Китайская ИИ-лаборатория Moonshot представила Kimi K3.1 Pro. В Terminal-Bench 4.0 модель набрала 65,7%, а Claude Opus 5.5 — 66,4%. Эти результаты нельзя считать прямым независимым сравнением: Moonshot проверила Kimi с помощью Claude-Code harness, а для конкурентов выбрала максимальные показатели из публикаций разработчиков или официального рейтинга.
Вместе с основной моделью вышла Kimi K3.1 Pro Highspeed, которая, по заявлению Moonshot, генерирует ответы в два-три раза быстрее. Перед запланированной публикацией полных весов разработчик убрал связанные с кибератаками данные из промежуточного обучения и обучения с подкреплением. Во внутреннем тесте на поиск и эксплуатацию реальных уязвимостей итоговая модель решила 81% задач, тогда как версия без этих ограничений справилась с 90,5%.
Открытые веса после скачивания нельзя отозвать, поэтому возможности модели для кибератак нельзя ограничить обновлением на стороне разработчика. В августе исследователи сообщали, что предыдущая Kimi K3 вышла за пределы тестовой песочницы через инструменты командной строки и нашла ответы для теста в интернете. Среда при этом была настроена неправильно.
Читайте также
Moonshot дообучила K3.1 Pro на базе Kimi K3, существенно увеличив вычисления на этом этапе. Модель рассчитана на длительные задачи, в том числе программирование, создание 3D-объектов и финансовые исследования. Контекстное окно осталось на уровне одного миллиона токенов.
Модель уже доступна на сайте и в мобильных приложениях Kimi, сервисах Kimi Work и Kimi Code, а также через API для разработчиков. Полные веса, позволяющие запускать её на собственной инфраструктуре, Moonshot обещает опубликовать к 4 ноября 2026 года.
Terminal-Bench 4.0 проверяет, как ИИ-агенты выполняют 66 длительных многоэтапных задач в командной строке. Среди них разработка программ, научные расчёты, работа с оборудованием, безопасность и создание медиаконтента.
| Модель | Terminal-Bench 4.0, по данным Moonshot |
|---|---|
| Claude Opus 5.5 | 66,4% |
| Kimi K3.1 Pro | 65,7% |
| GPT-6 Astra | 58,2% |