Китайський розробник Moonshot AI представив оновлену модель Kimi K3.1 Pro — наступницю Kimi K3, яку додатково навчали з суттєво більшим обсягом обчислень. У рейтингу Intelligence Index від незалежної дослідницької організації Artificial Analysis новинка набрала 55 балів, тоді як попередня версія мала лише 44.

Такий результат дає моделі четверте місце серед усіх оцінених систем. Попереду лише Claude Opus 5.5 із 58 балами, а також Claude Sonnet 5.5 і Meta Muse Wonder Full, у яких по 56 балів. За підрахунками дослідника Саймона Віллісона, GPT-6 Astra від OpenAI має 53 бали — менше, ніж нова китайська модель. Повний комплект відкритих ваг Moonshot обіцяє оприлюднити до 4 листопада.

Основні деталі релізу

Презентація відбулася 23 жовтня. Разом зі звичайною версією компанія випустила K3.1 Pro Highspeed — за словами розробника, вона працює у 2–3 рази швидше за базову модель. Обидва варіанти вже доступні через сервіси Kimi.ai, Kimi Work, Kimi Code та відповідний API, повідомляється у технічному блозі Moonshot.

Йдеться про модель архітектури Mixture-of-Experts загальним обсягом 2,8 трлн параметрів, з яких одночасно активними є 104 млрд. Контекстне вікно сягає 1 млн токенів, а сама модель уміє обробляти як текст, так і зображення.

Вартість використання становить $2 за мільйон вхідних токенів, $10 за вихідні та $0,20 за кешовані запити. Для порівняння, K3 коштувала $3, $15 та $0,30 відповідно — тож тарифи впали приблизно на третину.

Щодо відкритості: Moonshot пообіцяла опублікувати ваги моделі до 4 листопада, однак, за даними Venture Beat, остаточні умови ліцензування, параметри розгортання та фінальні версії ваг поки не розкриті. Якщо плани не зміняться, відставання відкритих моделей від закритих у рейтингу Artificial Analysis скоротиться із 12 балів до лише 3.

Найбільший прогрес — в агентних сценаріях

Найпомітніше модель покращилася саме в задачах, де потрібно виконувати ланцюжки дій, а не давати одноразову відповідь.

  • Intelligence Index (Artificial Analysis): 55 балів у K3.1 Pro проти 44 у K3; у Claude Opus 5.5 — 58
  • GDPval-AA (Elo): 1846 у новинки проти 1534 у K3; Opus 5.5 — 1866, Muse Wonder Full — 1857
  • Terminal-Bench 4.0 (дані Moonshot): 65,7% проти 66,4% у Opus 5.5 та 58,2% у GPT-6 Astra
  • OfficeQA Pro v2 (дані Moonshot): 64,4 проти 62,2 у Opus 5.5 та 54,4 у GPT-6 Astra
  • BenchCAD з інструментами (дані Moonshot): 92,7% проти 96,2% у Opus 5.5 та 95,9% у GPT-6 Astra

У тесті GDPval-AA модель здобула стрибок у 312 пунктів Elo. У Terminal-Bench 4.0, який оцінює здатність кодувальних агентів справлятися з реалістичними завданнями у терміналі, незалежний вимір Artificial Analysis показав 67% проти лише 13% у K3. За даними самої Moonshot, новий результат трохи поступається Opus 5.5, але помітно випереджає GPT-6 Astra.

Галюцинації стали рідшими, але не зникли

У внутрішньому стрес-тесті Kimi Hallu Bench Hard частка хибних тверджень знизилася з 23,4% у K3 до 8,3% у новій версії. Розробник зазначає, що тест побудований на складних, навмисно заплутаних запитах, тож не варто сприймати ці цифри як показник звичайного рівня помилок у повсякденному використанні. GPT-6 Astra в тому ж тесті показує 5,5% — тобто за цим параметром модель OpenAI поки випереджає конкурента.

Акцент на фінансах, 3D-моделюванні та ігрових рушіях

Moonshot окремо виділяє три напрями, де модель демонструє помітний прогрес.

