Подробный разбор · Около 6 мин чтения
Kimi K3.1 Pro: дообучение, зависимость от инструментов и будущая публикация весов
Moonshot описывает внедрение модели с контекстом 1M, улучшенные агентные тесты и целевые киберограничения; полные веса пока обещаны к 4 ноября.
- Опубликовано здесь
- Дата источника
- Источник проверен
Анонс Moonshot от 24 октября представляет Kimi K3.1 Pro и вариант Highspeed в семействе продуктов. Главные вопросы — что изменило дообучение, как проводились опубликованные оценки и какие заявления о доступе уже действуют, а какие остаются планами.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- Moonshot описывает K3.1 Pro как дообученный вариант K3 с контекстным окном в миллион токенов; заявленная скорость Highspeed в 2–3× не является измерением сайта.
- Результаты программирования, CAD и финансов зависят от инструментов, тестовых оболочек и определений задач; они не устанавливают единого универсального рейтинга моделей.
- По анонсу внедрение в продукты начинается сейчас, полные веса появятся к 4 ноября 2026 года, а корпоративный доступ по умолчанию выключен до включения администратором.
Изменения касаются дообучения и поддерживающей системы
Moonshot называет K3.1 Pro первой моделью серии K3.1 и дообученной версией K3 со значительно большим объёмом вычислений на этом этапе. Компания описывает совместное обучение с подкреплением по сотням прикладных областей, поддержанное изменениями длинноконтекстного инференса, инфраструктуры песочниц, планирования генерации траекторий и проверок качества сред. В анонсе указаны класс 3T и окно в миллион токенов; статья не превращает обозначение класса в точное число параметров.
Мы читаем это как заявление об улучшении обучения существующей модели и выполнения длительных задач, а не доказательство, что один размер контекста обеспечивает лучшие результаты. Moonshot также представляет K3.1 Pro Highspeed и заявляет скорость в 2–3× относительно Pro. Анонс не содержит независимо воспроизведённого распределения задержек, общего ускорения всех задач или полного сравнения затрат, поэтому быстрый вариант нужно оценивать на реальной нагрузке читателя.
Оценки программирования требуют чтения условий запуска
На Terminal-Bench 4.0 Moonshot сообщает 65.7% для K3.1 Pro против 58.2% у GPT-6 Astra и 66.4% у Claude Opus 5.5. Во внутреннем Kimi Code Bench 3.0 Long-horizon результат составляет 61.2% против 55.95% у K3. Это разные тесты: первый проверяет терминальные задачи со специфическими ограничениями, второй — многошаговую инженерную работу во внутренней оценке. Ни одна цифра не означает выполнение той же доли произвольных производственных проектов.
Сноски указывают, что в этих тестах Kimi использует оболочку Claude-Code. Если не оговорено иное, результаты Kimi получены при усилии рассуждения max, temperature 1.0 и top-p 0.95. Результаты других моделей могут происходить из отчётов о выпуске или официальных рейтингов, а некоторые закрытые конфигурации могут включать резервные варианты выполнения. Поэтому мы рассматриваем это как сравнение поставщика с раскрытыми условиями, а не новый независимый прогон. Командам следует вместе сравнивать выполнение задач, разрешения инструментов и фактические ресурсы.
CAD показывает важность набора инструментов
Moonshot сообщает оценки BenchCAD 92.7 с инструментами и 72.8 без них. Тест восстанавливает формы по нескольким отрендеренным видам через CAD-код; открытые модели оценивались на случайной выборке из 1000 случаев набора в 17900 случаев. Режим с инструментами использует Claude Code, другой — однократную генерацию и официальный процесс оценки. Для GPT-6 Astra результат без инструментов в сравнении не сообщается; отсутствие значения не равно нулю.
В анонсе сказано, что K3.1 Pro может писать скрипты для Blender и CAD-программ без MCP-коннектора; также описан 3D Make для просмотра, редактирования и экспорта моделей. Для дизайнера важно различать создание редактируемой геометрии, совпадение с тестовой формой и доказательство пригодности детали к производству. Это отдельные требования. Подписи примеров также указывают внешние ресурсы, поэтому сцены нельзя описывать как полностью созданные моделью. Мы независимо не запускали эти демонстрации.
