Китайская лаборатория Moonshot AI представила Kimi K3.1 Pro, первую модель новой серии K3.1. Это самая мощная на сегодня открытая модель класса 3T (3 триллиона параметров) с окном контекста в 1 миллион токенов. Модель демонстрирует значительный прогресс в программировании, 3D-создании, финансовых исследованиях и агентных возможностях. Вместе с основной версией доступна Kimi K3.1 Pro Highspeed, работающая в 2–3 раза быстрее для более отзывчивого взаимодействия.
Полные веса модели будут опубликованы 4 ноября. Уже сейчас модель доступна через Kimi.ai, Kimi Work, Kimi Code и API.
Превосходство в программировании и агентных задачах
Kimi K3.1 Pro показывает результаты, сопоставимые с ведущими проприетарными моделями. На бенчмарке Terminal-Bench 4.0, оценивающем агентов для программирования в условиях ограниченных ресурсов, K3.1 Pro набрала 65,7%, обойдя GPT-6 Astra (58,2%) и немного уступив Claude Opus 5.5 (66,4%).
На внутреннем бенчмарке Kimi Code Bench 3.0 Long-horizon, тестирующем многошаговое выполнение задач и использование инструментов, модель набрала 61,2%, что значительно выше предыдущей версии K3 (55,95%).
| Бенчмарк | Kimi K3.1 Pro | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 58.2% | 66.4% |
| BenchCAD (с инструментами) | 92.7% | 95.9% | 96.2% |
3D-моделирование и сложные инженерные задачи
Модель демонстрирует сильные способности в пространственном мышлении и 3D-создании. На тесте BenchCAD (генерация CAD-кода из многовидовых рендеров) K3.1 Pro достигла 92,7%, приблизившись к показателям GPT-6 Astra и Claude Opus 5.5.
Особого внимания заслуживает пример с симулятором ходьбы человека на базе открытой модели human-atlas (296 костных и 402 мышечных компонента). За 167 миссий и 420 независимых проверок агент самостоятельно диагностировал проблемы, исправил 36 ошибок в расчетах плечевых мышц и довел симуляцию до непрерывной ходьбы длительностью 11,2 секунды, вместо первоначального падения через несколько секунд.
Финансы и снижение галлюцинаций
В финансовой сфере K3.1 Pro установила новый рекорд на OfficeQA Pro v2 (64,4 балла), демонстрируя способность к сложному анализу данных и кросс-документальной верификации. По сравнению с предшественником K3, модель улучшила результаты в финансовом моделировании на 7,2 балла, а в бизнес-операциях показала производительность в 4,2 раза выше.
Критически важным улучшением стало снижение уровня галлюцинаций. На стресс-тесте Kimi Hallu Bench Hard уровень галлюцинаций на уровне утверждений упал с 23,4% до 8,3%, а доля ответов с хотя бы одной фактической ошибкой сократилась до 42,4% от уровня предыдущей версии.
Безопасность и кибербезопасность
Moonshot AI уделила особое внимание контролю кибервозможностей. В ходе обучения было выявлено, что данные о кибербезопасности естественно включаются в общий корпус. Для открытого релиза разработчики идентифицировали и удалили кибер-специфичные данные из этапов mid-training и RL, сохранив при этом общие задачи программирования, чтобы минимизировать риски злоупотребления, не жертвуя полезностью модели.
Бенчмарки
| Бенчмарк | Kimi K3 | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| Terminal-Bench 4.0 | — | 65.7% | 66.4% | 58.2% |
| Kimi Code Bench 3.0 Long-horizon | 55.95% | 61.2% | — | — |
| BenchCAD | — | 92.7% | 96.2% | 95.9% |
| Kimi Hallu Bench Hard (claim-level hallucination | 23.4% | 8.3% | — | — |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Kimi ↗