Результат в рейтинге и доступность

Moonshot AI выпустила Kimi K3.1 Pro — дообученную версию модели Kimi K3, для которой компания использовала больше вычислений на этапе постобучения. В Artificial Analysis Intelligence Index новинка набрала 55 баллов и заняла четвёртое место — на 11 баллов выше K3. Результат приводит Artificial Analysis в своём обзоре запуска и тестов.

Выше расположились Claude Opus 5.5 с 58 баллами, Claude Sonnet 5.5 и Muse Wonder Full — обе модели получили по 56. Moonshot планирует открыть веса K3.1 Pro к 4 ноября 2026 года. Если это произойдёт и другие результаты не изменятся, модель станет самой результативной среди доступных моделей с открытыми весами, а разрыв с лидерами рейтинга сократится до трёх баллов.

Вместе с K3.1 Pro компания запустила K3.1 Pro Highspeed. По заявлению Moonshot, эта версия работает в два-три раза быстрее. Обе модели доступны через Kimi.ai, Kimi Work, Kimi Code и Kimi API.

Сильнее всего выросли результаты агентных задач

На GDPval-AA модель набрала 1 846 Elo — на 312 больше, чем K3. По данным Artificial Analysis, впереди только Claude Opus 5.5 с 1 866 и Muse Wonder Full с 1 857. В Terminal-Bench 4.0 K3.1 Pro получила 65,7%; здесь Moonshot приводит результат, уступающий Claude Opus 5.5 с 66,4% и превосходящий GPT-6 Astra с 58,2%. Для сравнения, K3 набрала в этом тесте 13%.

Внутренний тест Moonshot Kimi Hallu Bench Hard показал снижение доли галлюцинаций на уровне отдельных утверждений с 23,4% у K3 до 8,3% у K3.1 Pro. Компания отдельно оговаривает, что это стресс-тест, а не оценка общей частоты ошибок. На том же тесте GPT-6 Astra показала 5,5%.

По данным Moonshot, на внутренних финансовых тестах K3.1 Pro прибавила 7,2 балла в Financial Modeling и 11,6 балла в Financial Research. Компания также сообщает, что модель превзошла все проверенные системы на OfficeQA Pro v2.

Код, игровые движки и 3D-моделирование

Moonshot утверждает, что K3.1 Pro может работать с Unity, Unreal Engine и Godot — от небольших исправлений до сборки целых проектов. В BenchCAD с инструментами модель набрала 92,7%, тогда как Claude Opus 5.5 получила 96,2%, а GPT-6 Astra — 95,9%. Без инструментов результат K3.1 Pro составил 72,8%, а Claude Opus 5.5 — 73,0%.

Компания отмечает способности модели к параметрическому моделированию механических деталей, архитектурных объектов и настраиваемых продуктов. По её данным, K3.1 Pro может писать и запускать скрипты для Blender и CAD-программ без MCP-коннекторов. На Kimi.com также появилась функция 3D Make для просмотра, редактирования и экспорта 3D-моделей.

Размер модели и цены

K3.1 Pro сохранила размеры K3: 2,8 трлн параметров всего, из которых 104 млрд активны. Контекстное окно составляет 1 млн токенов; модель работает с текстом и изображениями. По оценке Artificial Analysis, среди моделей сопоставимого размера нет системы с более высоким результатом в Intelligence Index.

Тарифы на токены снизились на 33% относительно K3: ввод стоит $2 за миллион токенов вместо $3, вывод — $10 вместо $15, а обработка попаданий в кэш — $0,20 вместо $0,30. При этом, по данным Artificial Analysis, одна задача Intelligence Index обходится примерно в $1,98 против $2,00 у K3: K3.1 Pro генерирует на 14% больше выходных токенов.

Цены K3.1 Pro Highspeed выше: $4 за миллион входных и $20 за миллион выходных токенов. Попадания в кэш стоят $0,20 за миллион токенов — столько же, сколько у обычной версии.

Moonshot ограничила возможности для кибератак

Moonshot сообщает, что способность модели находить уязвимости росла по мере масштабирования постобучения: кибернетические материалы присутствовали в обучающих данных, а связанные задачи — в среде обучения с подкреплением. Перед запланированной публикацией весов компания удалила данные о кибербезопасности из обеих стадий обучения.

На внутреннем тесте xdev-bench-hard, который проверяет воспроизведение недавно раскрытых уязвимостей в Linux kernel, Node.js и JavaScriptCore, версия без очистки данных решила 90,5% задач, а K3.1 Pro после очистки — 81,0%. Для сравнения, DeepSeek-V4.1-Flash набрала 85,7%, а Kimi K3 — 33,3%. Эти результаты приводит сама Moonshot.

Компания заявляет, что не хочет, чтобы модель с открытыми весами задавала абсолютный передний край возможностей для наступательных кибератак. При этом Moonshot намерена постепенно расширять возможности открытых моделей, в том числе для защитных задач — например, аудита устаревших систем.