Kimi K3.1 Pro: модель Moonshot AI с открытыми весами обошла GPT-6 Astra в бенчмарках
Китайская Moonshot AI представила Kimi K3.1 Pro — модель с открытыми весами на 3 трлн параметров и контекстным окном в миллион токенов. Она обошла GPT-6 Astra в тестах агентов и заняла четвёртое место в рейтинге Artificial Analysis. Публикация весов ожидается в ноябре.
Коротко
- Kimi K3.1 Pro насчитывает 3 трлн параметров, поддерживает контекстное окно в миллион токенов и получит открытые веса в ноябре.
- Модель опередила GPT-6 Astra в бенчмарках Terminal-Bench 4.0 и Artificial Analysis Intelligence Index, немного уступив Claude Opus 5.5.
- Разработчик намеренно ограничил навыки кибербезопасности, чтобы снизить риски поиска уязвимостей — новая версия решает 81% таких задач против 90,5% без фильтрации.
Moonshot AI анонсировала Kimi K3.1 Pro — языковую модель с открытыми весами, содержащую 3 трлн параметров и контекстное окно на миллион токенов. Одновременно выпущена ускоренная версия K3.1 Pro Highspeed, которая, по заявлениям компании, работает в 2-3 раза быстрее основной модели. Модель заточена на многоэтапные задачи с использованием внешних инструментов.
В бенчмарке Terminal-Bench 4.0, оценивающем агентскую работу с командами терминала, Kimi K3.1 Pro набрала 65,7%, уступив только Claude Opus 5.5 (66,4%) и обойдя GPT-6 Astra (58,2%). В рейтинге Artificial Analysis Intelligence Index китайская модель заняла четвёртое место с 55 баллами — между Claude Opus 5.5 (58) и GPT-6 Astra (51). Moonshot акцентирует прогресс в трёхмерном моделировании и пространственном мышлении.
Kimi K3.1 Pro способна генерировать 3D-объекты по текстовым описаниям, эскизам и изображениям, а также создавать скрипты для Blender и CAD-программ. Среди демо-кейсов — интерактивные сцены, архитектурные модели и механические детали. В финансовых задачах модель показала рост качества исследований на 11,6 балла по сравнению с предыдущей версией K3, а в тесте бизнес-операций результат оказался в 4,2 раза выше.
Moonshot также сообщила о снижении числа фактических ошибок в специальном стресс-тесте; впрочем, эти результаты получены на сложных специально подобранных заданиях и не отражают частоту ошибок при обычном использовании. Отдельное внимание уделено кибербезопасности. В ходе обучения с подкреплением разработчики заметили, что данные и задачи по кибербезопасности усиливают способность модели находить и использовать уязвимости в ПО.
Поэтому из тренировочного набора открытой версии Kimi K3.1 Pro такие сведения были исключены. По внутреннему тесту Moonshot на поиск и эксплуатацию уязвимостей, модель с фильтрацией решила 81% задач в режиме pass@3 (до трёх попыток на задачу). Версия без ограничений набрала 90,5%, а предшественница K3 — лишь 33,3%.
Фильтрация заметно снизила кибервозможности, но, как подчёркивает компания, не устранила их полностью. Все результаты не проходили независимую проверку. Kimi K3.1 Pro и Highspeed уже доступны через Kimi.ai, мобильные приложения Kimi, Kimi Work, Kimi Code и API.
Полные веса модели Moonshot планирует опубликовать в начале ноября, что позволит сторонним разработчикам запускать и модифицировать модель на собственных инфраструктурах.
Источник: Хайтек+
