La société chinoise d'intelligence artificielle Moonshot AI a annoncé le lancement du dernier membre de sa famille de modèles, le Kimi K3.1 Pro, ainsi qu'une version plus rapide connue sous le nom de Highspeed. L'accès au nouveau modèle et à sa version rapide a été rendu disponible via les produits Kimi et l'interface de programmation d'applications (API) de la société, avec des plans pour publier officiellement les poids du modèle d'ici le 4 novembre prochain.
Qu'apporte concrètement le modèle Kimi K3.1 Pro ?
Le nouveau modèle a été construit en développant le modèle Kimi K3, ayant nécessité une puissance de calcul plus importante lors de la phase d'entraînement supplémentaire. Cette version est dotée d'une fenêtre contextuelle atteignant un million de jetons (tokens), ce qui lui permet de traiter des contenus textuels extrêmement longs en une seule fois. Selon les données de la société, la version rapide (Highspeed) fonctionne à une vitesse allant du double au triple par rapport au modèle standard.
Les nouvelles capacités du modèle se concentrent principalement sur les domaines du développement logiciel et de la conception 3D. La société explique que le K3.1 Pro ne se limite pas à corriger les erreurs dans les codes existants, mais s'étend au support des projets de développement de jeux utilisant des moteurs populaires tels que Unity, Unreal Engine et Godot. Il peut également générer des modèles 3D à partir de textes, de croquis ou d'images de référence, en plus d'écrire des codes pour les logiciels Blender et la conception assistée par ordinateur (CAO) afin d'exécuter les modifications requises.
Performance et recherche financière
Dans les tests de performance, le K3.1 Pro a atteint un taux de réussite de 65,7 % dans l'évaluation Terminal-Bench 4.0, qui mesure les tâches de programmation via l'interface de ligne de commande, surpassant certains modèles concurrents selon les résultats publiés par la société.
Dans le domaine de la recherche financière, la société a travaillé à améliorer les capacités du modèle dans l'examen des documents financiers, la comparaison des données provenant de sources multiples et l'exécution de calculs en plusieurs étapes. Les tests de validation internes de la société ont indiqué une baisse du taux d'hallucination ou d'informations erronées basées sur des affirmations, passant de 23,4 % dans la version précédente à 8,3 %, tout en soulignant que ce taux ne reflète pas nécessairement le taux d'erreur quotidien général.
Qu'est-ce que cela signifie pour les développeurs ?
La société prévoit de publier les poids du modèle pour aider les développeurs à l'exécuter et à le personnaliser sur leur propre infrastructure. Avant cette étape de publication, la société a supprimé les contenus liés à la cybersécurité des données d'entraînement et des environnements d'apprentissage par renforcement, dans le but de limiter les capacités d'exploitation de vulnérabilités ou d'attaques cybernétiques.