Курс
Работа с Hugging Face
2 ч
40K
Лаборатории открытых весов в 2026 году активно сокращали отставание от Anthropic и OpenAI в кодинге, и Moonshot AI снова сузила разрыв. В прошлую пятницу Moonshot представила Kimi K3.1 Pro — свой самый мощный на сегодня открытовесовой модельный класс 3T, которая по агентному кодингу отстаёт от Claude Opus 5.5 всего на один пункт.
K3.1 Pro — это интенсивно пост-тренированная версия Kimi K3 с контекстным окном на 1 миллион токенов. Одновременно выходит более быстрая вариация, K3.1 Pro Highspeed, и уже сегодня обе доступны в приложениях Kimi, Kimi Code и Kimi API. Полные веса обещаны к 4 ноября 2026 года.
В этой статье разберём все новинки Kimi K3.1 Pro: функции, бенчмарки и сравнение цен с Kimi K3. Чтобы вспомнить основу, посмотрите наши материалы по Kimi K3 и практический туториал по Kimi K3.
Кратко
- Kimi K3.1 Pro — новый флагман Moonshot, пост-тренированное обновление Kimi K3 с тем же контекстом на 1 млн токенов.
- Главное — агентный кодинг: соперничает с Claude Opus 5.5 и обгоняет GPT-6 Astra в терминальных задачах.
- Чистое рассуждение и знаниевые тесты всё ещё уступают закрытым фронтирным моделям с заметным отрывом.
- Moonshot намеренно убрала киберданные из обучения перед открытовесовым релизом.
- API стоит дешевле, чем у Kimi K3, так что оставаться на старой модели нет ценового смысла.
- По умолчанию используйте стандартный K3.1 Pro; платите за Highspeed только когда задержка важнее стоимости.
Что такое Kimi K3.1 Pro?
Kimi K3.1 Pro — флагманская LLM от Moonshot AI и первая модель новой серии K3.1. Она сохраняет базу Kimi K3 — модель на 2,8T параметров с контекстным окном на 1 млн токенов — и добавляет существенно больше пост-тренировочных вычислений поверх.
Изменение — в обучении, а не архитектуре: Moonshot провела совместное обучение с подкреплением (RL) по «сотням прикладных доменов», а также перестроила RL-фреймворк, песочницы и график развёртываний так, чтобы дополнительная вычислительная мощность давала стабильный прирост. По словам Moonshot, улучшения есть во всех измеренных областях, особенно выделены кодинг, 3D и финансовые исследования.
Ключевой тезис — паритет в агентном кодинге с лучшими проприетарными моделями. В таблице Moonshot K3.1 Pro отстаёт от Claude Opus 5.5 на терминальных задачах всего на пункт, при этом стоит значительно дешевле. Модель — открытовесовая, но веса пока не опубликованы.
Ключевые возможности Kimi K3.1 Pro
K3.1 Pro — это широкое обновление, а не один новый трюк. Ниже — четыре способности, ради которых действительно стоит менять процесс работы.
Запуск длинных многошаговых задач по кодингу
K3.1 Pro умеет вести длительную многошаговую задачу по программированию, диагностируя свои ошибки вместо простых повторных попыток. В демонстрации Moonshot — симулятор ходьбы человека на базе открытого анатомического проекта human-atlas с 296 скелетными и 402 мышечными компонентами.
По 167 миссиям и 420 независимым ревью модель довела симулированного человека от падения за считанные секунды до ходьбы с чередующимися шагами в течение 11,2 секунды. Самое интересное началось, когда настройка вознаграждения перестала помогать движению рук: K3.1 Pro провела открытые прогоны симулятора, нашла 36 ошибок в расчётах плечевых рычагов моментов мышц, исправила их и переобучилась.
Это внутренняя демонстрация, относитесь к ней как к иллюстрации целевого сценария, а не как к доказательству. Но она показывает фокус Moonshot: агенты, которые исследуют и итеративно улучшают.
Создание игр, фронтендов и 3D-ассетов с большим лоском
По словам Moonshot, K3.1 Pro генерирует фронтенд-страницы, сцены Three.js и 3D-ассеты со «сильной композицией, типографикой, анимацией и полировкой». Она работает с Unity, Unreal Engine и Godot и может сочетать это с веб-поиском и 3D-генерацией для сборки полного проекта.
