Moonshot выпустила Kimi K3.1 Pro: модель усилили для кода и агентных задач

Китайская компания Moonshot AI представила Kimi K3.1 Pro — новую флагманскую модель для программирования, сложных рассуждений и многоэтапных задач с использованием инструментов. Разработчики утверждают, что по качеству работы в терминале она почти сравнялась с Claude Opus 5.5, при этом стала дешевле предыдущей Kimi K3.

Модель построена на архитектуре Mixture of Experts и насчитывает 2,8 трлн параметров. При обработке одного токена активируется около 104 млрд параметров. Moonshot не обучала K3.1 Pro полностью с нуля, а сосредоточилась на дополнительном обучении с подкреплением: компания переработала инфраструктуру и расширила набор задач, связанных с применением внешних инструментов.

Контекстное окно осталось размером в 1 млн токенов. K3.1 Pro работает с текстом и изображениями, умеет вызывать инструменты и рассчитана на продолжительные цепочки действий. Среди заявленных сценариев — исправление ошибок в крупных проектах, анализ финансовых документов и создание 3D-моделей с помощью CAD-инструментов.

Ограничение навыков эксплуатации уязвимостей

Во время обучения Moonshot обнаружила, что рост способностей к программированию сопровождается улучшением навыков поиска и эксплуатации уязвимостей. Перед релизом разработчики удалили из обучающих данных материалы о кибератаках и исключили соответствующие задания из обучения с подкреплением. При этом обычные задачи программирования сохранили.

Эффект проверили на внутреннем тесте xdev-bench-hard. В нём агент должен разработать эксплойт для известной уязвимости и добиться выполнения кода. Неограниченная версия модели решила 90,5% заданий, а финальная K3.1 Pro — 81%. Оба показателя рассчитаны с учётом трёх попыток. Для сравнения, Kimi K3 набрала 33,3%.

Таким образом, даже после намеренного ограничения новая модель заметно превосходит предшественницу в задачах эксплуатации уязвимостей. Moonshot объясняет такой подход желанием сохранить возможности для защитного анализа кода, но не выпускать модель с максимально развитыми наступательными навыками. Полные веса планируют опубликовать до 4 ноября. После этого сторонние разработчики смогут дообучать модель, в том числе на исключённых типах задач.

Результаты тестов и стоимость

В Terminal-Bench 4.0, где ИИ-агенты решают практические задачи в терминале, Kimi K3.1 Pro получила 65,7%. Для сравнения, Claude Opus 5.5 набрала 66,4%, а GPT-6 Astra — 58,2%.

В собственном тесте длительных задач программирования результат вырос с 55,95% у Kimi K3 до 61,2% у новой версии. В стресс-тесте доля фактических ошибок снизилась с 23,4% до 8,3%. Интенсивность reasoning можно регулировать, однако полностью отключить этот режим нельзя. В API также фиксируются параметры сэмплирования temperature и top_p — это может потребовать изменений в уже работающих приложениях.

Стандартный доступ к Kimi K3.1 Pro стоит $2 за 1 млн входных токенов и $10 за 1 млн выходных. У Kimi K3 эти тарифы составляли $3 и $15. Версия Highspeed вдвое дороже: $4 за 1 млн входных и $20 за 1 млн выходных токенов.

Kimi K3.1 Pro доступна через веб-интерфейс Kimi и API.