2026. július 20., hétfő · Modellek

A Moonshot Kimi K3 modellje frontend kódban vezet, de matematikában messze lemarad a nyugati riválisoktól

A Moonshot AI kínai Kimi K3 modellje a Code Arena frontend kód benchmarkján 1679 pontot ért el, ezzel megelőzve a Claude Fable 5-öt (1631) és a GPT-5.6 Sol-t (1618) is – a The Decoder beszámolója szerint ez az első alkalom, hogy kínai modell végzett az élen ezen a teszten. A kép ugyanakkor vegyes: az Epoch AI adatai alapján a Kimi K3 a FrontierMath Tier 4 nehéz matematikai feladatain mindössze 39 százalékos pontosságot ért el, míg az OpenAI és az Anthropic modelljei ugyanezeken a feladatokon egyes esetekben 90 százalék körüli eredményt produkáltak. A két benchmark tehát eltérő területeken mutatja a modell erősségeit és korlátait: a frontend fejlesztésben kiemelkedő, de komplex matematikai problémáknál jelentős a lemaradása.

Miért fontos?

Először végzett kínai modell az élen egy elterjedt frontend kód benchmarkon, miközben a matematikai teszteken a szakadék még mindig nagy.

Források

The Decoder

Kapcsolódó témák

Napi összefoglalók AI kutatás #Kimi K3#benchmark

Napi összefoglaló

Ez a hír a 2026. július 20., hétfő napi AI összefoglaló része.

Kapcsolódó hírek

Az Alibaba bemutatta a 2,4 billió paraméteres Qwen 3.8 modellt, célkeresztben a Kimi K3

Az Alibaba nyilvánosságra hozta legújabb, nyílt súlyú Qwen 3.8 modelljét, amely a vállalat állítása szerint 2,4 billió paraméterrel rendelkezik, és csak a Fable 5 mögött marad el. A csapat szerint ez az első, egybillió paraméternél nagyobb multimodális modelljük, amely képeket, videókat és dokumentumokat is feldolgoz. Független benchmark-eredmények egyelőre nem állnak rendelkezésre, a teljesítményállítások kizárólag a fejlesztő közlésén alapulnak. Az előnézet az Alibaba platformjain a szokásos ár tizedéért érhető el, a nyílt súlyok közzétételét a közeljövőre ígérik. A The Decoder szerint a lépés részben a Moonshot AI Kimi K3 modelljének térnyerését célozza ellensúlyozni.

Kínai startup kiadta a világ legnagyobb nyílt AI-modelljét, szűkítve a lemaradást az Egyesült Államokkal szemben

Egy kínai startup bemutatta a világ eddigi legnagyobb nyílt forráskódú mesterségesintelligencia-modelljét – a Reuters és a Gizmodo beszámolói szerint a modell egyes Anthropic- és OpenAI-modellekkel versenyképes teljesítményt nyújt. A bejelentés hatására az AI- és félvezetőipari részvények esésnek indultak a Bloomberg tudósítása alapján. A lépés illeszkedik Kína nyílt forráskódú AI-stratégiájába, amelyről a MIT Technology Review korábban részletesen írt. Emellett a South China Morning Post szerint a kínai Nvidia-alternatívák is egyre nagyobb teret nyernek, Hszi Csin-ping pedig a fejlődő országok felé pozicionálta Kínát mint AI-partnert a CNBC szerint. A fejlemények összességében arra utalnak, hogy a kínai–amerikai AI-szakadék szűkülhet.

Az OpenAI megépítette a GPT-Red-et, egy LLM-alapú szuperhackert a modellek biztonságáért

Az OpenAI létrehozott egy GPT-Red nevű, támadóképességre kiképzett nagy nyelvi modellt, amellyel automatizáltan teszteli saját rendszerei biztonságát – a MIT Technology Review exkluzív beszámolója szerint. A GPT-Red-et önjáték-ciklusban képezték ki több modell ellen: a támadó egyre hatékonyabb prompt-injekciós módszereket fejlesztett ki, a védekező modellek pedig ellenállóbbá váltak. Az OpenAI kutatói szerint a rendszer már korábban ismeretlen támadási módszereket is felfedezett. A vállalat állítása alapján legújabb modelljük, a GPT-5.6 a GPT-Red-del szembeni edzésnek köszönhetően eddigi legrobusztusabb kiadásukká vált. A cél az, hogy az ágensként működő LLM-ek növekvő támadási felületét a jövőben is hatékonyan lehessen ellenőrizni.

A Thinking Machines Lab bemutatta első modelljét, a 975 milliárd paraméteres Inklinget

A Mira Murati és más volt OpenAI-vezetők által alapított Thinking Machines Lab kiadta első nyílt súlyú multimodális modelljét, az Inklinget. A WIRED szerint a modellt a nulláról képezték ki szöveg, hang és videó feldolgozására, és a cég állítása alapján teljesítménye hasonló a vezető nyílt súlyú kínai modellekéhez. Egy névtelen belső forrás elárulta, hogy a tanítás során az Inkling a hatékonyság érdekében önállóan elhagyta a természetes nyelvű gondolatmenet-leírást, amit a fejlesztők az értelmezhetőség kedvéért visszaállítottak. A startup rekordösszegű seed finanszírozást kapott, 12 milliárd dolláros induló értékeléssel.