На стороне моделирования K3.1 Pro пишет и запускает скрипты для Blender и CAD напрямую, без коннекторов MCP, чтобы строить параметрические модели — механические детали, архитектурные модели и настраиваемую мебель. Moonshot также запустила 3D Make на kimi.ai и в приложении Kimi, где можно просматривать, редактировать и скачивать модели, готовые к 3D‑печати.
Заявление о визуальном качестве сложнее всего проверить по таблице бенчмарков, так что относитесь к демо Moonshot как к лучшим примерам, а не типичному выходу.
Финмоделирование и ресёрч с меньшим числом выдуманных фактов
K3.1 Pro ведёт финансовый рабочий процесс от скрининга до готовой книги, а Moonshot точечно повышала фактическую точность именно для таких задач. На внутренних финанс-бенчмарках K3.1 Pro улучшает результат Kimi K3 на 7,2 пункта в Financial Modeling и на 11,6 пункта в Financial Research и достигает примерно 4,2× счёта K3 в Business Operation — долгосрочной симуляции бизнес-задач.
Работа над точностью видна в стресс-тесте галлюцинаций Moonshot. На Kimi Hallu Bench Hard доля галлюцинаций на уровне утверждений упала с 23,4% у K3 до 8,3% у K3.1 Pro. Moonshot подчёркивает, что тест спроектирован провоцировать ошибки, так что эти показатели — не повседневные.
Как Kimi K3.1 Pro выступает в бенчмарках?
Kimi K3.1 Pro конкурентоспособна с Claude Opus 5.5 и GPT-6 Astra в агентном кодинге и задачах с активным использованием инструментов, но заметно уступает им в чистом рассуждении. Все данные ниже — из анонса Moonshot; для K3.1 Pro выбран уровень max.
Агентный кодинг
Агентный кодинг — сильнейшая сторона K3.1 Pro. На Terminal-Bench 4.0, который оценивает код-агентов в реалистичных ресурсно-ограниченных терминальных задачах, K3.1 Pro набирает 65,7%. Это лишь немного ниже Claude Opus 5.5 с 66,4% и заметно выше GPT-6 Astra с 58,2%.
Остальные результаты по кодингу неоднородны. Все цифры — по данным вендоров, лучший результат в каждой строке выделен жирным:
| Бенчмарк | Что измеряет | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 | Код-агенты в реалистичных терминальных задачах | 65.7% | 66.4% | 58.2% | 42.3% |
| SWE-Marathon v1.1 | 20 многочасовых инженерных задач, без интернета | 51.7% | 46.3% | 42.5% | 40.0% |
| DeepSWE v1.1 | 113 долгосрочных задач, оценка по поведению | 75.5% | 74.2% | 74.1% | 77.0% |
| Kimi Code Bench 3.0 Long-horizon (внутренний Moonshot) | Многошаговое выполнение и работа с инструментами | 61.2% | 58.5% | 66.5% | 51.5% |
| ProgramBench | Восстановление программы по бинарю и спецификации (задачи с ≥95% пройденных тестов) | 31.5% | 65.0% | 50.0% | 29.1% |
| Terminal-Bench Science 0.1 | Агенты в научно-исследовательских рабочих процессах | 38.1% | 63.3% | 68.1% | 15.7% |
K3.1 Pro на уровне лучших закрытых моделей в длинных инженерных задачах и лидирует в сравнении Moonshot на SWE-Marathon. На DeepSWE у каждой лаборатории свои настройки, так что разница в 3 пункта — скорее ничья. Сильно отстаёт там, где нужно восстанавливать программу исключительно по наблюдаемому поведению или проходить научный рабочий процесс.
По сравнению с предшественником самый явный прирост — на собственном долгосрочном бенчмарке Moonshot, где Kimi K3 набрала 55,95%.
Инструменты, офисные задачи и браузинг
В агентных задачах с активным использованием инструментов K3.1 Pro лидирует или отстаёт от Opus 5.5 на пару пунктов:
| Бенчмарк | Что измеряет | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| HLE-Full с инструментами | 2 500 сложных вопросов по знаниям и рассуждению, инструменты разрешены | 70.0% | 67.7% | 57.2% | 58.8% |
| BrowseComp | Поиск труднодоступной информации в интернете | 92.1% | 90.8% | 91.5% | n/a |
| OfficeQA Pro v2 | Числовой анализ по реальным финансовым PDF | 64.4 | 62.2 | 54.4 | 40.4 |
| Frontier Finance | Инвест-процессы от скрининга до анализа прибыльности | 58.6 | 56.7 | 45.0 | 54.5 |
| OSWorld V2.1 | Управление рабочим столом для завершения задач | 79.6% | 81.8% | 75.8% | 69.3% |
Явное исключение в таблице Moonshot — использование компьютера, где Opus 5.5 остаётся впереди. На Frontier Finance абсолютный лидер — Claude Fable 5.1 (60,8), выше всех четырёх моделей здесь.
