Moonshot AI выпустила Kimi K3.1 Pro: MoE-модель с 2,8 трлн./104 млрд. общих/активных параметров и контекстом в 1 млн.

Moonshot AI только что выпустила Kimi K3.1 Pro — первую модель в своей серии K3.1. Kimi K3.1 Pro — это модель с открытыми весами* класса 3T и контекстным окном на 1 миллион токенов. Команда Moonshot позиционирует её как конкурента сильнейших проприетарных моделей в тестах на программирование, работу в качестве агента и работу со знаниями. Для разработчиков она предлагает более низкую стоимость API по сравнению с K3, однако открытые веса пока недоступны. *ожидается, что открытые веса будут выпущены в ноябре 2026 года.

Кратко

• Размер: 2,8 трлн всего, 104 млрд активных параметров (MoE), контекст на 1 млн токенов.
• Работает на: сегодня — через Kimi API. Для K3 Moonshot рекомендует суперузлы с 64 и более ускорителями, с весами MXFP4 и активациями MXFP8. Это не модель для одного GPU.
• Производительность: почти на уровне лучших проприетарных моделей в терминальном программировании; уступает им в научных терминальных задачах.
• Лучший результат: SWE-Marathon — 51,7, что выше показателей всех моделей на графике Kimi (по собственным данным).
• Худший результат: Terminal-Bench Science 0.1 — 38,1 против 68,1 у GPT-6 Astra на графике Kimi.

Что такое Kimi K3.1 Pro?

Kimi K3.1 Pro — это версия Kimi K3, дообученная с использованием гораздо больших вычислительных ресурсов. Команда Moonshot провела совместное обучение с подкреплением в сотнях прикладных областей. Для этого команда Moonshot оптимизировала фреймворк RL, инференс с длинным контекстом, инфраструктуру песочниц и планирование развёртывания.

В базовой архитектуре K3 используются Kimi Delta Attention (KDA) и Attention Residuals (AttnRes). Через фреймворк Stable LatentMoE активируются 16 из 896 экспертов. Согласно документации быстрого старта, модель принимает через API текст, изображения и видео.

Команда Moonshot также выпустила Kimi K3.1 Pro Highspeed. Согласно официальному блогу Moonshot, она работает в 2–3 раза быстрее.

Как Kimi K3.1 Pro показывает себя в бенчмарках?

Все приведённые ниже показатели предоставлены самой Moonshot при уровне рассуждений max, преимущественно с использованием инструментария Claude Code.

• Программирование: в Terminal-Bench 4.0 K3.1 Pro набирает 65,7%. Это лишь немного ниже результата Claude Opus 5.5 — 66,4% на графике Kimi. В SWE-Marathon модель лидирует с результатом 51,7, опережая Opus 5.5 с его 46,3. Во внутреннем бенчмарке Kimi Code Bench 3.0 Long-horizon она набирает 61,2 против 55,95 у K3.
• Наука: Terminal-Bench Science 0.1 демонстрирует явный разрыв. K3.1 Pro набирает 38,1 против 68,1 у GPT-6 Astra и 63,3 у Opus 5.5 на графике Kimi.
• 3D и CAD: в BenchCAD с инструментами K3.1 Pro набирает 92,7. Opus 5.5 получает 96,2, а GPT-6 Astra — 95,9. Без инструментов K3.1 Pro набирает 72,8, почти сравниваясь с Opus 5.5, у которого 73,0.
• Финансы: K3.1 Pro демонстрирует передовой результат 64,4 в OfficeQA Pro v2. В Frontier Finance она набирает 58,6. Во внутренних финансовых тестах прирост по сравнению с K3 составил 7,2 пункта в моделировании и 11,6 в исследованиях.
• Галлюцинации: во внутреннем стресс-тесте Kimi Hallu Bench Hard доля галлюцинаций на уровне утверждений снизилась с 23,4% (K3) до 8,3%. Это примерно соответствует заявленному Moonshot снижению на 65%. При этом GPT-6 Astra показывает ещё более низкий результат — 5,5% в том же тесте.

Как Kimi K3.1 Pro справляется с киберрисками?

Moonshot удалила данные, связанные с кибербезопасностью, из этапов промежуточного обучения и обучения с подкреплением для выпуска модели с открытыми весами. На внутреннем xdev-bench-hard нефильтрованный чекпойнт решил 90,5% задач при pass@3. Выпущенная K3.1 Pro решает 81,0%. Moonshot заявляет, что в наступательных задачах кибербезопасности модель по-прежнему уступает передовым проприетарным моделям.

Как разработчики могут получить доступ к Kimi K3.1 Pro?

Модель доступна в Kimi.ai, Kimi Work, Kimi Code и через Kimi API. Идентификаторы API — kimi-k3.1-pro и kimi-k3.1-pro-highspeed. Конечная точка совместима с OpenAI.

Стоимость K3.1 Pro составляет $2,00 за входные и $10,00 за выходные данные на миллион токенов. Обращения к кэшу стоят $0,20. Highspeed стоит $4,00 за входные и $20,00 за выходные данные. Стоимость K3 составляла $3,00 и $15,00 соответственно.

Практические ограничения согласно руководству быстрого старта:

• Режим рассуждений всегда включён. Уровень рассуждений может быть low, high или max (по умолчанию — max).
• Значения temperature 1.0 и top-p 0.95 фиксированы.
• По умолчанию вывод ограничен 131 072 токенами, максимум — 1 048 576.
• Доступ открывается после минимального пополнения на $1.
• Ввод изображений не поддерживает общедоступные URL изображений. Используйте base64 или идентификаторы загруженных файлов.

Как она сравнивается с конкурирующими моделями?

*Рисунок взят из сравнительной таблицы Kimi; на собственной странице конкурента эти данные не подтверждены.

Каковы ограничения?

• Веса пока не опубликованы, поэтому самостоятельный запуск сегодня невозможен.
• Размер 2,8 трлн параметров указывает на развёртывание на нескольких узлах класса суперузлов.
• В терминальных задачах с упором на научные дисциплины модель уступает GPT-6 Astra и Opus 5.5 более чем на 25 пунктов.
• Некоторые заявленные преимущества получены во внутренних бенчмарках.
• Для K3 Moonshot предупреждала, что удаление истории рассуждений в инструментарии дестабилизирует вывод. В документации K3.1 Pro также указано, что необходимо возвращать полное сообщение ассистента.

Основные выводы

• Kimi K3.1 Pro: 2,8 трлн параметров всего, 104 млрд активных, контекст на 1 млн токенов.
• Terminal-Bench 4.0 — 65,7%, на 0,7 пункта ниже Opus 5.5.
• Лидирует в SWE-Marathon с результатом 51,7; значительно уступает в Terminal-Bench Science (38,1).
• Стоимость API составляет $2/$10 за миллион токенов, что дешевле K3.
• Ожидается, что открытые веса появятся в ноябре 2026 года.

---

Ознакомьтесь с официальным техническим блогом, руководством по быстрому старту API и публикацией о запуске в X. Все заслуги принадлежат исследователю этого проекта. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь вы также можете присоединиться к нам в Telegram.

Хотите стать нашим партнёром для продвижения вашего репозитория GitHub, страницы Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами