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

Китайская Moonshot AI выпустила Kimi K3.1 Pro — модель для программирования, 3D-моделирования и финансовой аналитики. Её веса компания обещает открыть до 4 ноября.

Почему это важно: Moonshot называет K3.1 Pro своей самой способной открытой моделью, и по замерам компании она почти сравнялась с лучшими закрытыми моделями в задачах для агентов-программистов. Когда выйдут открытые веса¹, компании смогут развернуть её у себя и дообучить.

Детали: K3.1 Pro открывает серию K3.1 — это дообученная версия K3, вышедшей 16 июля. На дообучение K3.1 Pro, в том числе на обучение с подкреплением² сразу в сотнях областей, ушло намного больше вычислений, чем на дообучение K3.

• Устройство то же, что у K3: 2,8 трлн параметров, из которых при обработке каждого токена работают 104 млрд, — это смесь экспертов³.
• Контекстное окно — 1 млн токенов, и модель работает не только с текстом.
• Вместе с ней вышла K3.1 Pro Highspeed — версия, которая отвечает в 2–3 раза быстрее.
• Обе уже есть в чат-боте Kimi, настольном приложении Kimi Work, агенте для программирования Kimi Code и в API; цену в API компания не назвала.

В цифрах: результаты K3.1 Pro измерила сама Moonshot, а цифры соперников взяла из отчётов их разработчиков и таблицы рейтинга Terminal-Bench.

• В Terminal-Bench 4.0 агент решает задачи в командной строке при ограниченных ресурсах; K3.1 Pro решила 65,7% задач. У Claude Opus 5.5 — 66,4%, у GPT-6 Astra — 58,2%.
• В BenchCAD модель смотрит на предмет с нескольких сторон и пишет код для программы инженерного проектирования, который воссоздаёт его форму. С инструментами K3.1 Pro набрала 92,7%, Claude Opus 5.5 — 96,2%.
• В OfficeQA Pro v2 нужно сверять данные в реальных финансовых документах и считать по ним; 64,4 балла у K3.1 Pro компания называет лучшим результатом.
• Во внутреннем стресс-тесте на точность доля ложных утверждений в ответах упала с 23,4% у K3 до 8,3%.

Интрига: во внутреннем испытании K3.1 Pro строила симулятор ходьбы на открытой анатомической модели человека с 296 частями скелета и 402 мышцами. Сначала виртуальный человек падал через несколько секунд. За 167 заданий модель разбирала результаты опытов, искала причины сбоев и раз за разом правила управление ходьбой — в итоге он шагал без остановки 11,2 секунды. Когда руки всё равно двигались плохо, модель не стала дальше менять систему поощрений, а проверила сам симулятор и нашла 36 ошибок в расчёте рычагов мышц плеча.

Кибербезопасность: перед открытием весов Moonshot намеренно ухудшила способность модели взламывать программы: компания не хочет, чтобы открытая модель стала в этом сильнее всех существующих.

• Компания заметила, что умение искать уязвимости росло вместе с дообучением: тексты о кибербезопасности были в общем корпусе промежуточного этапа обучения, а такие же задачи — в обучении с подкреплением.
• Для открытой версии эти тексты и задачи убрали и из корпуса, и из обучения с подкреплением, а обычные задачи по программированию оставили.
• Во внутреннем тесте модель пишет эксплойты⁴ к недавно раскрытым уязвимостям, например в ядре Linux и Node.js. С трёх попыток версия без чистки решила 90,5% задач, итоговая — 81%.
• По словам Moonshot, в этом K3.1 Pro всё ещё отстаёт от закрытых передовых моделей, которые вышли хотя бы три месяца назад.

Расклад: открытые модели для кода и агентов в октябре выложили и другие. Meta* 15 октября выпустила Muse Spark Open, а MiniMax в один день с Moonshot открыла веса M3.1 Flash.

Но: стресс-тест на точность Moonshot составила сама. Компания оговаривается, что он нарочно ловит модель на ошибках и доля ложных утверждений в нём не равна доле ошибок в обычной работе.

Что дальше: полные веса модели Moonshot обещает выложить до 4 ноября; лицензию компания не назвала.

K3.1 Pro собирает игры в Unity, Unreal Engine и Godot и пишет скрипты для Blender. В чат-боте Kimi заодно появился раздел 3D Make: созданную 3D-модель можно поправить в браузере и скачать для 3D-печати.