Веса Kimi K3.1 Pro открыли для всех — модель обошла GPT-6 Astra в кодинге

Moonshot AI открыла веса Kimi K3.1 Pro — мультимодальной ИИ-модели с 2,8 трлн параметров и контекстным окном на миллион токенов. 

В ряде тестов на программирование и работу с инструментами новинка превзошла GPT-6 Astra, Claude Fable 5.1 и другие ведущие модели.

Kimi K3.1 Pro построена на архитектуре Mixture-of-Experts (MoE). Из 2,8 трлн параметров при обработке каждого токена задействуются только 104 млрд. Это позволяет сократить вычислительные затраты по сравнению с одновременным использованием всех параметров.

Модель поддерживает текст и изображения, а также рассчитана на длительные задачи с использованием внешних инструментов. Для работы с большим контекстом разработчики применили механизм разреженного внимания Gated DSA.

Результаты тестов

В Terminal-Bench 4.0, проверяющем выполнение задач через терминал, Kimi K3.1 Pro набрала 65,7% против 58,2% у GPT-6 Astra. Результат Claude Opus 5.5 составил 66,4%.

В SWE Marathon, где оценивается способность ИИ решать сложные задачи разработки софта, Kimi получила 51,7%. GPT-6 Astra набрала 42,5%, а Claude Opus 5.5 — 46,3%.

Еще несколько результатов:

• DeepSWE v1.1: 75,5% у Kimi против 74,1% у GPT-6 Astra.
• HLE-Full с инструментами: 70% против 57,2%.
• BrowseComp: 92,1% против 91,5%.
• OfficeQA Pro v2: 64,4% против 54,4%.
• Automation Bench-AA: 73,3% против 68,5%.

Однако Kimi лидирует далеко не везде. В Program Bench она набрала 31,5% против 50% у GPT-6 Astra, а в Terminal-Bench-Science — 38,1% против 68,1%.

В тестах на кибербезопасность разрыв еще заметнее: в ExploitGym Kimi получила 20,7%, тогда как GPT-6 Astra — 42,4%.

Таким образом, новинка особенно сильна в длительных задачах разработки и автоматизации, но уступает конкурентам в некоторых специализированных испытаниях. 

Все результаты приведены самими разработчиками Kimi.

Где скачать и как запустить

Веса Kimi K3.1 Pro распространяются по собственной лицензии Kimi K3.1 Pro License. Это открытая по весам модель, но не обязательно полностью свободная от ограничений на использование.

Для локального развертывания разработчики рекомендуют vLLM, SGLang и TokenSpeed. Веса используют формат MXFP4, а вычисления — MXFP8.

При этом из-за огромного размера модели запуск потребует серьезных вычислительных ресурсов: даже при четырехбитном хранении только 2,8 трлн параметров занимают около 1,4 ТБ без учета дополнительных данных.

Kimi K3.1 Pro также доступна через API на платформе platform.kimi.ai под названием kimi-k3.1-pro. API совместим с форматами OpenAI и Anthropic.