Moonshot выпустила Kimi K3.1 Pro: open-weight модель на 3T с контекстом 1 млн токенов

Moonshot AI представила Kimi K3.1 Pro — первую модель в серии K3.1 и, по словам компании, самую мощную open-weight модель класса 3T параметров. Контекстное окно — 1 млн токенов. На Terminal-Bench 4.0 она набирает 65,7%: больше, чем у GPT-6 Astra (58,2%), и совсем немного меньше, чем у Claude Opus 5.5 (66,4%). Вместе с ней вышла K3.1 Pro Highspeed, которая работает в 2–3 раза быстрее. Обе версии уже доступны в Kimi.ai, Kimi Work, Kimi Code и через API, а полные веса Moonshot обещает опубликовать до 4 ноября 2026 года.

Пост-тренинг как главная ставка

K3.1 Pro — это дообученная версия Kimi K3, но с заметно большим бюджетом вычислений на пост-тренинг. Чтобы вести масштабное совместное RL сразу по сотням прикладных доменов, команда переработала весь стек: RL-фреймворк, инференс на длинном контексте, эффективность обучения, песочницы, планирование роллаутов и общую платформу проверки качества сред. Цель в том, чтобы каждая дополнительная порция RL-вычислений давала стабильный и предсказуемый прирост.

На внутреннем Kimi Code Bench 3.0 Long-horizon, который проверяет многошаговое выполнение задач и работу с инструментами, модель получила 61,2% против 55,95% у K3. Самый наглядный пример Moonshot: на базе анатомической модели human-atlas (296 костных элементов и 402 мышечных) K3.1 Pro построила симулятор ходьбы человека с пайплайнами обучения и оценки. За 167 миссий и 420 независимых ревью виртуальный человек научился вместо падения через несколько секунд идти 11,2 секунды с чередованием шагов. Когда подбор наград не улучшил движение рук, модель не стала крутить его дальше. Она запустила разомкнутые пробы динамики, нашла и исправила 36 ошибок в расчётах плеч моментов мышц плеча и переобучила контроллер.

3D, CAD и финансы

Второй акцент — пространственное мышление. На BenchCAD, где нужно восстановить 3D-объект по мультиракурсным рендерам через генерацию CAD-кода, K3.1 Pro с инструментами получает 92,7%. У Claude Opus 5.5 результат 96,2%, у GPT-6 Astra — 95,9%. Модель умеет работать со скриптами для Blender и CAD без MCP-коннекторов, а в Unity, Unreal Engine и Godot собирает игры вместе с веб-поиском и генерацией 3D. Для пользователей запустили 3D Make на kimi.ai и в приложении: предпросмотр, правка, выгрузка для 3D-печати или экспорт в видео и Live Photos.

В финансах Moonshot заявляет рекорд на OfficeQA Pro v2 — 64,4. Внутренние метрики растут так:

• Financial Modeling: +7,2 пункта к K3
• Financial Research: +11,6 пункта
• Business Operation: примерно в 4,2 раза выше результат K3
• Kimi Hallu Bench Hard: доля галлюцинаций на уровне утверждений снизилась с 23,4% до 8,3%, а доля ответов хотя бы с одной фактической ошибкой составила 42,4% от показателя K3

Оговорка у самой компании честная: тест специально составлен из провокационных примеров и не отражает частоту ошибок в обычной работе.

Киберриски и логика открытых весов

Отдельный раздел релиза посвящён кибербезопасности. Команда заметила, что способность находить уязвимости растёт вместе с пост-тренингом, потому что киберконтент попадает и в общий корпус мидтрейнинга, и в RL-среды. Для открытой версии такие данные вырезали на обоих этапах, сохранив обычные задачи по программированию. На xdev-bench-hard (эксплуатация реальных уязвимостей в Linux kernel, Node.js, JavaScriptCore, Exim и VirGL с включёнными защитами) чекпоинт без этих мер решает 90,5% задач по pass@3, а финальная K3.1 Pro — 81,0%. По киберспособностям она, как утверждает Moonshot, отстаёт от закрытых frontier-моделей, которые доступны не менее трёх месяцев.

Позиция компании такая: не выпускать открытые веса, расширяющие абсолютную границу наступательных возможностей, но постепенно поднимать планку. Аргумент в пользу открытости — аудит кода, включая легаси-системы, которые редко проверяют специалисты по безопасности, силами многих команд на своей инфраструктуре.

Как попробовать

• Приложения Kimi: iOS, Android и HarmonyOS, либо kimi.ai
• Kimi Work: десктопная версия 3.1.0 и новее для Windows и Mac на Apple silicon
• Kimi Code: выбрать модель командой /model
• API: идентификаторы kimi-k3.1-pro и kimi-k3.1-pro-highspeed, для клиентов доступен Zero Data Retention
• Kimi Business: у администраторов доступ к K3.1 Pro по умолчанию выключен, включать его нужно вручную

При сравнении с конкурентами учитывайте, что часть цифр Moonshot взяла из блогов и лидербордов других лабораторий, а часть замерила сама: Terminal-Bench 4.0 прогоняли с Claude-Code harness, PostTrainBench — на GPU H20 вместо H100. Для команд, которым нужен агентный кодинг на собственной инфраструктуре, главный повод для проверки наступит после публикации весов: тогда можно будет прогнать модель на своих репозиториях и сравнить её с закрытыми API.