Китайският AI модел Kimi K3.1 Pro се приближава до Claude Opus 5.5 на Anthropic

Новият модел за разсъждение на Moonshot AI Kimi K3.1 Pro заема четвърто място в Artificial Analysis Intelligence Index, само с 3 точки зад водещите патентовани модели.

Китайската AI компания Moonshot AI пусна Kimi K3.1 Pro — версия на предшественика си Kimi K3, дообучена със значително повече изчислителни ресурси. Моделът получава 55 точки в Artificial Analysis Intelligence Index, което е с 11 точки повече от K3 и го поставя на четвърто място.

По-високо се класират само Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) и Muse Wonder Full (56), според Artificial Analysis. Ако Moonshot пусне теглата на модела, както е планирано, до 4 ноември 2026 г., K3.1 Pro ще стане най-високо оценяваният модел с отворени тегла. Това би намалило разликата между моделите с отворени тегла и патентованите модели от 12 на само 3 точки, ако дотогава нищо друго не се промени.

Наред с K3.1 Pro Moonshot предлага и вариант, наречен K3.1 Pro Highspeed, който работи два до три пъти по-бързо, според компанията. И двата модела вече са достъпни чрез Kimi.ai, Kimi Work, Kimi Code и Kimi API.

Най-големи подобрения при агентните задачи

Най-съществените подобрения на K3.1 Pro се проявяват при агентните задачи. В бенчмарка GDPval-AA той достига 1846 Elo според Artificial Analysis — с 312 точки повече от K3. Това го поставя непосредствено зад Claude Opus 5.5 (1866) и Muse Wonder Full (1857). В Terminal-Bench 4.0 Moonshot отчита 65,7 процента — пред GPT-6 Astra (58,2 процента) и съвсем малко зад Claude Opus 5.5 (66,4 процента). K3 постига само 13 процента на същия тест.

Процентът на халюцинациите също е намалял рязко. Във вътрешния за Moonshot Kimi Hallu Bench Hard халюцинациите на ниво твърдение са спаднали от 23,4 процента при K3 до 8,3 процента, според компанията. Moonshot уточнява, че това е стрес тест, а не измерване на общия процент грешки. GPT-6 Astra постига 5,5 процента на същия бенчмарк, така че все още има предимство.

Във вътрешните финансови бенчмаркове K3.1 Pro печели 7,2 точки при Financial Modeling и 11,6 точки при Financial Research. При общите офис задачи моделът надминава всички тествани модели в OfficeQA Pro v2, според Moonshot.

Бенчмарк таблицата на Moonshot за Kimi K3.1 Pro. Всички резултати са при зададено ниво на усилие за разсъждение „максимално“.

3D моделиране и програмиране

K3.1 Pro работи директно с игрови енджини като Unity, Unreal Engine и Godot, като според Moonshot може да изпълнява както бързи корекции, така и да изгражда цели проекти. В бенчмарка BenchCAD той постига 92,7 процента с инструменти — близо до Claude Opus 5.5 (96,2 процента) и GPT-6 Astra (95,9 процента). Без инструменти достига 72,8 процента, почти изравнявайки се с Claude Opus 5.5 (73,0 процента).

Moonshot заявява, че моделът е най-силен при параметричното моделиране на механични части, архитектурни модели и конфигурируеми продукти. Той може да пише и изпълнява скриптове за Blender и CAD софтуер без MCP конектори. Компанията също така пусна функция, наречена „3D Make“, в Kimi.com, която позволява на потребителите да преглеждат, редактират и експортират 3D модели.

Същият размер, по-ниски цени

K3.1 Pro запазва същите размери като K3 — общо 2,8 трилиона параметри, от които 104 милиарда са активни. Контекстният прозорец обхваща един милион токена, а моделът обработва както текст, така и изображения. Според Artificial Analysis той е на върха на границата на Парето. Няма модел със сравним брой параметри, който да получава по-висок резултат в Intelligence Index.

Цените на токените спадат с 33 процента. Входът струва $2 за един милион токена (спрямо $3), изходът струва $10 (спрямо $15), а кешираните заявки струват $0.20 (спрямо $0.30). Всяка задача от Intelligence Index струва $1.98 — почти колкото при K3 ($2.00), тъй като моделът генерира 14 процента повече изходни токени.

Киберсигурност и умишлени ограничения на офанзивните възможности

Moonshot посвещава цял раздел от своята техническа публикация в блога на киберсигурността. Компанията заявява, че е установила как способностите за изследване на уязвимости продължават да се развиват с увеличаването на мащаба на дообучаването, тъй като съдържание, свързано с киберсигурността, е било включено в общия корпус за междинно обучение, а свързаните задачи са били част от средата за обучение с подсилване.

За пускането на модела с отворени тегла Moonshot е премахнала данните, свързани с киберсигурността, и от двете фази на обучението. Във вътрешния си xdev-bench-hard, който възпроизвежда наскоро разкрити уязвимости в софтуер като ядрото на Linux, Node.js и JavaScriptCore, необработената версия решава 90,5 процента от задачите. След почистването на данните K3.1 Pro решава 81,0 процента. DeepSeek-V4.1-Flash достига 85,7 процента на същия тест, докато Kimi K3 постига 33,3 процента.

Moonshot заявява, че нито един модел с отворени тегла не бива да надхвърля абсолютния предел на офанзивните киберспособности. Същевременно компанията иска постепенно да повишава възможностите на отворените модели, тъй като те служат и за защитни цели, например за одит на стари системи. Anthropic вече показа, че дори GLM-5.3, който получава 45 точки в AA Index, може да пише експлойти на почти нивото на Claude Mythos.

AI новини без сензации – подбрани от хора

Абонирайте се за THE DECODER и получете четене без реклами, седмичен AI бюлетин, нашия ексклузивен тримесечен доклад „AI Radar“ за водещите разработки, пълен достъп до архива и достъп до секцията за коментари.