Модель Kimi K3.1 Pro обошла Claude Fable 5.1 в независимом рейтинге

Kimi K3.1 Pro, новая модель китайской Moonshot AI, заняла четвёртое место в независимом индексе Artificial Analysis¹ с 55 баллами — выше Claude Fable 5.1, но ниже Claude Opus 5.5.

Почему это важно: K3.1 Pro станет открытой: Moonshot обещает выложить веса к 4 ноября. Тогда, по подсчёту Artificial Analysis, разрыв между лучшей открытой и лучшей закрытой моделью в этом индексе сократится с 12 баллов до трёх.

Общая картина: два месяца назад основатель Z.ai Тан Цзе предсказывал, что открытая модель уровня Fable появится к концу года. Закрытую модель такого уровня Meta* показала две недели назад.

Расклад: выше K3.1 Pro в индексе только Claude Opus 5.5 с 58 баллами, Claude Sonnet 5.5 и Muse Wonder Full от Meta — у обеих по 56. У Claude Fable 5.1, в сентябре возглавлявшей этот рейтинг, — 53.

Детали: другие независимые замеры тоже показывают рост по сравнению с K3:

• В рейтинге Arena² по веб-разработке K3.1 Pro восьмая с 1 692 баллами, а K3 была семнадцатой с 1 655.
• Arena пишет, что после выхода весов модель станет лучшей открытой в её рейтинге и обойдёт недавно обновлённую DeepSeek V4.1 Flash.
• В тесте Artificial Analysis на знание фактов доля галлюцинаций упала с 53% до 44%, а доля верных ответов выросла с 48% до 51%.
• Сильнее всего, по оценке Artificial Analysis, модель прибавила в задачах для агентов, а не в знаниях и науке.

Интрига: Moonshot убрала данные о кибербезопасности из обучения с подкреплением и из промежуточного этапа, на котором модель после основного обучения учат на отобранных данных. По её отчёту, внутренний киберзамер модели опустился с 90,5% до 81%. Но в индексе задач по киберзащите Artificial Analysis модель набрала 64%. Это лучший результат среди общедоступных моделей и второй после GPT-6 Sol Daybreak Blue (69%) — версии, которую OpenAI даёт только проверенным организациям. Ни на одной задаче модель не отказалась отвечать.

В цифрах: токены подешевели, но модель тратит их больше:

• Обычная версия стоит 2 доллара за миллион входных токенов и 10 долларов за миллион выходных — на треть дешевле K3 с её 3 и 15 долларами.
• Версия Highspeed, по словам Moonshot, отвечает в 2–3 раза быстрее без потери качества и стоит вдвое дороже обычной.
• На одну задачу индекса Artificial Analysis модель пишет в среднем 55 тыс. выходных токенов против 48 тыс. у K3, и это отчасти гасит снижение цены.
• Arena оценила медианную стоимость задачи в 1,23 доллара — на 74% меньше, чем у Claude Opus 5 Max.

Что говорят: первые отзывы разошлись:

• Саймон Уиллисон, программист и автор блога об ИИ, назвал «вполне добротным» нарисованного моделью пеликана на велосипеде — это его постоянный тест для моделей.
• Разработчик с аккаунтом QuixiAI написал, что в работе над его компилятором K3.1 «справилась не очень» и по продуктивности не сравнилась с Fable 5.1 и Opus 5.5.

Но: оговорки есть и к оценкам, и к самой модели:

• По первым голосам в рейтинге 3D-сцен Artificial Analysis модель встанет ниже, чем в коде и офисной работе, хотя голосование ещё идёт.
• Таблица тестов самой Moonshot — не независимая проверка, и один из комментаторов спросил, почему многие замеры сделаны в Claude Code, программе Anthropic для работы с кодом.
• В модели 2,8 трлн параметров: по оценке рассылки Latent Space, даже в 4-битном виде веса займут около 1,4 ТБ. Условия лицензии пока неизвестны.

Под конец обсуждение ушло от цифр к рекламе. Автор популярного в соцсети X аккаунта сначала хвалил модель, а потом обвинил Moonshot в том, что она заказывала фальшивые хвалебные отзывы, и потребовал извинений. По его словам, сам он ни инструкций, ни денег не получал. Другой аккаунт, scaling01, привёл фразу из якобы разосланной блогерам инструкции: «не ставьте пометку о платном партнёрстве». Moonshot на обвинения пока не ответила.

Подробнее: Moonshot AI выпустила модель Kimi K3.1 Pro и откроет её веса к 4 ноября