doma nespustíte O tom, kde model poběží, rozhoduje hlavně jeho velikost. V plné šestnáctibitové přesnosti by váhy zabraly 5,6 terabajtu. Ve čtyřbitové kvantizaci, tedy s každým parametrem uloženým na čtyři bity místo šestnácti, je to 1,4 terabajtu. Kvantizace model zmenší za cenu mírné ztráty přesnosti a u MoE modelu musí být v paměti všechny váhy, protože se experti střídají podle obsahu. I ta nejagresivnější varianta počítá s více než terabajtem paměti, tedy s několika stroji v racku, ne s počítačem pod stolem. V tom je důležitý rozdíl proti tomu, co se o open-weight modelech často říká. Otevřený model není totéž co malý model. Kimi K3.1 Pro je otevřený v tom smyslu, že si ho můžete stáhnout a provozovat bez cizího svolení, ale provozovat ho bude datové centrum. Kdo chce model na vlastní server nebo notebook, sahá po jiných: DeepSeek V4.1-Flash má 552 miliard parametrů a v naší laboratoři běží na třech DGX Spark s 384 GB paměti, jak je vidět v [lab záznamu](https://warpy.cz/lab/deepseek-v41-flash-tp3). Jak se takové nároky počítají, jsme rozepsali v článku [Kolik paměti potřebuje lokální LLM](https://warpy.cz/blog/kolik-pameti-potrebuje-lokalni-llm-tabulka-ze-ktere-to-spocitate). ### Devět a půl bodu, které modelu chybí Nejzajímavější část technického blogu není o benchmarku, ale o tom, co firma z tréninku vyhodila. Moonshot má vlastní test xdev-bench-hard. Obsahuje úlohy postavené na skutečných, nedávno zveřejněných chybách v jádru Linuxu, v Node.js, JavaScriptCore, Eximu a VirGL, s ochrannými opatřeními zapnutými přímo v kódu. Agent dostane zdrojový kód, krátkou nápovědu a zkompilovanou binárku. Musí napsat exploit, tedy program, který chybu zneužije, spustit ho v odděleném sandboxu a získat tajný řetězec, kterým se výsledek ověří. Na tomto testu zvládl model, který prošel stejným tréninkem bez bezpečnostních zásahů, 90,5 procenta úloh. Finální Kimi K3.1 Pro zvládl 81 procent. Rozdíl vznikl tím, že firma z trénovacích dat odstranila kybernetický obsah, a to ve dvou fázích: v mid-trainingu, tedy v široké fázi učení na velkém množství textu, a v prostředí pro posilované učení, kde se model učí řešit úlohy odměnou za správný výsledek. Běžné programovací úlohy zůstaly. Moonshot to popisuje jako vědomé rozhodnutí. Schopnost hledat zneužitelné chyby rostla s objemem tréninku a firma chtěla mít páku, jak ji u veřejně dostupného modelu omezit. Podle The Next Web, který výsledky srovnal, zvládl stejný test předchůdce Kimi K3 33,3 procenta a konkurenční DeepSeek V4.1-Flash 85,7 procenta. Model tedy po zásahu zůstal silnější než jeho předchůdce, ale o devět a půl bodu slabší, než by byl bez zásahu. ### Proč to není vyřešené Devět a půl bodu není málo, ale není to ani vypnutí schopnosti. Model pořád zvládne čtyři z pěti úloh, ve kterých jde o nalezení a zneužití chyby. A jakmile váhy vyjdou, nikdo je nemůže vzít zpět ani omezit. V tom je rozdíl proti uzavřenému modelu, kde provozovatel může zablokovat požadavek, který vypadá jako pokus o exploit. Druhá strana věci je stejně důležitá. Stejné schopnosti, které pomáhají exploit napsat, pomáhají chybu najít dřív, než ji najde útočník. Včera jsme psali o dvou zranitelnostech v jádru PHP, které ohrožují sedm z deseti webů a jednu z nich našel výzkumník s modelem GPT-5.6 Sol ([článek o PHP2Shell](https://warpy.cz/blog/ai-nasla-chybu-v-php-ktera-ohrozuje-sedm-z-deseti-webu-opravit-ji-musite-sami)). Model, který umí číst