Тест с кубиком оказался не таким мертвым, как казалось
Мэттью Берман, известный аналитик в области ИИ, выразил искреннее удивление: он полагал, что Rubik's Cube Test — это решенная проблема для современного ИИ. Тем не менее, он отметил, что модели с открытыми весами постоянно испытывали с ним трудности, что делает недавний успех Kimi K3.1 особенно примечательным.
Перепутанный Rubik's Cube — это гораздо больше, чем задача на визуальное распознавание. Каждый поворот фундаментально меняет состояние кубика, требуя от системы тщательного отслеживания: - Цветов отдельных наклеек - Ориентации каждой грани - Допустимости каждого потенциального хода в многошаговой последовательности
Kimi K3.1, флагманская модель Moonshot AI, не просто воспроизвела последовательность входных ходов в обратном порядке. Она алгоритмически вычислила оптимальное решение из произвольного перепутанного состояния, выполнив повороты в динамической 3D-среде WebGL. Эта возможность подчеркивает продвинутые навыки пространственного мышления и многошагового отслеживания состояния — области, в которых модели с открытыми весами исторически терпели неудачу.
Хотя производительность Kimi K3.1 является убедительной демонстрацией того, как одна модель справляется со сложной задачей, важно тщательно определить масштаб. Это достижение демонстрирует значительный прогресс в конкретных возможностях рассуждения и исполнения в рамках китайской передовой модели. Однако это не доказывает, что все модели с открытыми весами теперь повсеместно соответствуют всему спектру возможностей, присущих каждой ведущей проприетарной системе.
Он решил задачу перемешивания, а не просто воспроизвел запись
Берман подчеркнул важное различие: Kimi K3.1 не просто развернула заранее записанную последовательность ходов. Вместо этого модель алгоритмически рассчитала решение для полностью перепутанного Rubik's Cube, продемонстрировав подлинное пространственное мышление, а не просто воспроизведение. Эта способность отличает ее от наивных реализаций, которые могли бы просто отменить предыдущие операции.
Во время демонстрации Kimi K3.1 заранее сгенерировала последовательность поворотов, а затем выполнила их один за другим в динамической 3D-среде. Модель тщательно вращала грани и слои, пока кубик не достиг решенного состояния, что завершилось праздничной анимацией конфетти.
Этот процесс демонстрирует способность Kimi K3.1 к многошаговому отслеживанию состояния и сложному планированию. Хотя видео подтверждает успешное решение, оно не предоставляет формального аудита самого метода решения или подтверждения оптимальности сгенерированной последовательности. Основное внимание уделяется способности модели находить и реализовывать решение из произвольной начальной конфигурации.
Kimi K3.1 Pro от Moonshot AI, модель с открытыми весами класса 3 триллиона параметров, достигла этого с контекстным окном в 1 миллион токенов. Такая производительность предполагает значительный скачок в способностях к рассуждению для моделей с открытыми весами, что исторически было слабым местом по сравнению с проприетарными передовыми моделями.
Интерфейс сделал процесс рассуждения видимым
Демонстрация Бермана вышла за рамки простых текстовых заявлений. Модель отрисовала полностью интерактивный 3D-кубик WebGL, представляя решение пошагово. Этот визуальный интерфейс позволил зрителям следить за вычисленной последовательностью Kimi K3.1 в режиме реального времени, что является значительным улучшением по сравнению со статичными текстовыми выводами.
Качество исполнения приложения было заметно высоким: отзывчивые повороты кубика, динамическое освещение и манипуляции с камерой. Праздничная анимация конфетти по завершении решения еще больше улучшила презентацию, сделав демо-версию отполированной и пригодной для распространения. Этот лоск фронтенда способствовал убедительности успешного прохождения теста.
Важно отметить, что качество интерфейса, при всей его впечатляемости, не является доказательством качества лежащих в его основе рассуждений. Сложное приложение WebGL улучшает презентацию решения, но само по себе не служит свидетельством более широкого интеллекта или надежности. Истинное достижение заключается в алгоритмических возможностях модели.
Модель Kimi K3.1 Pro от Moonshot AI с контекстным окном в 1 миллион токенов и классом параметров в 3 триллиона демонстрирует значительный прогресс. Она достигает 65,7%–67% в Terminal-Bench 4.0, конкурируя с ведущими проприетарными моделями и показывая, как методы пост-тренировки сокращают разрыв в способностях к рассуждению. Более подробную техническую информацию о ее возможностях можно найти в блоге Kimi K3.1 Pro Tech Blog.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Один собранный кубик — это сигнал, а не вердикт
Успешное решение задачи с кубиком моделью Kimi K3.1 дает убедительное представление о ее возможностях. Демонстрация предполагает, что модель способна координировать многошаговый план, отслеживать меняющееся визуальное состояние и выполнять сложную алгоритмическую последовательность. Эта задача, хотя и кажется простой, требует надежных навыков пространственного мышления и отслеживания состояния.
Тем не менее, одно видео не может служить основанием для оценки всесторонней производительности. Демонстрация не позволяет количественно оценить стабильность Kimi K3.1 при повторяющихся случайных перемешиваниях, ее способность восстанавливаться после ошибок или производительность в независимых тестах на логику. Независимая репликация и тщательное тестирование в различных сценариях остаются критически важными для полной оценки.
Этого достижения добилась модель Kimi K3.1 Pro от Moonshot AI, относящаяся к классу моделей с 3 триллионами параметров и контекстным окном в 1 миллион токенов. Хотя результат впечатляет, этот отдельный случай служит лишь сигналом о возможностях, а не окончательным вердиктом о ее общем превосходстве.
Читателям, оценивающим демоверсии ИИ, следует воспринимать такие впечатляющие показы как индикаторы значимого прогресса. Затем стоит искать повторяемые тесты, прозрачную методологию и широкую валидацию, прежде чем делать далеко идущие выводы об общем интеллекте или практической пользе модели. Такой осторожный подход позволяет отделить спекуляции от подтвержденных достижений.
Часто задаваемые вопросы
Что сделала Kimi K3.1 в тесте с кубиком Рубика?
В видео Мэттью Бермана она сгенерировала интерактивный 3D-кубик и создала последовательность ходов, которая решила задачу для перемешанного состояния.
Чем решение кубика отличается от отмены ходов?
Отмена ходов — это обращение известной последовательности перемешивания. Решение из перемешанного состояния требует поиска ответа, основанного на текущем расположении граней кубика.
Доказывает ли эта демонстрация, что Kimi может собрать любой кубик Рубика?
Нет. Это лишь успешная демонстрация, а не систематическая оценка по множеству перемешиваний, запусков или условий.
Почему тест с кубиком Рубика полезен для оценки ИИ?
Он может показать, поддерживает ли система меняющееся состояние и планирует ли последовательность допустимых действий, хотя и проверяет лишь узкий набор способностей.