Финансовые улучшения и галлюцинации имеют разные единицы
Источник сообщает 64.4 на OfficeQA Pro v2, объединяющем поиск, междокументные проверки и численные рассуждения по финансовым документам. Внутренние тесты финансового моделирования и исследования улучшаются относительно K3 на 7.2 и 11.6 пункта соответственно. Это определённые оценочные задачи, а не инвестиционная доходность или проверенная производительность аналитиков. На странице есть неразрешённое расхождение: график Business Operation показывает 37.0, полная таблица — 37.8. Мы не сводим их молча к одному числу и не выводим точный множитель деловой эффективности.
Во внутреннем стресс-тесте Hallu Bench Hard Moonshot заявляет снижение галлюцинаций на уровне утверждений с 23.4% у K3 до 8.3% у Pro. Отдельно доля ответов хотя бы с одной фактической ошибкой составляет 42.4% от соответствующего показателя предыдущей модели; это не абсолютная частота ошибок 42.4%. Источник прямо предупреждает, что намеренно сложные запросы не представляют повседневную частоту ошибок. Поэтому в финансовой работе нужно сохранять ссылки, допущения и проверки расчётов, а не считать низкий тестовый показатель разрешением отказаться от проверки.
Киберограничения снижают измеренную способность, но не устраняют её
Moonshot сообщает об обнаружении киберматериалов в данных промежуточного обучения и средах обучения с подкреплением, после чего целевой материал удалили, сохранив общие задачи программирования. Во внутреннем xdev-bench-hard нефильтрованный чекпойнт решает 90.5% задач по pass@3, а окончательная Pro достигает 81.0%. Оценка использует подмножество запусков без жёстких таймаутов или лимитов выходных токенов. Pass@3 — показатель нескольких попыток, не успех одной попытки и не гарантия обычного риска развёртывания.
Заявленный принцип компании — не расширять абсолютную передовую границу наступательных кибервозможностей, постепенно распространяя полезные защитные возможности через открытые веса. Это политический аргумент Moonshot, а не наша сертификация безопасности. Результат 81.0% всё ещё указывает на существенную способность в этом тесте; источник признаёт перенос улучшений общего программирования на киберзадачи после целевой фильтрации. Поэтому наш анализ поддерживает контроль доступа и границы песочниц, а не трактовку удаления обучающих данных как полной эксплуатационной защиты.
Продукты и загружаемые веса имеют разные сроки
По анонсу Pro внедряется в Kimi.com, мобильные приложения, Kimi Work, Kimi Code и API. Указаны Kimi Work версии 3.1.0 или новее для Windows и Mac с Apple silicon, выбор через /model в Kimi Code и API-идентификаторы kimi-k3.1-pro и kimi-k3.1-pro-highspeed. Доступность Zero Data Retention клиентам API не означает включение по умолчанию для каждого аккаунта. Корпоративные администраторы могут включить Pro, но при запуске доступ по умолчанию выключен.
Полные веса модели обещаны к 4 ноября 2026 года. Это будущее обязательство нужно отделять от сегодняшнего объявления размещённых продуктов и от последующей оценки лицензии или оборудования. Мы не загружали веса, не проверяли платный доступ или все тарифы и регионы. Анализ использует полный текст, сноски, всю показанную таблицу тестов и статичные рисунки. Необязательные демонстрационные видео, интерактивные примеры и приложенные образцы документов полностью не проверялись и не служат здесь доказательством независимо подтверждённой производительности.
Почему это важно
Разработчики и организации получают конкретную конфигурацию модели и инструментов для оценки в программировании, CAD и работе с документами. Полезное сравнение — выполняет ли она их задачи в рамках их разрешений, бюджета и процесса проверки.
Ограничения и доступность
Все заявленные показатели производительности и снижения риска относятся к Moonshot и цитируемым ею оценкам. Сайт независимо не воспроизводил их, не проверял все права доступа и не проводил полного аудита необязательных демонстраций; дата исходного выпуска известна только с точностью до календарного дня.
Источники и подтверждения
Дата источника: · Источник проверен:
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.