Moonshot AI випустила Kimi K3.1 Pro — першу модель нової серії K3.1

Moonshot AI представила Kimi K3.1 Pro 24 жовтня 2026 року — першу модель нової серії K3.1, а також швидший варіант-компаньйон під назвою Kimi K3.1 Pro Highspeed. Компанія описує K3.1 Pro як найпотужнішу на сьогодні відкриту модель класу 3T із вікном контексту на 1 мільйон токенів.

Як зазначено в анонсі, Kimi K3.1 Pro Highspeed працює у два-три рази швидше за Kimi K3.1 Pro за однакових можливостей моделей. Обидві моделі доступні в усій лінійці продуктів Kimi: на Kimi.ai та в мобільних застосунках Kimi для iOS, Android і HarmonyOS; у настільному застосунку Kimi Work версії 3.1.0 або новішої для Windows і комп’ютерів Mac на Apple silicon; у Kimi Code, де користувачі обирають модель за допомогою команди /model; а також через Kimi API, де моделі мають назви kimi-k3.1-pro і kimi-k3.1-pro-highspeed. Для клієнтів API доступна опція Zero Data Retention (нульове зберігання даних). Адміністратори Kimi Enterprise можуть увімкнути K3.1 Pro для своїх організацій; на момент запуску доступ до моделі вимкнений за замовчуванням.

Навчання та заявлені результати

K3.1 Pro — це модель Kimi K3, донавчена, за словами Moonshot AI, зі значно більшими обчислювальними ресурсами. Щоб забезпечити масштабне спільне навчання з підкріпленням у сотнях прикладних предметних галузей, компанія, за її словами, оптимізувала кожен рівень системи: інфраструктуру навчання з підкріпленням, інференс із довгим контекстом, ефективність навчання, інфраструктуру ізольованих середовищ, планування запусків і спільну платформу для перевірки якості середовищ.

Компанія повідомляє, що на Terminal-Bench 4.0, який оцінює агентів програмування на реалістичних завданнях у терміналі з обмеженими ресурсами, K3.1 Pro набрала 65,7%, випередивши GPT-6 Astra з результатом 58,2% і трохи поступившись Claude Opus 5.5, яка набрала 66,4%. На внутрішньому бенчмарку Kimi Code Bench 3.0 Long-horizon, що охоплює багатокрокове виконання, використання інструментів і розв’язання задач від початку до кінця, результат K3.1 Pro становив 61,2% проти 55,95% у K3. На BenchCAD, який перевіряє реконструкцію тривимірних об’єктів за зображеннями з різних ракурсів і генерацію коду CAD, K3.1 Pro набрала з використанням інструментів 92,7%, наблизившись до результатів Claude Opus 5.5 (96,2%) і GPT-6 Astra (95,9%). Функція 3D Make вже доступна на kimi.ai та в застосунку Kimi: користувачі можуть переглядати й редагувати тривимірні моделі онлайн, а також завантажувати їх у форматі, готовому до 3D-друку.

Moonshot AI також повідомляє про результат найвищого рівня — 64,4 — на OfficeQA Pro v2, який перевіряє складний фінансовий аналіз на основі реальних фінансових документів. Компанія також наводить перевагу над K3 у внутрішніх фінансових бенчмарках: 7,2 пункта на Financial Modeling, 11,6 пункта на Financial Research і приблизно у 4,2 раза кращий результат на Business Operation. На Kimi Hallu Bench Hard — внутрішньому стрес-тесті фактичної точності — частка галюцинацій на рівні окремих тверджень знизилася з 23,4% у K3 до 8,3% у нової моделі, а частка відповідей, що містили принаймні одну фактичну помилку, становила 42,4% від показника попередньої моделі. У блозі зазначено, що оцінювання навмисно побудоване так, щоб виявляти ситуації, схильні до помилок, і що наведені показники не відображають загальний рівень помилок у повсякденному використанні.