Рассуждение и знания
Без инструментов K3.1 Pro заметно уступает закрытым моделям:
| Бенчмарк | Что измеряет | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| HLE-Full | 2 500 сложных вопросов по знаниям и рассуждению | 51.1% | 59.8% | 53.6% | 42.6% |
| HLE-Diamond | 1 000 самых сложных вопросов из HLE | 39.4% | 60.9% | 65.8% | 21.6% |
| GPQA-Diamond | Вопросы уровня аспирантуры по наукам | 94.2% | 93.9% | 96.1% | 92.2% |
| MMMU-Pro | Вопросы, сочетающие изображения и текст | 84.1% | 87.7% | 86.9% | 80.6% |
| Kimi Hallu Bench (внутренний Moonshot, меньше — лучше) | Доля фактических утверждений с ошибками | 5.4% | 6.8% | 4.2% | 13.1% |
Самый большой разрыв — на HLE-Diamond, тогда как GPQA-Diamond почти насыщен, так что разница в 2 пункта мало о чём говорит. Если у вас «жёсткие» задачи на рассуждение без подсказок, это не та модель, на которую стоит переходить.
Кибербезопасность — намеренно
Moonshot сделала для открытовесового релиза необычное: опубликовала, сколько способностей она сознательно убрала. Выяснилось, что киберсодержимое в данных среднего этапа обучения и в RL-средах стабильно повышает навыки ресёрча уязвимостей, поэтому эти данные из обоих этапов удалили для открытовесового релиза.
На xdev-bench-hard, внутреннем бенчмарке разработки эксплойтов, чекпоинт без удаления данных решал 90,5% задач (pass@3). Выпущенная K3.1 Pro решает 81,0% — всё ещё намного выше 33,3% у Kimi K3. На публичных кибер-бенчмарках она ниже всех закрытых моделей в сравнении Moonshot, набирая 74,7 на ExploitBench против 91,0 у Opus 5.5.
Заявленный принцип Moonshot — не выпускать открытые веса, которые двигают вперёд абсолютный фронтир наступательных кибервозможностей, а постепенно повышать планку открытовесовых моделей. Достаточна ли «стрижка» на 9,5 пункта — вопрос оценки, но публикация самой цифры — уже больше, чем делают многие лаборатории.
Какой вариант выбрать?
Стандартный K3.1 Pro — правильный выбор по умолчанию почти для всех. Вариант Highspeed оправдывает более высокую цену только когда человек ждёт ответ перед экраном.
Moonshot продаёт Highspeed исключительно скоростью: он работает в 2–3× быстрее, стоит вдвое дороже за входные и выходные токены и не имеет отдельных результатов бенчмарков.
Обе вариации всегда «думают» перед ответом, и это нельзя отключить. Вы задаёте интенсивность тремя уровнями рассуждения: max для самых сложных агентных задач, high как разумный середнячок и low, когда времени на размышления по умолчанию больше, чем нужно задаче. В API по умолчанию стоит max — этот уровень за всеми показателями в таблице Moonshot. Понизьте до high или low, если полной глубины не требуется.
| Сценарий | Вариант | Уровень рассуждения | Почему |
|---|---|---|---|
| Длинные агентные прогоны, сложный дебаг | K3.1 Pro | max |
Уровень из кодинговых результатов Moonshot; скорость менее критична на часах выполнения |
| Повседневный кодинг в Kimi Code | K3.1 Pro | high |
Большая часть качества при меньшем счёте за токены |
| Интерактивный чат и быстрые правки | K3.1 Pro Highspeed | low |
Узкое место — задержка, а короткие подсказки сдерживают 2× цену |
| Массовые пакетные задачи | K3.1 Pro | low |
Никто не ждёт — платите меньшую ставку и ограничивайте «размышления» |
Важная практическая заметка из документации Kimi Code: переключение уровня рассуждения в середине сессии инвалидирует кэш контекста, поэтому выбирайте уровень на сессию, а не переключайтесь туда‑сюда.