У фінансовій сфері, за внутрішніми тестами компанії, якість фінансового моделювання зросла на 7,2 бала, а фінансових досліджень — на 11,6 бала. У симуляції управління бізнесом новинка показує результат приблизно у 4,2 раза кращий за K3, а за показником OfficeQA Pro v2, за словами компанії, випереджає всіх конкурентів.

У сфері розробки ігор модель уміє працювати з Unity, Unreal Engine та Godot — вносити правки в проєкти та збирати їх.

Для 3D-моделювання та CAD-систем модель навчилася писати й запускати скрипти для Blender та інших CAD-інструментів без потреби в MCP-конекторах. Найкраще їй вдається параметричне моделювання механічних деталей, архітектурних об'єктів і меблів. Без допоміжних інструментів у тесті BenchCAD модель набрала 72,8% — майже стільки ж, скільки Opus 5.5 із 73,0%. На платформі Kimi.ai також з'явилася нова функція 3D Make, яка дозволяє переглядати й редагувати 3D-моделі, завантажувати їх для друку або експортувати як відео чи Live Photos.

Ціна: дешевше за Opus, на рівні Sonnet

За тарифами Kimi K3.1 Pro вдвічі дешевша за Claude Opus 5.5, але коштує приблизно стільки ж, скільки Claude Sonnet 5.5 і GPT-6 Sol. Водночас моделі DeepSeek та Xiaomi MiMo залишаються суттєво дешевшими за всіх перелічених конкурентів.

Цікаво, що фактична вартість виконання одного завдання з набору Intelligence Index майже не змінилася — $1,98 проти $2,00 у K3. Причина в тому, що нова модель генерує приблизно на 14% більше вихідних токенів, і це «з'їдає» ефект від зниження тарифів.

Питання кібербезпеки: можливості навмисно обмежили

Moonshot визнає, що в процесі масштабування пост-тренінгу модель почала краще шукати вразливості в системах. Причина — відповідні матеріали були присутні в загальному корпусі даних для навчання, а подібні завдання потрапили й у середовище навчання з підкріпленням.

Для версії з відкритими вагами розробник свідомо видалив дані про кібербезпеку на обох етапах навчання. У внутрішньому тесті xdev-bench-hard, де потрібно створювати експлойти для щойно виявлених вразливостей у ядрі Linux, Node.js, JavaScriptCore, Exim та VirGL, отримано такі результати: необмежений чекпойнт вирішив 90,5% завдань, фінальна версія K3.1 Pro — 81,0%, DeepSeek-V4.1-Flash — 85,7%, а попередня K3 — лише 33,3%.

Компанія наголошує, що відкриті ваги не повинні розширювати можливості для атак, хоча планує поступово їх підвищувати, оскільки такі моделі також корисні для захисту — наприклад, для аналізу застарілих систем. За даними VentureBeat, у незалежному Cyber Index від Artificial Analysis нова модель набрала 64% проти 41% у K3.

Що варто мати на увазі

Більшість наведених бенчмарків — самозвітні. Moonshot порівнює власні результати з публічними даними конкурентів, часто в різних агентних обв'язках, тож це не повністю контрольоване зіставлення.

Є й слабкі сторони: у тесті Terminal-Bench Science 0.1 модель набрала лише 38,1 бала проти 63,3 у Opus 5.5 та 68,1 у GPT-6 Astra.

Запуск не обійшовся без скандалу. У мережі X з'явилися скриншоти, що нібито є інструкціями для блогерів із проханням не позначати рекламну співпрацю. VentureBeat зазначає, що автентичність цих матеріалів не підтверджена, походження документа невідоме, а офіційної реакції компанії станом на 25 жовтня не було. Результати незалежних тестів ці звинувачення самі по собі не спростовують і не підтверджують.

Підсумок

Kimi K3.1 Pro поки не випереджає найсильніші закриті моделі, проте помітно скорочує розрив і претендує на статус найпотужнішої відкритої моделі на ринку. Остаточну картину дадуть листопадова публікація ваг та незалежні перевірки на реальних завданнях.

Нагадаємо, кілька тижнів тому OpenAI вдруге за рік звинуватила китайську компанію в дистиляції — цього разу йшлося саме про Moonshot AI.

Джерело: Highload.tech