A Kimi K3.1 Pro már automatikus címkézésre is használható

A Kimi K3.1 Pro megelőzte elődjét

A Moonshot AI október 23-án adta ki a Kimi K3.1 Pro modellt, amely egy nappal később bekerült az Ultralytics Platform kínálatába. A rendszer a Kimi K3 utólag továbbképzett változata, amelyhez a fejlesztő szerint jelentősen több utólagos tanítási számítási kapacitást használtak.

A modell 1 millió tokenes kontextusablakkal rendelkezik, valamint képes képi és videós bemenetek feldolgozására. A Moonshot közlése szerint a Kimi K3.1 Pro a vállalat eddigi legnagyobb képességű, 3T osztályú nyílt súlyú modellje. A teljes súlyok kiadását november 4-re tervezik.

Az Ultralytics VLM Leaderboard tesztjén a Kimi K3.1 Pro 0,444 mAP50 eredményt ért el, szemben a Kimi K3 0,334 értékével. A modell a 29 vizsgált rendszer közül a hetedik lett, tíz hellyel előrébb végezve elődjénél. Az előtte álló modellek mind zárt modellek a Google, az Anthropic vagy az OpenAI kínálatából.

Automatikus keretrajzolás képek és teljes adatkészletek számára

Az Ultralytics Platform annotációs szerkesztőjében a Kimi K3.1 Pro osztálypromptokkal használható látás és nyelvi modellként. Egy 1 és 200 közötti osztályt tartalmazó objektumfelismerési adatkészletnél a rendszer megkeresi a képeken az adott osztályok példányait, majd határolókereteket rajzol köréjük.

A felhasználó egyesével is feldolgozhatja a képeket. Ehhez az annotációs szerkesztőben Smart módra kell váltani, a modellválasztóban a Kimi alatt ki kell választani a Kimi K3.1 Pro modellt, majd a Predict lehetőséget kell használni. A teljes adatkészlet a More actions, majd a Batch Annotation menüpontból címkézhető.

Az eredményeket a felhasználó átnézheti, módosíthatja és elmentheti. Az Ultralytics szerint minden kötegelt futtatás először új adatkészlet-verziót ment, így az annotáció később visszaállítható.

Javult a pontosság, de a feldolgozás lassabb

A teszt 36, különböző területet lefedő objektumfelismerési adatkészletből vett, egyenként 10 véletlenszerűen kiválasztott képet használt. A készletek között szerepelt orvosi képalkotás, légi és műholdas felvétel, áramköri lapok ellenőrzése, biztonsági röntgen, kiskereskedelmi polcok, közlekedés, sport, víz alatti jelenetek és hőkamerás felvétel.

A Kimi K3.1 Pro a 36 adatkészletből 25-ben javult a Kimi K3-hoz képest, és a 12 vizsgált területből 8-ban jobb eredményt ért el. A legnagyobb előrelépés a sport, az utak és közlekedés, valamint a dokumentumok, felhasználói felületek és CAD területén történt. A teniszlabdák felismerésénél az eredmény 0,08-ról 0,74 mAP50-re nőtt, a CeyMo útburkolati jelzéseinél pedig 0,17-ről 0,80-ra.

A modell pontossága 0,560-ra, visszahívása 0,483-ra nőtt a Kimi K3 0,439-es, illetve 0,376-os értékéről. Ugyanakkor a Kimi K3.1 Pro medián válaszideje körülbelül 22 másodperc volt képenként. A kérések 6,4 százaléka nem fejeződött be az Ultralytics Platform 115 másodperces korlátján belül, míg a Kimi K3 esetében ez az arány 1,7 százalék volt.

Az Ultralytics szerint a modell körülbelül 22,50 dollárba kerül 1000 kép feldolgozásakor. A Moonshot API-díja egymillió bemeneti tokenenként 2 dollár, egymillió kimeneti tokenenként pedig 10 dollár. A szolgáltató saját API-kulcs használatát kéri, amelyhez külön 1 dolláros Ultralytics Platform-feldolgozási díj társul 1000 képenként kötegelt annotáció esetén.

Az eredményeket továbbra is ellenőrizni kell

A Kimi K3.1 Pro a teljes rangsorban a Gemini 4 Argon, a Claude Opus 5.5, a GPT-6 Astra, a Gemini 3.8 Flash, a GPT-6.1 Sol és a Claude Sonnet 5.5 mögött végzett. A Kimi ugyanakkor hat adatkészleten, köztük teniszlabdák, futball, búzafejek és pajzsmirigy-ultrahang képein, megelőzte a Gemini 4 Argont.

Az Ultralytics szerint a speciális képi területek minden modell számára nehezek. Az ipari áramköri lapok hibáinál mindkét Kimi modell eredménye közel maradt a nullához, és a Kimi K3.1 Pro gyengébben teljesített víz alatti képeken, valamint biztonsági röntgenfelvételeken. Emiatt a szolgáltató a létrehozott kereteket ember által ellenőrzendő első tervezetként kezeli, és azt javasolja, hogy a teljes adatkészlet feldolgozása előtt a felhasználók saját képeiken is vizsgáljanak meg néhány előrejelzést.