Мой блог
Moonshot AI представила языковую модель Kimi K3.1 Pro с окном в 1 миллион токенов
Компания Moonshot AI объявила о выходе модели Kimi K3.1 Pro, открывающей новое семейство нейросетей K3.1. Разработчики позиционируют новинку как наиболее производительное open-weight решение класса 3T на текущий момент, оснащенное контекстным окном вместимостью один миллион токенов.
Одновременно с базовой версией был выпущен ускоренный вариант Kimi K3.1 Pro Highspeed, демонстрирующий увеличенную в два-три раза скорость работы при сохранении аналогичных базовых возможностей. Обе новинки стали доступны пользователям экосистемы Kimi на сайте сервиса, в мобильных приложениях для iOS, Android и HarmonyOS, в десктопном клиенте Kimi Work версии 3.1.0 и новее для Windows и чипов Apple Silicon, а также через Kimi Code и официальный API под идентификаторами kimi-k3.1-pro и kimi-k3.1-pro-highspeed с поддержкой Zero Data Retention. Администраторы корпоративного сегмента Kimi Enterprise могут активировать модель для своих команд, причем по умолчанию доступ после запуска отключен.
Обучение и заявленные показатели производительности
Архитектура Kimi K3.1 Pro представляет собой результат дообучения (post-training) модели Kimi K3 с использованием существенно больших вычислительных мощностей. Чтобы реализовать масштабное совместное обучение с подкреплением на множестве специализированных направлений, инженеры оптимизировали каждый уровень инфраструктуры: фреймворк RL, алгоритмы обработки длинного контекста, общую эффективность тренировки, песочницы, планирование прогонов и единую платформу для проверки качества сред.
В бенчмарке Terminal-Bench 4.0, оценивающем агентов в задачах терминала со строгими ресурсными ограничениями, новинка набрала 65.7%, опередив GPT-6 Astra с ее 58.2% и незначительно уступив Claude Opus 5.5, результат которой составил 66.4%. На внутреннем тесте Kimi Code Bench 3.0 Long-horizon, охватывающем многошаговое выполнение инструкций и применение инструментов, показатель модели составил 61.2% против 55.95% у предшественницы. В тесте BenchCAD, проверяющем трехмерную реконструкцию по множеству ракурсов через генерацию CAD-кода, модель с применением инструментов достигла 92.7%, приблизившись к показателям Claude Opus 5.5 (96.2%) и GPT-6 Astra (95.9%). На платформе Kimi заработала функция 3D Make, позволяющая просматривать, редактировать и скачивать модели для последующей 3D-печати.
В комплексном финансовом бенчмарке OfficeQA Pro v2 зафиксирован показатель на уровне 64.4, а на внутренних тестах финансового анализа отмечен значительный рост относительно Kimi K3: прирост составил 7.2 пункта в финансовом моделировании, 11.6 пункта в исследованиях, а производительность в бизнес-операциях увеличилась примерно в 4.2 раза. На внутреннем стресс-тесте на фактическую точность Kimi Hallu Bench Hard доля галлюцинаций на уровне утверждений снизилась с 23.4% до 8.3%, а доля ответов хотя бы с одной фактической ошибкой составила 42.4% от уровня предыдущей версии. В одном из тестовых сценариев модель спроектировала симулятор динамики ходьбы человека на базе открытого анатомического атласа, выполнила итеративную доводку контроллера и самостоятельно исправила 36 ошибок в расчетах мышечных усилий.
Меры кибербезопасности и принципы открытых весов
Специалисты компании зафиксировали закономерность: по мере масштабирования post-training этапа показатели в области исследования уязвимостей стабильно росли. Этот эффект связали с наличием кибер-материалов в общем корпусе среднего этапа обучения и профильных задач в среде обучения с подкреплением. Для выпуска открытой версии Kimi K3.1 Pro разработчики выявили и удалили соответствующие датасеты из обоих этапов, сохранив при этом общецелевые задачи программирования, необходимые для прикладной пользы.
На внутреннем бенчмарке xdev-bench-hard контрольная точка без защитных ограничений решала 90.5% задач на уровне pass@3, тогда как финальная версия K3.1 Pro показала 81.0%. Это подтверждает, что фильтрация данных снижает кибер-потенциал относительно базового пайплайна, удерживая его показатели ниже уровня проприетарных аналогов, находящихся в публичном доступе более трех месяцев. Политика открытых весов опирается на два принципа: отказ от публикации весов, расширяющих абсолютную границу возможностей в киберсфере, и последовательное повышение доступного в открытом доступе потенциала для аудита поддерживаемых систем, включая устаревшую инфраструктуру.
Конфигурация моделей в Kimi Code
Документация платформы Kimi Code описывает шесть идентификаторов моделей в семействах K3.1 Pro, K3, K2.8 Preview и K2.7 Code Highspeed. Флагманская версия k3.1-pro обладает параметрами класса 3T и поддерживает контекстное окно до 1 048 576 токенов для старших тарифных планов, а вариант Highspeed удваивает расход квот при идентичном функционале.
Новые модели функционируют исключительно в режиме размышлений (thinking mode), поэтому запросы с отключенной генерацией мыслительных шагов отклоняются сервером с ошибкой HTTP 400. Доступны настройки интенсивности рассуждений reasoning_effort со значениями low, high или max (по умолчанию), а также прием текстовых, графических и видеоданных. Подписки новых уровней Plus и Pro открывают доступ к базовой и расширенной версиям модели с максимальным контекстом. Рекомендуется начинать новые сессии вместо переключения моделей на лету, использовать нативные интерфейсы API для стабильных результатов и указывать точные идентификаторы в стороннем софте во избежание отката к версии K2.8 Preview. Полноценный релиз весов Kimi K3.1 Pro запланирован на 4 ноября 2026 года.
