Le Rubik’s Cube est le véritable test de résistance
Kimi K3.1, un modèle open-weight de 3 000 milliards de paramètres, a récemment fait une déclaration frappante : il peut générer et interagir avec un Rubik's Cube en 3D. Cela peut sembler trivial, mais les précédents modèles open-weight ont constamment échoué à ce test, affichant souvent des couleurs incohérentes, des rotations illogiques ou résolvant soudainement le cube sans physique cohérente.
La démo de Kimi présente un rendu 3D hyper-réaliste du puzzle, complet avec un éclairage dynamique et des reflets de surface. Les utilisateurs peuvent manipuler le cube via des commandes tactiles réactives ou une saisie au clavier, lancer des mélanges, annuler des mouvements et réinitialiser l'état. Un minuteur en direct suit les tentatives de résolution, et l'interface inclut même un solveur étape par étape qui utilise un algorithme, plutôt que de simplement inverser l'historique des entrées.
Il ne s'agit pas seulement d'une fioriture visuelle ; le test du Rubik's Cube exige une confluence de capacités d'IA avancées. Il nécessite une génération de code précise pour l'environnement 3D, un suivi d'état persistant à travers de nombreuses permutations et un raisonnement spatial sophistiqué pour comprendre la mécanique du cube. Le modèle doit également intégrer ces éléments dans une interface interactive cohérente, démontrant une compétence unifiée au-delà de l'exécution de tâches isolées.
Rendu impressionnant, compréhension inégale
Les capacités de rendu impressionnantes de Kimi ne se traduisent cependant pas toujours par une compréhension précise. Lorsqu'il a été invité à générer un rendu WebGL 3D d'un « iPhone Duo » visant la précision, Kimi a produit des reflets convaincants sur les bords métalliques et un éclairage dynamique. Pourtant, la conception de l'appareil et le logo Apple étaient totalement incorrects, ressemblant à un dessin animé plutôt qu'à un produit réel. Bien que le modèle ait utilisé la recherche Web pendant son temps de génération de 28 minutes et 45 secondes, il n'a pas réussi à intégrer des détails factuels.
Un test plus conséquent a impliqué la modélisation d'un nœud d'assurage dans Blender. Cette tâche exigeait non seulement une maîtrise de Blender, mais aussi une recherche Web pour les spécificités du nœud, et une conscience spatiale robuste pour rendre correctement les relations corde sur corde. Kimi a généré la forme générale d'un nœud sur un harnais, mais le rendu était fondamentalement défectueux : le nœud n'était pas correctement noué ou attaché, échouant à respecter l'instruction principale.
Une deuxième tentative de motion-design a offert une présentation plus soignée mais n'a toujours pas clairement représenté la géométrie fonctionnelle d'un nœud noué. Cette distinction entre une sortie visuellement attrayante et des informations précises et utilisables sur le plan pédagogique met en évidence un écart critique. Kimi excelle dans la génération de visuels impressionnants, mais sa compréhension des contraintes physiques complexes du monde réel reste inégale.
Un clone de Fall Guys — et un look d'IA familier
Ensuite, Kimi K3.1 a généré un jeu basé sur navigateur, Bean Blitz, à partir d'une courte invite. Cette expérience de type Fall Guys met en scène 12 concurrents naviguant sur un parcours d'obstacles avec des mécanismes de saut et de plongée. Les joueurs se déplacent à travers des points de contrôle, contrôlant leur personnage avec des entrées clavier, et peuvent ajuster des paramètres comme l'angle de la caméra et la vitesse du personnage.
Le prototype fonctionne, mais ce n'est pas un produit fini. Berman a noté des visuels très pastel, des textures scintillantes et une détection de collision peu fiable, indiquant que bien que Kimi ait construit un jeu fonctionnel, il nécessite des améliorations. Cela démontre la capacité de Kimi à créer des environnements interactifs, mais souligne également les limites actuelles en matière de cohérence esthétique et de précision physique.
Au-delà des jeux, Kimi a également repensé un site web et produit une vidéo parodique. Le site web a démontré son étendue en matière de développement front-end. Pour la vidéo, Kimi aurait exploité Python, FFmpeg et une API de génération vidéo, créant une version humoristique du format de démonstration technologique. Cela suggère que Kimi peut orchestrer plusieurs outils, bien que ces capacités rapportées soient basées sur le récit du créateur. Pour une plongée plus approfondie dans l'architecture et les capacités de Kimi, visitez Kimi AI.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Les « open weights » sont de retour, avec des bémols
Kimi K3.1 démontre que les modèles à poids ouverts (open-weight models) peuvent atteindre des performances remarquables dans certaines tâches de pointe, mais ses capacités varient. Bien que la simulation du Rubik's Cube ait montré une physique 3D impressionnante et un suivi d'état cohérent, le rendu de l'iPhone Duo a révélé des limites, échouant à représenter précisément le produit demandé malgré ses reflets convaincants.
Il est crucial de noter que « open-weights » ne signifie pas entièrement open source. Kimi K3.1, un modèle 3-trillion-parameter sparse Mixture-of-Experts (MoE) avec une fenêtre de contexte de 1M-token, fonctionne différemment des initiatives open source. Son architecture spécifique, comme sa conception d'attention linéaire KDA (Kimi Delta Attention), est propriétaire, et ses mécanismes internes ne sont pas totalement transparents.
L'observation dans la vidéo d'un « texte de sourcil » similaire à celui de Claude est notable. Bien que des ressemblances stylistiques puissent découler de données d'entraînement partagées ou d'influences architecturales, elles ne constituent pas une preuve de distillation. Les accusations de distillation nécessitent des preuves directes, et non de simples similitudes superficielles.
En fin de compte, l'évaluation des modèles nécessite des tâches reproductibles, et non seulement des démonstrations virales. La performance de Kimi sur le Rubik's Cube est une réalisation technique significative, signalant un avantage concurrentiel renouvelé pour les systèmes à poids ouverts dans le raisonnement spatial et physique complexe. Cependant, les utilisateurs devraient continuer à évaluer les modèles sur une gamme diversifiée de benchmarks pour comprendre leurs véritables capacités et limites.
Questions fréquemment posées
Qu'est-ce que Kimi K3.1 ?
Kimi K3.1 est un modèle de Moonshot AI présenté dans la vidéo comme un système à poids ouverts de classe avancée, testé via du codage et des démonstrations créatives.
Kimi K3.1 a-t-il réussi le test du Rubik's Cube ?
Dans la vidéo, il a construit un cube 3D interactif avec des commandes fonctionnelles et un solveur qui a animé une solution semblant valide.
Kimi K3.1 peut-il fonctionner localement ?
La vidéo n'établit pas les exigences matérielles locales. Les poids ouverts peuvent permettre un déploiement au-delà de l'application du fournisseur, mais l'accès et les besoins en calcul dépendent du modèle publié et des outils utilisés.
Kimi K3.1 est-il open source ?
La vidéo le décrit comme ayant des poids ouverts. Cela ne signifie pas nécessairement que les données d'entraînement, le code ou le processus de développement complet sont open source.