23 октября 2026 года Moonshot AI выпустила Kimi K3.1 Pro — модель, которая в тот же день стала доступна в Kimi API, но на момент выхода оставалась проприетарной: веса в публичном доступе не находились. Moonshot пообещала опубликовать полные веса к 4 ноября 2026 года. Лицензия будущих весов в доступных материалах не указана.
Модель позиционируется как reasoning-модельмодель, которая перед ответом продумывает цепочку рассуждений с 2,8 трлн параметров, окном контекста 1M токенов и поддержкой текстового и графического ввода. По Artificial Analysis Intelligence Index она получила 55 баллов — выше Claude Fable 5.1, GPT-6 Astra и Gemini 4 Argon (у всех 53) и ниже только Claude Opus 5.5 (58).
Что именно изменилось
Kimi K3.1 Pro — reasoning-модель. На вход она принимает текст и изображения, на выходе генерирует только текст; генерация изображений не поддерживается. Окно контекста — 1.0M токенов, то есть объём текста и истории диалога, который модель обрабатывает в одном запросе.
Поддерживаются три уровня рассуждений: low, medium и max. Уровень задаётся параметром reasoning_effort при вызове через OpenAI-совместимый endpoint и определяет, сколько модель рассуждает перед ответом: на низком уровне рассуждение короче, на максимальном — самое продолжительное. В примере вызова используется reasoning_effort low.
Помимо обычной версии, Moonshot предлагает «Highspeed»: она работает в 2–3 раза быстрее при двойной цене. Исключение — попадания в кэш входных токенов, они стоят столько же.
Цены по API Kimi: $2.00 за миллион входных токенов и $10.00 за миллион выходных — столько же, сколько у GPT-6.1 Sol, и вдвое дешевле Claude Opus 5.5. Блендированная ставка — усреднённая цена одного токена при заданном соотношении попаданий в кэш, обычных входных и выходных токенов; при пропорции cache hit/input/output 7:2:1 она составляет $1.54 за миллион токенов. Artificial Analysis отдельно оговаривает, что цены могут различаться у провайдеров.
Как было раньше
До K3.1 Pro у Moonshot AI уже были открытые релизы. На Hugging Face в организации moonshotai лежат Moonlight-16B-A3B-Instruct и Moonlight-16B-A3B — обе по 16B параметров, для генерации текста, — а также Kimi-K2-Base на 1T параметров. Moonlight связана с работой «Muon is Scalable for LLM Training»: вместе с ней опубликовали чекпойнтысохранённые состояния весов модели SOTA-малых моделей и код улучшенного оптимизатора Muon.
Инфраструктурные проекты Moonshot тоже публиковала открыто: MoonEP (библиотека expert parallelismраспараллеливания вычислений между экспертами mixture-of-experts модели с балансировкой загрузки токенов между рангами через динамические избыточные эксперты), FlashKDA (высокопроизводительные ядра для Kimi Delta Attentionмеханизма внимания, применяемого в моделях Kimi, собранные на CUTLASSбиблиотеке шаблонов CUDA для матричных операций), checkpoint-engine (обновление весов в LLM serving), Mooncake (KV-centric disaggregated LLM serving) и moonpalace (отладка API-сервиса). Отдельно на GitHub опубликованы Kimi Code — расширяемый AI-агент для кодирования на TypeScript под MIT — и Kimi-Vendor-Verifier на Python под MIT, проверяющий точность API моделей Kimi у разных поставщиков. Это инструменты, а не веса модели.
Почему это сделали
Ключевая тема анонса — не сам релиз в API, а обещание открыть веса: на момент выхода модель ещё не открыта, но Moonshot называет срок. Автор блога формулирует значимость так: это первый случай, когда (скоро) открытая по весам модель так высоко оценена против фронтира.
