Китайская ИИ-модель Kimi K3.1 Pro приближается к Claude Opus 5.5 от Anthropic

Новая модель рассуждений Moonshot AI Kimi K3.1 Pro заняла четвертое место в рейтинге Artificial Analysis Intelligence Index, отстав всего на 3 балла от лучших проприетарных моделей.

Китайская ИИ-компания Moonshot AI выпустила Kimi K3.1 Pro — версию своей предшественницы Kimi K3, дообученную с использованием значительно больших вычислительных ресурсов. Модель набрала 55 баллов в рейтинге Artificial Analysis Intelligence Index, прибавив 11 баллов по сравнению с K3 и заняв четвертое место.

Выше расположились только Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) и Muse Wonder Full (56), согласно данным Artificial Analysis. Если Moonshot выпустит веса модели, как и планирует, к 4 ноября 2026 года, K3.1 Pro станет моделью с открытыми весами и самым высоким результатом среди доступных на тот момент. Это сократит разрыв между открытыми и проприетарными моделями с 12 до всего 3 баллов, если к тому времени ничего больше не изменится.

Одновременно с K3.1 Pro Moonshot выпускает вариант под названием K3.1 Pro Highspeed, который, по словам компании, работает в два-три раза быстрее. Обе модели уже доступны через Kimi.ai, Kimi Work, Kimi Code и Kimi API.

Самый значительный прогресс — в агентных задачах

Наиболее заметные улучшения K3.1 Pro проявляются в агентных задачах. В тесте GDPval-AA она набирает 1 846 баллов Elo, согласно данным Artificial Analysis, что на 312 баллов больше, чем у K3. Это ставит ее сразу после Claude Opus 5.5 (1 866) и Muse Wonder Full (1 857). В Terminal-Bench 4.0 Moonshot сообщает о результате 65,7 процента — выше, чем у GPT-6 Astra (58,2 процента), и лишь немного ниже, чем у Claude Opus 5.5 (66,4 процента). K3 набрала в том же тесте всего 13 процентов.

Частота галлюцинаций также резко снизилась. Во внутреннем тесте Moonshot Kimi Hallu Bench Hard число галлюцинаций на уровне утверждений сократилось с 23,4 процента у K3 до 8,3 процента, сообщает компания. Moonshot отмечает, что это стресс-тест, а не показатель общей частоты ошибок. GPT-6 Astra набирает в том же тесте 5,5 процента, поэтому все еще сохраняет преимущество.

Во внутренних финансовых тестах K3.1 Pro прибавила 7,2 балла в Financial Modeling и 11,6 балла в Financial Research. В общих офисных задачах модель превзошла все протестированные модели в OfficeQA Pro v2, утверждает Moonshot.

Таблица результатов Moonshot для Kimi K3.1 Pro. Все результаты получены при максимальном уровне усилий на рассуждение.

3D-моделирование и программирование

По данным Moonshot, K3.1 Pro напрямую работает с игровыми движками, такими как Unity, Unreal Engine и Godot, выполняя как быстрые исправления, так и создавая проекты целиком. В тесте BenchCAD модель набирает 92,7 процента с инструментами, приближаясь к Claude Opus 5.5 (96,2 процента) и GPT-6 Astra (95,9 процента). Без инструментов она достигает 72,8 процента, почти сравниваясь с Claude Opus 5.5 (73,0 процента).

Moonshot утверждает, что модель особенно сильна в параметрическом моделировании механических деталей, архитектурных моделей и настраиваемых продуктов. Она может писать и запускать скрипты для Blender и CAD-программ без MCP-коннекторов. Компания также запустила на Kimi.com функцию под названием «3D Make», которая позволяет пользователям просматривать, редактировать и экспортировать 3D-модели.

Тот же размер, более низкие цены

K3.1 Pro сохраняет те же характеристики, что и K3: 2,8 триллиона общих параметров и 104 миллиарда активных. Контекстное окно вмещает один миллион токенов, а модель работает как с текстом, так и с изображениями. Согласно Artificial Analysis, она находится на вершине фронта Парето. Ни одна модель с сопоставимым количеством параметров не набирает больше баллов в Intelligence Index.

Цены на токены снижаются на 33 процента. Ввод стоит $2 за миллион токенов (вместо $3), вывод — $10 (вместо $15), а попадание в кэш — $0.20 (вместо $0.30). Каждая задача Intelligence Index стоит $1.98, почти столько же, сколько у K3 ($2.00), поскольку модель генерирует на 14 процентов больше выходных токенов.

Кибербезопасность и намеренное ограничение наступательных возможностей

Moonshot посвятила кибербезопасности целый раздел своей технической публикации в блоге. Компания сообщает, что по мере масштабирования дообучения возможности исследования уязвимостей продолжали расти, поскольку материалы, связанные с кибербезопасностью, были включены в общий корпус данных для промежуточного обучения, а соответствующие задачи входили в набор сред для обучения с подкреплением.

Для выпуска модели с открытыми весами Moonshot удалила данные, связанные с кибербезопасностью, из обеих фаз обучения. Во внутреннем тесте xdev-bench-hard, который воспроизводит недавно раскрытые уязвимости в таких программах, как ядро Linux, Node.js и JavaScriptCore, неочищенная версия решает 90,5 процента задач. После очистки данных K3.1 Pro решает 81,0 процента. DeepSeek-V4.1-Flash достигает 85,7 процента в том же тесте, тогда как Kimi K3 набрала 33,3 процента.

Moonshot утверждает, что ни одна модель с открытыми весами не должна продвигать абсолютный предел наступательных возможностей в киберпространстве. В то же время компания хочет постепенно расширять возможности открытых моделей, поскольку они также используются в защитных целях — например, для аудита устаревших систем. Ранее Anthropic показала, что даже GLM-5.3, набирающая 45 баллов в рейтинге AA, может создавать эксплойты почти на уровне Claude Mythos.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ, эксклюзивный отчет о передовых разработках «AI Radar» шесть раз в год, полный доступ к архиву и доступ к разделу комментариев.