Китайская модель Kimi K3.1 Pro вплотную приблизилась к Claude Opus 5.5

Kimi K3.1 Pro получила 55 баллов в Artificial Analysis Intelligence Index — на 11 больше, чем K3. Выше в рейтинге находятся Claude Opus 5.5 с 58 баллами, Claude Sonnet 5.5 и Muse Wonder Full — у обеих моделей по 56 баллов.

Если Moonshot откроет веса к 4 ноября 2026 года, как планирует, K3.1 Pro станет самой высокооценённой моделью с открытыми весами. При условии, что рейтинг к тому времени не изменится, отставание открытых моделей от проприетарных сократится с 12 до 3 баллов.

Вместе с K3.1 Pro компания выпускает K3.1 Pro Highspeed. По данным Moonshot, эта версия работает в два-три раза быстрее. Обе модели уже доступны через Kimi.ai, Kimi Work, Kimi Code и Kimi API.

Задачи с ИИ-агентами

Самый заметный прогресс K3.1 Pro показала в задачах с ИИ-агентами. В бенчмарке GDPval-AA модель набрала 1846 баллов Эло — на 312 больше, чем K3, согласно Artificial Analysis. Результат уступает только Claude Opus 5.5 с 1866 баллами и Muse Wonder Full с 1857.

В Terminal-Bench 4.0 Moonshot сообщает о результате 65,7%: это выше, чем у GPT-6 Astra с 58,2%, и немного ниже показателя Claude Opus 5.5 — 66,4%. Предыдущая K3 набрала в том же тесте только 13%.

Компания также сообщает о резком снижении галлюцинаций. В собственном стресс-тесте Kimi Hallu Bench Hard доля галлюцинаций на уровне отдельных утверждений упала с 23,4% у K3 до 8,3% у K3.1 Pro. Moonshot уточняет, что этот тест не измеряет общий уровень ошибок. GPT-6 Astra набирает в нём 5,5%, поэтому по этому показателю опережает K3.1 Pro.

На внутренних финансовых бенчмарках результат K3.1 Pro вырос на 7,2 балла в Financial Modeling и на 11,6 балла в Financial Research. В задачах для офиса модель, по данным Moonshot, обошла все проверенные варианты в OfficeQA Pro v2.

Kimi K3.1 Pro демонстрирует значительно более высокую производительность, чем Kimi K3, при немного меньшей стоимости одной задачи ($1,98 против $2,00), благодаря чему располагается на линии Парето Artificial Analysis

Источник: the-decoder.com

3D-моделирование и программирование

По словам Moonshot, K3.1 Pro напрямую работает с игровыми движками Unity, Unreal Engine и Godot: модель может вносить быстрые исправления и собирать проекты целиком.

В бенчмарке BenchCAD модель набрала 92,7% с инструментами. Это близко к результатам Claude Opus 5.5 — 96,2% — и GPT-6 Astra — 95,9%. Без инструментов K3.1 Pro получила 72,8%, почти сравнявшись с Claude Opus 5.5, у которой 73,0%.

Лучше всего, по словам компании, модель справляется с параметрическим моделированием механических деталей, архитектурных объектов и настраиваемых продуктов. Она может писать и запускать скрипты для Blender и программ для автоматизированного проектирования без подключений через MCP.

Кроме того, Moonshot запустила на Kimi.com функцию 3D Make. Она позволяет просматривать, редактировать и экспортировать 3D-модели.

Прежний размер, более низкие цены

Размер K3.1 Pro не изменился по сравнению с K3: у модели 2,8 трлн параметров, из которых 104 млрд активны. Контекстное окно вмещает миллион токенов, а модель обрабатывает текст и изображения.

Artificial Analysis относит K3.1 Pro к верхней границе фронтира Парето: среди моделей с сопоставимым числом параметров нет другой, которая набрала бы больше в Intelligence Index.

Цены на токены снизились на 33%. Миллион входных токенов стоит 2 доллара вместо 3, выходных — 10 долларов вместо 15, а попадание в кэш — 0,20 доллара вместо 0,30. Одна задача Intelligence Index обходится в 1,98 доллара — почти столько же, сколько у K3, где она стоит 2 доллара. Причина в том, что K3.1 Pro генерирует на 14% больше выходных токенов.

Кибербезопасность и ограничения

Moonshot посвятила кибербезопасности отдельный раздел технического блога. Компания сообщает, что по мере увеличения вычислений на этапе дообучения росли способности модели находить уязвимости. В общем корпусе данных для промежуточного обучения были материалы о кибербезопасности, а связанные задачи входили в набор сред для обучения с подкреплением.

Перед выпуском модели с открытыми весами Moonshot удалила данные о кибербезопасности из обоих этапов обучения. Во внутреннем бенчмарке xdev-bench-hard проверяются недавно раскрытые уязвимости в таких программах, как ядро Linux, Node.js и JavaScriptCore. Версия без очистки данных решила 90,5% задач, а K3.1 Pro после очистки — 81,0%. DeepSeek-V4.1-Flash набрала в том же тесте 85,7%, а Kimi K3 — 33,3%.

Moonshot считает, что модели с открытыми весами не должны достигать абсолютного предела возможностей для кибератак. При этом компания хочет постепенно расширять возможности открытых моделей: они нужны и для защиты, например для аудита устаревших систем.

Ранее Anthropic показала, что даже GLM-5.3, набравшая 45 баллов в AA Index, способна писать эксплойты на уровне, близком к Claude Mythos.