Китайский стартап в области искусственного интеллекта Moonshot AI выпустил Kimi K3.1 Pro — свою новейшую ИИ-модель с миллионным контекстным окном и улучшенными возможностями в программировании, 3D-разработке, финансовых исследованиях и автономных ИИ-агентах, согласно объявлению компании.

На Terminal Bench 4.0 — бенчмарке, оценивающем ИИ-агентов на реальных задачах программирования, — Kimi K3.1 Pro набрала 65,7%, как сообщила Moonshot. Этот результат отстаёт всего на 0,7 процентного пункта от Claude Opus 5.5 компании Anthropic, набравшей 66,4%, и превосходит GPT 6 Astra от OpenAI с показателем 58,2%. Разрыв в 0,7 пункта между лидерами подчёркивает, насколько близкими стали результаты ведущих моделей в агентном программировании.

Модель построена на базе Kimi K3 с дополнительным обучением, направленным на усиление сложных рассуждений и способности выполнять задачи, требующие нескольких шагов и инструментов. Moonshot также представила Kimi K3.1 Pro Highspeed — вариант, обеспечивающий ответы в два-три раза быстрее стандартной модели. Обе версии доступны через Kimi.ai, Kimi Work, Kimi Code и API компании, а полные веса модели планируется выпустить до 4 ноября.

Прогресс в длинно горизонтированном программировании

Moonshot сообщила, что Kimi K3.1 Pro набрала 61,2% на Kimi Code Bench 3.0 Long horizon — внутреннем бенчмарке, измеряющем способность ИИ-агентов выполнять сложные задачи программирования, включающие несколько шагов, использование инструментов и длительное решение проблем. Это улучшение по сравнению с 55,95%, показанными предшественницей — Kimi K3.

Компания также отметила улучшения в программировании для игровых движков, таких как Unity, Unreal Engine и Godot, позволяющие модели создавать интерактивные среды, сайты и 3D-ассеты. В одной демонстрации Kimi K3.1 Pro разработала симулятор ходьбы на основе анатомической модели, содержащей 296 скелетных и 402 мышечных компонента. За 167 задач разработки и 420 итераций доработки модель усовершенствовала симулятор до тех пор, пока виртуальный персонаж не смог непрерывно идти в течение 11,2 секунды.

Модель также продемонстрировала более сильные результаты в 3D-моделировании, набрав 92,7% на BenchCAD против 96,2% у Claude Opus 5.5 и 95,9% у GPT 6 Astra.

Расширение возможностей в финансовых исследованиях

Помимо программирования, Moonshot позиционирует Kimi K3.1 Pro для финансового анализа, инвестиционных исследований и бизнес-операций. Компания сообщила о результате 64,4 на OfficeQA Pro v2 — оценке, измеряющей анализ финансовых документов, поиск информации и числовые рассуждения.

На внутренних оценках Moonshot Kimi K3.1 Pro улучшила результаты на 7,2 пункта в финансовом моделировании и на 11,6 пункта в финансовых исследованиях по сравнению с Kimi K3. Компания также сообщила о росте фактической точности: уровень галлюцинаций модели на внутреннем тестировании Kimi Hallu Bench Hard снизился с 23,4% до 8,3%. По опубликованным сравнениям Moonshot, на той же оценке с использованием инструментов Claude Opus 5.5 показал уровень галлюцинаций 15%. Компания подчеркнула, что бенчмарк специально проверяет сложные сценарии и не отражает уровень галлюцинаций в повседневном использовании.\n## Открытие весов модели запланировано на ноябрь

Релиз состоялся на фоне того, как разработчики ИИ продолжают расширять доступ к продвинутым моделям, которые можно развертывать независимо от проприетарных облачных платформ. Moonshot заявила, что Kimi K3.1 Pro — её самая мощная модель в классе 3 триллионов параметров, а полные веса预计 станут публично доступны 4 ноября. Поскольку ряд приведённых показателей получен из собственных оценок Moonshot, открытые веса позволят сторонним разработчикам проверить производительность модели на собственной инфраструктуре.

Компания также раскрыла изменения в процессе обучения, направленные на снижение рисков кибербезопасности, связанных с выпуском всё более способных ИИ-моделей. Moonshot сообщила, что удалила определённые данные и задачи по кибербезопасности из обучения перед оценкой финальной модели на внутреннем бенчмарке исследования уязвимостей. Итоговая модель набрала 81% на этой оценке против 90,5% у версии, обученной без таких ограничений, — разрыв в 9,5 пункта отражает компромисс, внесённый ограниченным подходом к обучению. По словам компании, изменения были направлены на ограничение наступательных возможностей в кибербезопасности при сохранении общей производительности в программировании.

Kimi K3.1 Pro в настоящее время доступна через потребительские, корпоративные и разработческие платформы компании, а запланированный релиз весов модели позволит разработчикам запускать её на собственной инфраструктуре. Релиз 4 ноября — следующая ключевая веха, ознаменующая момент, когда модель можно будет развертывать и оценивать вне платформ самой Moonshot.