В одному з описаних у блозі внутрішніх тестів програмування з довгим горизонтом K3.1 Pro створила симулятор динаміки ходьби людини на основі human-atlas — анатомічної моделі людського тіла з відкритим вихідним кодом, що охоплює 296 компонентів скелета та 402 м’язові компоненти. У межах 167 завдань і 420 незалежних перевірок модель ітеративно вдосконалювала контролер ходьби; коли формування функції винагороди не допомогло поліпшити рухи рук, вона провела розімкнуті випробування динаміки симулятора, виявила й виправила 36 помилок у розрахунках плеча моменту сили м’язів плеча та повторно навчила контролер.

Заходи кібербезпеки та принципи випуску моделей із відкритими вагами

Moonshot AI заявила, що зі збільшенням обсягу донавчання спостерігала стале зростання ефективності пошуку вразливостей, і пов’язала цю тенденцію з матеріалами про кібербезпеку, включеними до загального корпусу даних для проміжного навчання, а також із завданнями з кібербезпеки в наборі середовищ навчання з підкріпленням. За словами компанії, готуючи K3.1 Pro до випуску з відкритими вагами, вона виявила й вилучила дані, пов’язані з кібербезпекою, з обох етапів навчання, водночас зберігши загальні завдання з програмування, необхідні для практичної корисності моделі.

За даними блогу, на xdev-bench-hard — власному бенчмарку компанії, що складається з підібраних експертами завдань із пошуку й експлуатації вразливостей на основі вихідного коду, — контрольна версія, навчена без цих заходів зі зниження ризиків, розв’язує 90,5% завдань за pass@3, тоді як фінальна K3.1 Pro — 81,0%. Moonshot AI заявила, що ці результати свідчать: вилучення даних суттєво знижує кібернетичні можливості порівняно з тим, чого можна було б досягти за допомогою того самого навчального конвеєра без таких змін; також компанія зазначила, що кібернетичні можливості K3.1 Pro поступаються можливостям передових закритих моделей, які були публічно доступні щонайменше три місяці.

У блозі викладено два принципи, якими керується компанія, випускаючи моделі з відкритими вагами. По-перше, компанія прагне не випускати моделі з відкритими вагами, які підняли б абсолютну межу кібернетичних можливостей. По-друге, вона має намір поступово розширювати доступні у відкритих моделях кібернетичні можливості, зазначаючи, що недискримінаційний доступ дає більшій кількості команд змогу перевіряти код, який вони підтримують, зокрема в застарілих системах, що рідко проходять спеціалізовані перевірки безпеки.

Налаштування моделей у Kimi Code

В окремій документації Kimi Code описано, як моделі доступні розробникам. У документації наведено шість ідентифікаторів моделей із сімейств K3.1 Pro, K3, K2.8 Preview і K2.7 Code Highspeed. K3.1 Pro описано як флагманську модель із 3T параметрів і контекстним вікном обсягом до 1 048 576 токенів для учасників із вищими рівнями підписки, а версію Highspeed — як модель із такими самими можливостями, але приблизно вдвічі більшим використанням квоти. Як зазначено на сторінці, K3.1 Pro уже повністю доступна в Kimi Code.

Згідно з документацією, моделі K3.1 Pro підтримують лише режим мислення, а запити з вимкненим мисленням відхиляються з помилкою HTTP 400. Обидві нові моделі приймають значення low, high або max для параметра reasoning_effort; за замовчуванням використовується max. Обидві моделі також приймають зображення та відео як вхідні дані. За новими тарифними планами для k3.1-pro потрібен рівень Plus або вище, а контекстне вікно обсягом 1M доступне лише на рівні Pro або вище; для k3.1-pro-highspeed потрібен рівень Pro або вище. За старими тарифними планами цим рівням відповідають Moderato та Allegretto.

У документації рекомендують починати новий сеанс, а не перемикатися на нові моделі посеред сеансу, для найстабільніших результатів використовувати нативні API Responses, chat completion або message, а в сторонніх інструментах указувати точні ідентифікатори моделей, оскільки через помилку в ідентифікаторі запит спрямовується до K2.8 Preview без режиму мислення.

Компанія повідомила, що повні ваги моделі Kimi K3.1 Pro випустить до 4 листопада 2026 року.