Обзор Kimi K3.1 Pro: бенчмарки модели и особенности ее кибернавыков

Компания Moonshot AI официально представила Kimi K3.1 Pro в качестве первой модели новой серии K3.1. Новинка представляет собой дообученную версию Kimi K3 с поддержкой контекста в 1 миллион токенов, получившую расширенные вычислительные ресурсы и обучение с подкреплением по сотням прикладных направлений.

Информацию о возможностях и ограничениях новинки раскрывает подробный анонс разработчиков, включающий детальные бенчмарки и тарифы API, а также независимые оценки экспертов.

Варианты поставки и доступность модели

Одновременно с базовой версией была выпущена Kimi K3.1 Pro Highspeed, которая, по утверждению создателей, работает в два-три раза быстрее. Программная архитектура полностью унаследована от предшественницы и базируется на подходе Mixture-of-Experts с общим объемом в 2,8 триллиона параметров, из которых для обработки каждого отдельного токена задействуются 104 миллиарда. Модель способна принимать на вход текстовые данные, изображения и видеоматериалы, выдавая в ответ текстовые результаты.

Интеграция новой модели охватывает веб-интерфейс Kimi.ai, официальные мобильные приложения для операционных систем iOS, Android и HarmonyOS, а также специальное десктопное приложение Kimi Work, предназначенное для компьютеров под управлением Windows и устройств Mac на базе процессоров Apple Silicon (требуется версия 3.1.0 и новее). Для работы через среду Kimi Code модель вызывается профильной командой. В программном интерфейсе API используются идентификаторы kimi-k3.1-pro и kimi-k3.1-pro-highspeed, при этом в корпоративных инсталляциях функцию требуется активировать через административную панель.

Ценовая политика и тарифы API

Стоимость базовой модификации K3.1 Pro составляет 2 доллара за миллион входящих токенов и 10 долларов за миллион исходящих, тогда как кешированный ввод обойдется в 0,20 доллара. Высокоскоростная вариация оценивается ровно вдвое дороже — 4 и 20 долларов соответственно. Для сравнения, ранняя Kimi K3 стоила 3 и 15 долларов, что означает снижение цены примерно на треть.

Тем не менее конечные затраты на выполнение конкретной задачи зависят от объемов генерации. Поскольку механизм рассуждений у K3.1 Pro активирован постоянно, а настройка глубины по умолчанию выставлена на максимум, итоговый счет напрямую определяется количеством токенов, израсходованных системой на формирование ответа.

Результаты бенчмарков и специфика точности

В независимом индексе Artificial Analysis модель K3.1 Pro набрала 55 баллов, закрепившись на четвертой позиции с отрывом в 11 пунктов от предыдущей версии K3. Разработчики провели масштабное сопоставление с ведущими закрытыми и открытыми аналогами, охватывающее широкий спектр специализированных тестов.

Сравнение с конкурентами по индустрии

Анализ результатов демонстрирует неоднородный профиль производительности. На задачах, требующих продолжительной работы и задействования внешних инструментов — например, в сложных сценариях программирования, веб-поиске, агентских экзаменах и финансовой аналитике — K3.1 Pro демонстрирует лидерство или идет наравне с закрытыми решениями вроде Claude Opus 5.5. В то же время на интеллектуальных вопросах «из головы» наблюдается отставание.

В вопросах фактической точности, критически важных для финансового сектора, внутренний стресс-тест Kimi Hallu Bench Hard зафиксировал снижение доли ложных утверждений с 23,4% до 8,3% по сравнению с K3. Данный показатель превосходит результаты некоторых конкурентных закрытых систем, хотя авторы отмечают специально усложненный характер проверочных примеров.

Нюансы методики тестирования

Подробные сноски к официальной сравнительной таблице позволяют выявить особенности тестирования. В частности, Kimi в большинстве проверок применялась в связке с обвязкой Claude Code, в то время как результаты сторонних решений брались из их отчетов с фиксацией максимальных значений. Отдельные тесты опирались на внутренние бенчмарки компании, а в ряде случаев привлекались альтернативные модели-судьи или другие конфигурации вычислительного оборудования.

Ограничение кибервозможностей

Наиболее примечательным аспектом анонса стали меры по регулированию навыков модели в сфере информационной безопасности. В процессе постобучения разработчики обнаружили склонность системы эффективно находить программные уязвимости, поскольку соответствующие материалы случайно присутствовали в общем корпусе промежуточного обучения.

Тестирование на уязвимости

Для оценки эффективности использовался закрытый бенчмарк xdev-bench-hard, включающий реальные уязвимости в ядрах Linux, Node.js, JavaScriptCore, Exim и VirGL. В ходе экспериментов агент получал исходный код, описание дефекта и бинарный файл, после чего должен был подготовить работающий эксплойт.

Перед публичным релизом компания целенаправленно очистила датасеты от специализированных материалов по кибербезопасности на обоих этапах обучения. Это привело к снижению показателей примерно на 10 пунктов, однако модель все равно продемонстрировала рост с 33% до 81% благодаря общим навыкам глубокого программирования и отладки кода.

Принципы и оговорки

Свое решение создатели объясняют двумя факторами: отказом выкладывать в открытый доступ веса, способные существенно расширить абсолютный предел кибервозможностей в сравнении с передовыми закрытыми аналогами, и стремлением постепенно повышать стандарты открытых систем. При этом в опубликованных таблицах фиксируется, что некоторые сторонние открытые модели демонстрируют схожие или даже более высокие результаты в аналогичных дисциплинах.

Практическая демонстрация и симуляция движения

В рамках демонстрации возможностей обработки длинных задач K3.1 Pro была задействована для сборки виртуального симулятора ходьбы на базе открытой анатомической модели human-atlas, содержащей сотни элементов скелета и мышц. Решая задачу на протяжении сотен подзадач, система анализировала эксперименты и корректировала контроллер.

Любопытным эпизодом стало обнаружение моделью математических ошибок в расчетах плеч силы для мышц плеча непосредственно в коде самого симулятора, когда стандартная настройка вознаграждения исчерпала свой потенциал. После исправления обнаруженных недочетов система успешно завершила обучение виртуального объекта.

Условия лицензирования и аппаратные требования

Открытые веса модели планировалось опубликовать в начале ноября. Лицензионные условия продолжают традиции предыдущих версий, включая ограничения для крупных коммерческих сервисов с высокой выручкой или многомиллионной ежемесячной аудиторией, которым требуется специальное указание авторства и заключение соглашений.

Использование таких систем в домашних условиях исключено из-за колоссальных аппаратных требований. Для развертывания архитектуры подобного масштаба необходимы крупные кластеры ускорителей, поэтому открытые веса ориентированы главным образом на облачных провайдеров и крупные технологические компании.