Moonshot выложила в открытый доступ Kimi K3.1 Pro на 2,8 трлн параметров

Китайская компания Moonshot AI, известная на рынке под брендом Kimi, выполнила обещание, данное при анонсе 24 октября, и выложила в открытый доступ веса своей флагманской модели Kimi K3.1 Pro на платформе Hugging Face. Речь идёт об одной из самых крупных открытых моделей в истории: общее число параметров достигает 2,8 триллиона, а архитектура построена на смеси экспертов, где при каждом отдельном запросе активируется примерно 104 миллиарда параметров. Модель поддерживает контекстное окно объёмом около миллиона токенов, что выводит её в лигу решений для длинных и сложных задач.

Главная новость для сообщества — не только сам факт открытия весов, но и позиция в рейтинге Agent Arena, который ведёт независимая платформа Arena. В этом агентном лидерборде Kimi K3.1 Pro в конфигурации Max заняла первое место среди моделей с открытыми весами и тринадцатое место в общем зачёте, где она конкурирует с закрытыми коммерческими системами. При этом в трёх категориях — работа, программирование и чат — модель удерживает первое место именно среди открытых решений, что делает её де-факто эталоном для тех, кто строит собственные агентные системы без привязки к проприетарным API.

Методика Agent Arena заметно отличается от привычных слепых попарных сравнений, где пользователю предлагают выбрать лучший из двух ответов. Здесь сигналы извлекаются из реальных сессий с агентами: учитываются явные подтверждения выполнения задачи, похвала и жалобы, корректирующие инструкции пользователя, а также ошибки при исполнении команд в оболочке. Дальше применяется метод рандомизированного вывода, который в Arena называют «причинным трекингом», и он позволяет оценить чистый прирост качества каждой модели относительно среднего уровня. Рейтинг Kimi K3.1 Pro построен на более чем 17,5 тысячах реальных длинных агентных сессий пользователей со всего мира, а её чистый прирост составил плюс 5,1 процента против плюс 0,9 процента у предыдущего поколения K3 в той же конфигурации Max. Разница в 4,2 процентного пункта выглядит скромно на бумаге, но в агентных задачах, где ошибки накапливаются по цепочке шагов, это весьма ощутимый сдвиг.

Разбивка по отдельным метрикам показывает, где именно произошёл прогресс. Показатель Bash Reliability, отражающий надёжность исполнения команд в оболочке, вырос с минус 4,5 процента у K3, что соответствовало тринадцатому месту, до плюс 7,9 процента — первое место среди открытых моделей. Метрика Praise vs Complaint, то есть соотношение похвалы и жалоб пользователей, поднялась с плюс 1,3 до плюс 7,7 процента. Управляемость, то есть способность модели менять направление работы по замечаниям пользователя, достигла плюс 6,5 процента и тоже стала лучшей среди открытых решений. Показатель Confirmed Success, где пользователь явно подтверждает завершение задачи, составил плюс 3,9 процента — четвёртое место в открытом сегменте.

С технической стороны K3.1 Pro построена на базе K3, но прошла масштабное совместное обучение с подкреплением, охватившее сотни прикладных доменов. Кроме того, часть слоёв с полным вниманием заменена на слои с разреженным вниманием и гейтингом — это снижает вычислительные затраты при работе с длинным контекстом, что критично для агентных сценариев, где модель вынуждена удерживать в памяти историю десятков шагов.

Отдельно стоит остудить энтузиазм тех, кто уже представляет модель на домашней видеокарте. Между «веса скачаны» и «модель работает локально» лежит пропасть: файлы в точности BF16 занимают около 5,6 терабайта, а даже при квантизации до INT4 остаётся примерно 1,4 терабайта. Для потребительских видеокарт такое развёртывание практически невозможно, так что открытость здесь скорее про исследователей и компании с серьёзной инфраструктурой.

В терминальном бенчмарке Terminal-Bench 4.0 модель набрала 65,7 процента, обойдя GPT-6 Astra с её 58,2 процента и совсем немного уступив Claude Opus 5.5 с 66,4 процента — разрыв меньше одного процентного пункта. В других тестах картина смешанная: в одних дисциплинах, включая работу с документами и мультимодальные задачи, K3.1 Pro выступает на уровне лидеров или выше, в других, например в Terminal-Bench-Science и Program Bench, заметно уступает конкурентам. Иными словами, перед нами сильный универсальный агент с явным уклоном в инженерные и офисные сценарии, но не безоговорочный победитель по всем фронтам.