Цены и доступность Kimi K3.1 Pro
Kimi K3.1 Pro стоит $2.00 за миллион входных токенов и $10.00 за миллион выходных токенов в Kimi API — это дешевле Kimi K3. Ценообразование едино по всему контексту на 1 млн токенов, без наценки за длинный контекст.
| Модель | Вход | Выход | Кэшированный вход | Запись кэша на 5 минут | Запись кэша на 1 час |
|---|---|---|---|---|---|
| Kimi K3.1 Pro | $2.00 | $10.00 | $0.20 | $2.00 | $4.00 |
| Kimi K3.1 Pro Highspeed | $4.00 | $20.00 | $0.20 | $4.00 | $8.00 |
| Kimi K3 (предыдущее поколение) | $3.00 | $15.00 | $0.30 | $3.00 | $6.00 |
Цены указаны за миллион токенов без учёта налогов. Кэширование включено по умолчанию на 5 минут, а слой на 1 час можно запросить на каждый вызов.
Несколько деталей доступа стоит знать заранее:
- Доступ по API: K3.1 Pro открывается после минимального пополнения на $1, а суммарное пополнение определяет лимиты.
- Хранение данных: политика Zero Data Retention доступна для клиентов API.
- Приложения: развёртывается на Kimi.ai, в iOS, Android и HarmonyOS, а также в десктопном Kimi Work с версии 3.1.0.
- Enterprise: администраторам Kimi Enterprise нужно включить K3.1 Pro для своей организации; по умолчанию на старте он выключен.
Если вы всё ещё на моделях серии K2, в доках Moonshot сказано, что они станут недоступны для новых пользователей с 31 октября 2026 года и будут выведены из эксплуатации к концу декабря 2026 года.
Как получить доступ к Kimi K3.1 Pro?
Воспользоваться Kimi K3.1 Pro можно уже сегодня через Kimi API, OpenRouter и собственные приложения Kimi, но не через скачиваемые веса. Moonshot сообщает, что полные веса будут опубликованы к 4 ноября 2026 года; в анонсе нет условий лицензии, так что проверьте карточку модели, когда веса выйдут.
- Kimi API: идентификаторы моделей —
kimi-k3.1-proиkimi-k3.1-pro-highspeedна эндпойнте, совместимом с OpenAI. - OpenRouter: указан как
moonshotai/kimi-k3.1-pro. - Код-агенты: в Kimi Code выберите модель командой
/model. В доках Moonshot также описано подключение к Codex через Kimi Responses API. - Пока не в списках: по состоянию на 26 октября 2026 года, модель не указана в GitHub Copilot, Azure AI Foundry или Ollama, а на Hugging Face есть только загрузки от сообщества, а не веса Moonshot.
Минимальный вызов через клиент OpenAI для Python выглядит так:
from openai import OpenAI
client = OpenAI(api_key="YOUR_MOONSHOT_API_KEY", base_url="https://api.moonshot.ai/v1")
response = client.chat.completions.create(
model="kimi-k3.1-pro",
reasoning_effort="high",
messages=[{"role": "user", "content": "Find the bug in this function..."}],
)
print(response.choices[0].message.content)Когда веса появятся, наш гайд о том, как запускать LLM локально, подскажет варианты сервинга, а наш обзор OpenCode покажет, как подключить такую модель к открытоисходному код-агенту.
Итоги
Kimi K3.1 Pro — самый убедительный на сегодня пример того, что открытовесовые модели могут догнать закрытый фронтир в агентном кодинге, причём по цене ниже, чем у её предшественницы. Это не лидер общего рассуждения, но для длинных задач по кодингу и агентной работы с инструментами она стоит вплотную к Claude Opus 5.5 и опережает GPT-6 Astra по ряду задач.
Moonshot также делает ставку на то, что публикация компромиссов по кибернаправлению укрепит доверие к открытым релизам. Если вы пишете код с агентами, стоит попробовать через API уже сейчас и вернуться к вопросу самохостинга, когда в ноябре выйдут веса и карточка модели.
Если вам интересно работать с открытыми моделями вроде этой, рекомендуем посмотреть наш скилл-трек Hugging Face Fundamentals.