Moonshot AI выпустила Kimi K3.1 Pro с контекстным окном на миллион токенов

Kimi K3.1 Pro построена по архитектуре MoE: у модели 2,8 трлн параметров всего, но на каждом шаге вычисления задействуется около 104 млрд. Такая схема позволяет увеличить общую ёмкость модели без активации всех параметров для каждого токена. Заявленное контекстное окно составляет миллион токенов. По сравнению с Kimi K3 новую версию дообучили с упором на задачи, где модель должна последовательно работать с инструментами.

Один из ориентиров для задач программирования – Terminal-Bench 4.0: результат Kimi K3.1 Pro составляет 65,7%. В опубликованном сравнении для GPT-6 Astra указано 58,2%, для Claude Opus 5.5 – 66,4%. В индексе Artificial Analysis модель набрала 55 баллов, на 11 больше предшественницы, и заняла четвёртое место. Эти числа относятся к конкретным методикам тестирования; результат в собственном проекте может зависеть от инструментов и условий запуска.

Moonshot AI показывает Kimi K3.1 Pro и в работе с 3D-инструментами. Среди приведённых примеров – сцена для Unreal Engine и модель авиационного двигателя в FreeCAD. В отдельной практической проверке модель за примерно 45 минут подготовила редактируемую CAD-модель выставочного здания из 3052 компонентов, а также чертежи. Это проверка на одной задаче, а не гарантия того, что столь же сложные конструкции всегда получатся без правок.

Попробовать модель уже можно в продуктах Kimi и через API. Указанная цена стандартной версии – $2 за миллион входных и $10 за миллион выходных токенов; ускоренный вариант, по опубликованным данным, работает в два-три раза быстрее и стоит вдвое дороже. Для длинных агентных задач существенна цена выходных токенов: при многократной генерации кода и проверках именно объём ответов может заметно увеличить стоимость прогона.

Moonshot AI планирует выложить веса Kimi K3.1 Pro до 4 ноября 2026 года; сейчас это обещание, а не состоявшаяся публикация. Поэтому доступ через API и возможность самостоятельно развернуть модель пока следует различать. Для команды, которая оценивает альтернативы закрытым сервисам, важны обе стороны релиза: модель уже доступна для испытаний на своих задачах, а условия работы с весами можно будет оценить после их выхода.