Kimi K3.1 Pro: китайская модель на 2,8 трлн параметров догоняет Claude и дешевеет на треть

Китайская Moonshot AI выпустила Kimi K3.1 Pro — модель на 2,8 трлн параметров с контекстом в миллион токенов, которая в агентных задачах дышит в спину Claude и при этом стоит дешевле предшественницы. Релиз состоялся 23 октября, а открытые веса обещают до 4 ноября. Разбираем, что подтвердили независимые тесты, где модель проседает и кому она реально пригодится.

Что вышло

Новинка — первая модель линейки K3.1. По техблогу Moonshot, это дообученная версия Kimi K3, на которую потратили заметно больше вычислений на этапе пост-тренинга: компания запускала обучение с подкреплением сразу по сотням прикладных доменов. Вместе с ней вышла версия Highspeed, которая, по словам разработчиков, работает в 2–3 раза быстрее.

Архитектура — смесь экспертов: 2,8 трлн параметров всего и 104 млрд активных на токен. Модель принимает текст и картинки. Доступна в Kimi.ai, мобильных приложениях, Kimi Work, Kimi Code и через API. В корпоративном Kimi Enterprise она по умолчанию выключена, админ включает её сам.

Kimi K3.1 Pro в тестах: где сильна

Главное — агентные задачи и код. Artificial Analysis насчитала 67% на Terminal-Bench 4.0: это лучший результат среди всех моделей в её замерах и огромный скачок с 13% у Kimi K3. Claude Sonnet 5.5 там показывает 64%. Сама Moonshot в своём блоге даёт 65,7% против 58,2% у GPT-6 Astra и 66,4% у Claude Opus 5.5.

Ещё цифры из независимых замеров:

• GDPval-AA, где проверяют реальную офисную работу: 1 846 Elo и третье место после Claude Opus 5.5 и Muse Wonder Full.
• AutomationBench-AA, сценарии в SaaS-сервисах: рост с 58% до 73%.
• Humanity's Last Exam: с 47% до 52%.
• Доля галлюцинаций в AA-Omniscience упала с 53% до 44%.

По оценке Artificial Analysis, когда веса выложат, модель станет самой сильной открытой моделью, а разрыв между лучшими открытыми и закрытыми моделями в индексе сократится с 12 до 3 баллов.

Открытая модель почти догнала закрытых лидеров — но только на бумаге, пока веса не лежат в открытом доступе.

Где проседает и что настораживает

Первое — наука. По данным MarkTechPost, на Terminal-Bench Science 0.1 модель набирает 38,1 против 68,1 у GPT-6 Astra и 63,3 у Opus 5.5. Разрыв больше 25 пунктов.

Второе — часть громких побед получена на внутренних тестах Moonshot. Например, падение доли галлюцинаций на Kimi Hallu Bench Hard с 23,4% до 8,3% выглядит красиво, но это собственный стресс-тест компании, и GPT-6 Astra там всё равно лучше — 5,5%.

Третье — болтливость. На одну задачу индекса модель тратит около 55 тыс. выходных токенов, на 14% больше, чем K3. Поэтому, несмотря на снижение цен, стоимость задачи почти не изменилась — около $1,98.

Отдельно Moonshot рассказала про кибербезопасность. Перед открытым релизом компания вычистила из обучения данные про поиск уязвимостей. Версия без чистки решала 90,5% задач внутреннего теста xdev-bench-hard, выпущенная — 81,0%. Moonshot пишет, что сознательно держит открытую модель ниже уровня закрытых лидеров в атакующих кибер-задачах.

Что это значит для тебя

Если ты пишешь ботов, агентов или скрипты для крипты, новинка Moonshot — сильный кандидат по соотношению цены и качества в коде и долгих многошаговых задачах. Moonshot отдельно продвигает финансовые сценарии: на OfficeQA Pro v2, где модель разбирает реальные финансовые документы, она заявляет лучший результат — 64,4. Но к цифрам в таблицах и расчётам из любой модели отношение должно быть одинаковое: проверяй руками.

Практические моменты из документации API:

• Модель открывается после пополнения баланса минимум на $1.
• Режим размышлений включён всегда; уровень — low, high или max, по умолчанию max, а это дольше и дороже.
• Температура зафиксирована, картинки по публичным ссылкам не принимаются — только base64 или загруженные файлы.
• Встроенный веб-поиск разработчики пока не советуют использовать в продакшене.

Локальный запуск — не для домашнего ПК. Для K3 Moonshot рекомендовала кластеры от 64 ускорителей, так что открытые веса пригодятся скорее провайдерам и командам, чем одиночкам. Если нужно что-то для ноутбука, смотри в сторону компактных моделей вроде MiniMax M3.1 Flash.

FAQ

Когда выложат веса Kimi K3.1 Pro? Moonshot обещает опубликовать полные веса до 4 ноября 2026 года.

Сколько стоит доступ через API? $2 за миллион входных токенов, $10 за миллион выходных и $0,20 за попадание в кэш. Highspeed — $4 и $20.

Она лучше Claude? В индексе Artificial Analysis — нет: 55 баллов против 58 у Claude Opus 5.5. Но на Terminal-Bench 4.0 в замерах AA она первая.

Можно ли запустить её дома? Нет, речь о модели на 2,8 трлн параметров. Даже после выхода весов нужен серьёзный серверный кластер.

Итог: Kimi K3.1 Pro — самый сильный китайский релиз недели и серьёзная заявка на звание лучшей открытой модели, особенно в агентном коде. Слабые места — научные задачи и многословность, а открытость пока лишь обещание до 4 ноября. Для сравнения с другим китайским игроком смотри наш разбор DeepSeek Flash 1017.

Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.