kód a hledat v něm chyby, je dnes pro obránce nástroj, ne hrozba. Otázka je, co se stane, když stejný model dostane kdokoli. Licenci k váhám Moonshot zatím nezveřejnil, takže není jasné, co s nimi bude smět kdo dělat. To je prakticky stejně důležité jako číslo z benchmarku. ### Co si z toho odnést - Otevřený model dohání uzavřené. Podle Artificial Analysis se mezera v jejich indexu po vydání vah zkrátí z 12 bodů na 3. - Otevřený neznamená malý. 2,8 bilionu parametrů znamená i ve čtyřbitové kvantizaci 1,4 terabajtu. - Rozhoduje cena za dokončený úkol, ne za token. Kimi K3.1 Pro má cenu za token o třetinu nižší než K3, ale spotřebuje o 14 procent víc výstupních tokenů, takže cena za úlohu v indexu Artificial Analysis zůstala na 1,98 dolaru. - Benchmark výrobce je slib. Pořadí se dá ověřit nezávisle, konkrétní procenta málokdy. - Bezpečnostní omezení u otevřeného modelu je práh, ne zeď. Kdo si model stáhne, může ho dál trénovat. ### Co sledovat Čtvrtého listopadu mají vyjít váhy, a s nimi i licence. Zajímavé bude, jestli stejný krok udělají další laboratoře s otevřenými modely a jestli vznikne nezávislé měření kybernetických schopností, ne jen to od výrobce. Do té doby se o schopnostech modelu dozvídáme hlavně z textů, které píše ten, kdo ho prodává. ### Zdroje - [Moonshot AI: Introducing Kimi K3.1 Pro](https://www.kimi.ai/blog/kimi-k3-1-pro), parametry, benchmarky a část o kybernetických schopnostech - [Artificial Analysis: Kimi K3.1 Pro launch benchmarks](https://artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks), nezávislé měření, cena za úkol, velikost modelu - [Kimi API: ceník](https://platform.kimi.ai/docs/pricing), ceny za token a délka kontextu - [The Next Web: Moonshot releases Kimi K3.1 Pro and says it cut its hacking skills](https://thenextweb.com/news/moonshot-kimi-k3-1-pro-open-weight-cyber), srovnání s K3 a DeepSeekem Zdroj podkladů: [https://www.kimi.ai/blog/kimi-k3-1-pro](https://www.kimi.ai/blog/kimi-k3-1-pro) ## Související čtení - [DeepSeek vylepšil svůj volně dostupný model. Na agentních testech už poráží GPT-5.6](https://warpy.cz/blog/deepseek-vylepsil-svuj-volne-dostupny-model-na-agentnich-testech-uz-porazi-gpt-5-6): DeepSeek zveřejnil vylepšenou verzi svého otevřeného modelu V4.1-Flash. Váhy si může stáhnout kdokoli zdarma a podle měření DeepSeeku model v agentních úlohách poráží i placené špičkové modely. - [Otevřené modely se vracejí ve velkém. Meta a Nvidia vydaly modely, které si můžete stáhnout a provozovat sami](https://warpy.cz/blog/otevrene-modely-se-vraceji-ve-velkem-meta-a-nvidia-vydaly-modely-ktere-si-muzete-stahnout-a-provozovat-sami): Meta zveřejnila váhy Muse Spark Open, svého zatím nejsilnějšího modelu s otevřenými váhami, a Nvidia představila Nemotron 3.5 Super VL pro nepřetržité agenty. - [Kolik paměti potřebuje lokální LLM. Tabulka, ze které to spočítáte](https://warpy.cz/blog/kolik-pameti-potrebuje-lokalni-llm-tabulka-ze-ktere-to-spocitate): Velikost modelu, kvantizace a délka kontextu rozhodují o tom, kolik paměti lokální LLM potřebuje. Tabulka s reálnými velikostmi souborů a výpočtem pro 8k, 32k a 128k kontext. ## Od článku k vlastnímu řešení - [Lokální LLM: nasazení, fine-tuning a optimalizace](https://warpy.cz/sluzby/lokalni-llm) - [AI agenti na míru pro firemní procesy](https://warpy.cz/sluzby/ai-agenti) [Probrat váš projekt s Warpy](https://warpy.cz/kontakt) [Další články](https://warpy.cz/blog/llms.txt)