Китайська ШІ-модель Kimi K3.1 Pro наближається до Claude Opus 5.5 від Anthropic

Нова модель міркувань Kimi K3.1 Pro від Moonshot AI посіла четверте місце в індексі Artificial Analysis Intelligence Index, відставши від провідних пропрієтарних моделей лише на 3 бали.

Китайська компанія у сфері ШІ Moonshot AI випустила Kimi K3.1 Pro — версію попередниці Kimi K3, додатково навчену із застосуванням значно більших обчислювальних ресурсів. Модель набрала 55 балів в індексі Artificial Analysis Intelligence Index, що на 11 балів більше за K3 і забезпечило їй четверте місце.

Вище розташувалися лише Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) і Muse Wonder Full (56), згідно з Artificial Analysis. Якщо Moonshot опублікує ваги моделі, як і заплановано, до 4 листопада 2026 року, K3.1 Pro стане найрезультативнішою доступною моделлю з відкритими вагами. Це скоротить розрив між відкритими та пропрієтарними моделями з 12 до лише 3 балів, якщо до того часу нічого іншого не зміниться.

Разом із K3.1 Pro Moonshot випускає варіант під назвою K3.1 Pro Highspeed, який, за словами компанії, працює у два-три рази швидше. Обидві моделі вже доступні через Kimi.ai, Kimi Work, Kimi Code і Kimi API.

Найбільший прогрес — у завданнях із використанням агентів

Найсильніші покращення K3.1 Pro спостерігаються у завданнях із використанням агентів. У тесті GDPval-AA вона набирає 1 846 балів Elo, згідно з Artificial Analysis, що на 312 балів більше за K3. Це ставить її одразу за Claude Opus 5.5 (1 866) і Muse Wonder Full (1 857). У Terminal-Bench 4.0 Moonshot повідомляє про результат 65,7 відсотка — вище, ніж у GPT-6 Astra (58,2 відсотка), і лише трохи нижче, ніж у Claude Opus 5.5 (66,4 відсотка). K3 у тому самому тесті набрала лише 13 відсотків.

Рівень галюцинацій також різко знизився. У внутрішньому тесті Moonshot Kimi Hallu Bench Hard кількість галюцинацій на рівні тверджень зменшилася з 23,4 відсотка для K3 до 8,3 відсотка, за даними компанії. Moonshot зазначає, що це стрес-тест, а не вимірювання загального рівня помилок. GPT-6 Astra набирає 5,5 відсотка в тому самому тесті, тож усе ще має перевагу.

У внутрішніх фінансових тестах K3.1 Pro додала 7,2 бала в моделюванні фінансових даних і 11,6 бала у фінансових дослідженнях. Для загальних офісних завдань модель перевершує всі протестовані моделі в OfficeQA Pro v2, згідно з Moonshot.

Таблиця результатів Kimi K3.1 Pro у тестах від Moonshot. Усі результати отримано за максимального рівня зусиль міркування.

3D-моделювання та програмування

K3.1 Pro безпосередньо працює з ігровими рушіями на кшталт Unity, Unreal Engine і Godot, виконуючи як швидкі виправлення, так і створення повних проєктів, згідно з Moonshot. У тесті BenchCAD модель набирає 92,7 відсотка з інструментами, майже наздоганяючи Claude Opus 5.5 (96,2 відсотка) і GPT-6 Astra (95,9 відсотка). Без інструментів вона набирає 72,8 відсотка, майже зрівнявшись із Claude Opus 5.5 (73,0 відсотка).

Moonshot зазначає, що модель найкраще працює з параметричним моделюванням механічних деталей, архітектурних моделей і продуктів із можливістю конфігурації. Вона може писати та запускати скрипти для Blender і CAD-програм без конекторів MCP. Компанія також запустила на Kimi.com функцію під назвою «3D Make», яка дає змогу користувачам переглядати, редагувати та експортувати 3D-моделі.

Той самий розмір, нижчі ціни

K3.1 Pro зберігає ті самі характеристики, що й K3: 2,8 трильйона загальних параметрів і 104 мільярди активних. Контекстне вікно охоплює один мільйон токенів, а модель працює і з текстом, і із зображеннями. За даними Artificial Analysis, вона перебуває на вершині фронту Парето. Жодна модель зі схожою кількістю параметрів не набирає більше балів в Intelligence Index.

Ціни на токени знижуються на 33 відсотки. Вхідні дані коштують $2 за мільйон токенів (замість $3), вихідні — $10 (замість $15), а звернення до кешу — $0.20 (замість $0.30). Кожне завдання Intelligence Index коштує $1.98 — майже стільки ж, як для K3 ($2.00), оскільки модель генерує на 14 відсотків більше вихідних токенів.

Кібербезпека та навмисні обмеження наступальних можливостей

Moonshot присвячує кібербезпеці цілий розділ у своєму технічному дописі в блозі. Компанія зазначає, що можливості дослідження вразливостей продовжували зростати в міру масштабування додаткового навчання, оскільки контент, пов’язаний із кібербезпекою, був включений до загального корпусу даних для проміжного навчання, а відповідні завдання входили до середовища RL.

Для випуску з відкритими вагами Moonshot вилучила дані, пов’язані з кібербезпекою, з обох етапів навчання. У внутрішньому тесті xdev-bench-hard, який відтворює нещодавно розкриті вразливості в таких програмах, як ядро Linux, Node.js і JavaScriptCore, неочищена версія розв’язує 90,5 відсотка завдань. Після очищення даних K3.1 Pro розв’язує 81,0 відсотка. DeepSeek-V4.1-Flash набирає 85,7 відсотка в тому самому тесті, тоді як Kimi K3 — 33,3 відсотка.

Moonshot вважає, що жодна модель із відкритими вагами не повинна виходити на абсолютний передній край наступальних кіберможливостей. Водночас компанія хоче поступово підвищувати можливості відкритих моделей, оскільки вони також використовуються в оборонних цілях, наприклад для аудиту застарілих систем. Раніше Anthropic продемонструвала, що навіть GLM-5.3, яка набирає 45 балів в індексі AA, може створювати експлойти майже на рівні Claude Mythos.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати матеріали без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний звіт про передові розробки «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.