Moonshot выпустила Kimi K3.1 Pro — открытую модель на 2,8 трлн параметров

Китайская Moonshot AI 23 октября представила Kimi K3.1 Pro — первую модель серии K3.1 и, по заявлению компании, самую мощную открытую модель 3T-класса. Это дообученная версия Kimi K3 с существенно большим объёмом post-training вычислений: 2,8 трлн параметров при 104 млрд активных на токен (MoE), контекст в 1 млн токенов, мультимодальный вход. Модель доступна в Kimi.ai, приложениях, Kimi Work, Kimi Code и через API, но веса обещают опубликовать только до 4 ноября.

Что внутри

• База K3: Kimi Delta Attention, Attention Residuals, активация 16 экспертов из 896, Stable LatentMoE.
• Post-training: joint RL сразу по сотням прикладных доменов, ради чего переработаны RL-фреймворк, инференс на длинном контексте и инфраструктура песочниц.
• Через API модель принимает текст, изображения и видео; лимит вывода — до 1 048 576 токенов (по умолчанию 131 072).
• Версия Highspeed работает в 2–3 раза быстрее обычной.

Бенчмарки: сильный код, слабая наука

Все цифры ниже — самозаявленные Moonshot, при максимальном усилии рассуждений и обвязке Claude Code.

• Terminal-Bench 4.0: 65,7% — чуть ниже Claude Opus 5.5 (66,4%) и выше GPT-6 Astra (58,2%).
• SWE-Marathon v1.1: 51,7 против 46,3 у Opus 5.5.
• Kimi Code Bench 3.0 Long-horizon: 61,2% против 55,95% у предыдущей K3.
• BenchCAD с инструментами: 92,7 при 96,2 у Opus 5.5 и 95,9 у Astra.
• Terminal-Bench Science 0.1: 38,1 против 68,1 у Astra — самый заметный разрыв.

Цена, галлюцинации и фильтр по киберугрозам

API стоит $2 за 1 млн входных и $10 за 1 млн выходных токенов, попадание в кеш — $0,20. Highspeed — $4 и $20. У флагманской K3 было $3 и $15, то есть новая модель дешевле предшественницы при более высоких результатах.

Отдельно компания отчиталась о достоверности: на внутреннем стресс-тесте Kimi Hallu Bench Hard доля утверждений с галлюцинациями снизилась с 23,4% у K3 до 8,3%. Moonshot оговаривает, что это специально подобранные сложные промпты, а не средняя частота ошибок в повседневной работе.

Для открытого релиза компания вычистила данные по кибербезопасности из mid-training и RL. На внутреннем бенчмарке xdev-bench-hard, где агент должен получить исполнение кода в песочнице, чекпойнт без фильтрации решал 90,5% задач, финальная K3.1 Pro — 81,0%. По логике Moonshot, открытые веса не должны расширять абсолютную границу наступательных кибервозможностей, но модель всё равно заметно сильнее предшественницы (у K3 было 33,3%).

Почему это важно

Открытая модель 3T-класса впервые подходит вплотную к закрытым флагманам именно в агентном кодинге — там, где раньше безоговорочно доминировали проприетарные системы. Цена $2/$10 меняет экономику длинных агентных сессий: миллион токенов контекста и многочасовые прогоны перестают быть роскошью. Ограничения тоже честные: science-задачи модель проваливает с большим отрывом, часть побед одержана на внутренних бенчмарках, а сами веса ещё не выложены — до 4 ноября заявление о «самой мощной открытой модели» останется обещанием.