Kimi K3.1 Pro, Claude Opus 5.5'e Sadece 3 Puan Kaldı

Çinli yapay zeka şirketi Moonshot AI, bir önceki modelin üzerine ek eğitim yaparak geliştirdiği Kimi K3.1 Pro'yu duyurdu. Artificial Analysis Zeka Endeksi'nde 55 puan alan model, önceki sürümü Kimi K3'e göre 11 puanlık bir sıçrama kaydederek sıralamada dördüncü basamağa yerleşti. Önünde yalnızca Claude Opus 5.5 (58 puan), Claude Sonnet 5.5 (56 puan) ve Meta'nın Muse Wonder Full'ı (56 puan) var.

Bu rakamlar ilk bakışta sıradan bir model güncellemesi gibi görünebilir, ama asıl dikkat çekici olan şu: Moonshot, model ağırlıklarını 4 Kasım 2026'ya kadar açık kaynak olarak paylaşmayı planlıyor. Plan gerçekleşirse Kimi K3.1 Pro, bugüne kadarki en yüksek puanlı açık ağırlıklı model unvanını alacak ve açık ile tescilli (kapalı kaynak) modeller arasındaki fark 12 puandan 3 puana inecek. Bu, açık kaynak yapay zekanın kapalı modellere yakınsadığına dair henüz doğrulanmamış ama somut veriyle desteklenen güçlü bir sinyal.

Nerede Fark Yarattı, Nerede Geride Kaldı

En büyük sıçrama ajan görevlerinde (modelin kendi başına çok adımlı işlemleri yürütmesi) görülüyor. GDPval-AA ölçütünde model 1.846 Elo puanına ulaşarak Claude Opus 5.5'in (1.866) hemen gerisine, Muse Wonder Full'ın (1.857) da altına yerleşti. Terminal-Bench 4.0'da yüzde 65,7 başarı oranıyla GPT-6 Astra'yı (yüzde 58,2) geride bıraktı ve Claude Opus 5.5'e (yüzde 66,4) neredeyse yetişti — önceki sürüm K3 bu testte sadece yüzde 13 başarı gösteriyordu, yani fark büyük.

Halüsinasyon oranlarında da ciddi iyileşme var: Moonshot'ın kendi Kimi Hallu Bench Hard testinde iddia bazlı halüsinasyon oranı yüzde 23,4'ten yüzde 8,3'e geriledi. Yine de GPT-6 Astra aynı testte yüzde 5,5 ile hâlâ önde; Moonshot bunun genel hata oranından çok bir stres testi olduğunu vurguluyor. 3D modelleme tarafında model Unity, Unreal Engine ve Godot gibi oyun motorlarıyla doğrudan çalışabiliyor; BenchCAD testinde araç desteğiyle yüzde 92,7 skorla Claude Opus 5.5'in (yüzde 96,2) gerisinde ama GPT-6 Astra'ya (yüzde 95,9) yakın bir performans sergiliyor.

Model boyutu değişmedi: toplam 2,8 trilyon parametre, 104 milyar aktif parametre, 1 milyon token bağlam penceresi ve metin-görsel çok modlu destek. Buna karşın API fiyatları yüzde 33 düştü — giriş tokenı 3 dolardan 2 dolara, çıkış tokenı 15 dolardan 10 dolara indi. Artificial Analysis'e göre model, performans-maliyet eğrisinin (Pareto sınırının) en üst noktasında konumlanıyor; benzer parametre sayısına sahip hiçbir model zeka endeksinde ondan yüksek puan almıyor.

Moonshot, açık ağırlıklı sürüm için dikkat çekici bir tercih yapmış: siber güvenlikle ilgili verileri hem ön eğitim hem de pekiştirmeli öğrenme aşamasından ayıklamış. Temizlenmemiş sürüm, gerçek dünyadaki yazılım açıklarını yeniden üreten xdev-bench-hard testinde yüzde 90,5 başarı gösterirken, temizlenmiş K3.1 Pro bu oranı yüzde 81'e düşürmüş — DeepSeek-V4.1-Flash aynı testte yüzde 85,7 ile hâlâ önde. Bu, daha önce ele aldığımız gelişmiş modellerin istemeden saldırı kapasitesi kazanması riskine karşı bilinçli bir fren niteliğinde.

Bu Ne Anlama Geliyor?

Buradaki asıl hikaye tek bir modelin puanı değil, trendin yönü. Çinli şirketler art arda açık ağırlıklı modellerle kapalı kaynak liderlerine yaklaşıyor ve bunu daha düşük fiyatla yapıyor. 11 puanlık sıçrama, aynı parametre sayısıyla elde edildiği için gerçek bir mimari veya eğitim verimliliği kazanımına işaret ediyor; sadece daha fazla hesaplama gücü harcanmış olması ihtimali düşük, çünkü token başına maliyet neredeyse sabit kalmış (1,98 dolar, K3'te 2 dolardı). Anthropic ve OpenAI için asıl baskı, zeka puanında değil fiyat-performans oranında kuruluyor; kapalı modeller artık sadece 'en akıllı model' değil, 'bedelini ödediğiniz farkı hak eden model' olduklarını kanıtlamak zorunda.

Türkiye'ye Etkisi

Türk geliştiriciler ve girişimler için bu gelişme iki yönlü fırsat sunuyor. Düşen API fiyatları, kodlama ve ajan tabanlı uygulama geliştiren yerli ekiplerin maliyetlerini azaltabilir. Ağırlıkların açık yayımlanması gerçekleşirse, veri egemenliği veya maliyet nedeniyle kapalı API'lara bağımlı kalmak istemeyen Türk şirketleri, modeli kendi sunucularında çalıştırma seçeneğine kavuşacak — bu, daha önce yazdığımız Çin kaynaklı açık modellerin global rekabeti nasıl ucuzlattığı tablosunun bir devamı niteliğinde. Ancak siber güvenlik verilerinin ayıklanmış olması, bu modellerin savunma amaçlı sızma testi veya güvenlik denetimi senaryolarında sınırlı kalabileceği anlamına geliyor; kurumsal kullanıcıların bu kısıtı değerlendirmesi gerekiyor.