Китайская Kimi K3.1 Pro отстаёт от Claude Opus 5.5 всего на три балла; открытые веса обещаны к 4 ноября
Новая модель рассуждений Moonshot AI заняла четвёртое место в индексе Artificial Analysis с 55 баллами, подешевела на треть в API, а для открытого релиза, по словам компании, из обучения убрали данные о кибератаках.
Китайская компания Moonshot AI выпустила Kimi K3.1 Pro — модель рассуждений на базе Kimi K3 с гораздо большим объёмом дообучения. Независимый сервис Artificial Analysis ставит её на четвёртое место в своём индексе Intelligence Index с 55 баллами — на 11 больше, чем у K3, и на три меньше лидера, Claude Opus 5.5 (58), пишет The Decoder.
Главное
- Размер: 2,8 трлн параметров всего, 104 млрд активных; контекстное окно 1 млн токенов; ввод текста и изображений.
- Цена: примерно на 33% дешевле K3 — $2 за миллион входных токенов и $10 за миллион выходных. Более быстрая версия Highspeed стоит вдвое дороже.
- Открытые веса: Moonshot обещает опубликовать полные веса до 4 ноября 2026 года. Если это произойдёт, K3.1 Pro станет лучшей открытой моделью в индексе.
- Улучшения: сильнее всего выросли агентные задачи, программирование и 3D/CAD-моделирование; по словам компании, модель работает с Unity, Unreal Engine, Godot и Blender.
Бенчмарки (данные компании, если не указано иное)
В Terminal-Bench 4.0 Moonshot сообщает о 65,7% — близко к Claude Opus 5.5 (66,4%). В GDPval-AA от Artificial Analysis модель набрала 1846 Эло против 1866 у Opus 5.5. По данным Moonshot, доля галлюцинаций во внутреннем стресс-тесте снизилась с 23,4% до 8,3%. К бенчмаркам разработчика стоит относиться осторожно до независимой проверки.
Ограничения в киберсфере
Moonshot говорит, что убрала из обучения данные, связанные с кибератаками, для открытого релиза, поскольку способность к поиску уязвимостей росла вместе с обучением. Во внутреннем тесте на эксплойты «очищенная» модель решает 81,0% задач против 90,5% у неочищенной — то есть остаётся очень сильной в этой области.