Компания Moonshot AI выпустила Kimi K3.1 Pro — самую мощную на сегодня открытую модель класса 3T (3 триллиона параметров). Ключевая особенность релиза — контекстное окно размером 1 миллион токенов, что позволяет обрабатывать огромные кодовые базы и документы целиком. Также доступна версия Kimi K3.1 Pro Highspeed, работающая в 2–3 раза быстрее стандартной версии.
Модель обучалась с использованием масштабного reinforcement learning (RL) на сотнях доменных задач. Разработчики оптимизировали весь стек: от RL-фреймворка до инфраструктуры песочниц, чтобы каждый прирост вычислительных ресурсов давал стабильный результат. Полные веса модели будут опубликованы 4 ноября.
Бенчмарки: конкуренция с GPT-6 и Claude
Kimi K3.1 Pro показывает результаты, близкие к или превосходящие лучшие проприетарные модели в ключевых дисциплинах. Особенно заметен прогресс в агентном программировании и 3D-генерации.
| Бенчмарк / Задача | Kimi K3.1 Pro | Конкуренты | Предыдущая версия (K3) |
|---|---|---|---|
| Terminal-Bench 4.0 (агентное кодинг в терминале) |
65.7% | GPT-6 Astra: 58.2% Claude Opus 5.5: 66.4% |
— |
| Kimi Code Bench 3.0 (долгосрочные задачи, инструменты) |
61.2% | — | 55.95% |
| BenchCAD (3D-реконструкция из рендеров) |
92.7% | Claude Opus 5.5: 96.2% GPT-6 Astra: 95.9% |
— |
| OfficeQA Pro v2 (финансовый анализ документов) |
64.4 | SOTA (лучший результат) | — |
| Kimi Hallu Bench Hard (уровень галлюцинаций, ниже лучше) |
8.3% | — | 23.4% |
Ключевые возможности
- Программирование и игры: Модель эффективно работает с Unity, Unreal Engine и Godot. В одном из тестов она самостоятельно создала симулятор ходьбы человека на базе human-atlas (296 костных и 402 мышечных компонента), исправив 36 ошибок в расчетах мышц плеча и доведя симуляцию до 11.2 секунд непрерывной ходьбы.
- 3D-моделирование: K3.1 Pro умеет генерировать параметрические модели и писать скрипты для Blender и CAD-софта без внешних MCP-коннекторов. Функция 3D Make уже доступна в приложении Kimi для редактирования и экспорта моделей.
- Финансы: Значительный рост в задачах финансового моделирования (+7.2 балла к K3) и бизнес-операций (в 4.2 раза лучше K3). Уровень галлюцинаций снижен более чем в 2 раза.
Безопасность и кибербезопасность
Разработчики уделили особое внимание контролю кибервозможностей. Выяснилось, что при масштабировании RL-обучения способности к поиску уязвимостей растут автоматически из-за данных в общем корпусе. Для открытого релиза Moonshot AI удалила кибер-специфичные данные из этапов mid-training и RL, сохранив при этом общие навыки программирования. Это позволило снизить риски злоупотребления, не жертвуя полезностью модели для разработчиков.
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 | 23.4% | 8.3% | — | — |
Жирным — лучший результат в строке. Источник цифр — официальная публикация.
Источник: Kimi ↗