Moonshot на GitHub заявляет приверженность открытому исходному коду и описывает Kimi K3 как первую в мире открытую модель класса 3T, рассчитанную на фронтирный интеллект в длинном кодировании, работе со знаниями и рассуждениях. На Hugging Face доступна коллекция «Kimi K3 — Open Frontier Intelligence» с моделью Kimi-K3 (Image-Text-to-Text, 2.8T параметров) и статьёй 2607.24653.
При этом на странице Artificial Analysis модель пока помечена как проприетарная, а сравнение открытых весов описано отдельным правилом: открытые по весам модели сравниваются только с другими открытыми моделями того же размерного класса.
Что это меняет на практике
Подключиться можно через любой OpenAI-совместимый endpoint. Пример вызова — с endpoint https://api.moonshot.ai/v1, ключом kimi, моделью kimi-k3.1-pro, флагом --responses и низким уровнем рассуждений:
llm openai endpoint https://api.moonshot.ai/v1 --key kimi -m kimi-k3.1-pro \
--responses -o reasoning_effort low "Generate an SVG of a pelican riding a bicycle"Флаг --responses переключает клиент на работу через Responses API — вариант OpenAI-совместимого интерфейса, в котором ответ модели и трассировка рассуждений приходят раздельно; именно поэтому в вызове рядом задаётся reasoning_effort low, а трассировку потом сохраняют отдельно от текста ответа.
У llm openai endpoint есть ограничение: он умеет отправлять промпты к любому OpenAI-совместимому endpoint, но не логирует результаты. Поэтому stdout и stderr (трассировку рассуждений) сохраняют вручную перенаправлением в файлы — в примере это kimi-k3.1-pro-pelican-low.stdout.txt и kimi-k3.1-pro-pelican-low.stderr.txt.
Цифры производительности Artificial Analysis привязывает к first-party API Kimi: 77.1 выходных токенов в секунду — ниже медианы 81.0 t/s для похожего ценового уровня; время до первого токена 3.08 с — лучше медианы 3.54 с. Стоимость одной задачи Intelligence Index — $2.11. Общее правило методики: показатели отражают производительность first-party API модели либо, если собственного API нет, медиану по провайдерам.
По Intelligence Index модель занимает #4 из 215, по скорости — #106 из 186, по стоимости задачи — #85 из 113.
Ограничения и открытые вопросы
Источники прямо признают одно ограничение: отсутствие логирования в llm openai endpoint — отсюда необходимость вручную сохранять stdout и stderr. Про неполноту данных по провайдерам Artificial Analysis оговаривает лишь, что цифры относятся к first-party API или к медиане по провайдерам, а цены могут различаться.
Утверждение о «подходе к фронтиру» опирается на оценку Intelligence Index (55 против 53 у трёх названных моделей и 58 у Claude Opus 5.5) и на бенчмарки самой Moonshot, которые показывают Kimi примерно на уровне Opus 5.5 и GPT-6 Astra — с победами на нескольких бенчмарках и близкими результатами на других. Перечень этих бенчмарков, методика замеров и то, какие именно закрытые фронтир-модели сравнивались, в материалах не раскрыты.
Значений Kimi K3.1 Pro по capability-индексам (Finance & Accounting, AA-Omniscience, AA-Briefcase Elo) в источниках нет — описано только, что эти индексы агрегируют. Finance & Accounting Index включает 7 оценок: AA-Omniscience, GDPval-AA v2.1, AA-Briefcase v1.1, Humanity's Last Exam, AutomationBench-AA, AA-LCR v1.1 и GDP.pdf. AA-Omniscience Index измеряет надёжность знаний и галлюцинации по шкале от -100 до 100: поощряет правильные ответы, штрафует галлюцинации и не штрафует за отказ отвечать, а 0 означает равное число правильных и неправильных ответов. AA-Briefcase Elo агрегирует Elo аналитического качества, Elo презентации и долю прохождения рубрики, причём результат по рубрике переводится в Elo через синтетические парные сравнения, а Elo и границы 95% доверительного интервала ограничены снизу нулём. AA-Omniscience Non-Hallucination Rate определяется как 1 минус доля галлюцинаций.
