Kimi K3.1 Pro: 2,8 трлн параметров, 104 млрд активных и контекст 1M токенов

01Что нового по сравнению с K3

K3 был текстовой моделью с рекордным контекстом — именно на этом строился наш обзор Kimi K3. K3.1 Pro решает другую задачу: это агентная модель, которая одинаково уверенно работает с кодом, документами и изображениями. В карточке прямо сказано, что K3.1 Pro — нативно мультимодальная agentic-модель, дообученная от K3 совместным RL по сотням доменов; заявленный прирост касается кодинга, 3D-создания, финансовых исследований и фактической точности.

Практических изменений три. Первое — зрение: добавлен кодировщик MoonViT-V2 на 401 млн параметров, поэтому скриншоты интерфейсов, PDF-страницы и графики модель читает как изображения, а не через OCR-прослойку. Второе — режим размышлений стал параметром запроса: reasoning_effort принимает low, high и max (по умолчанию max), то есть глубину можно снижать ради скорости. Третье — совместимость: API на platform.kimi.ai отдаёт OpenAI- и Anthropic-совместимые эндпоинты, а модель предлагается запускать на vLLM, SGLang и TokenSpeed.

Отдельно стоит проговорить цену входа. Веса открыты, но это не «модель для ноутбука»: 96 шардов по 17 ГБ, суммарно 1,56 ТБ, плюс квантование MXFP4 для весов и MXFP8 для активаций, заложенное ещё на этапе обучения (quantization-aware training). Для большинства команд реалистичный путь — API, а локальный запуск имеет смысл при наличии кластера и требований по изоляции данных.

02Архитектура: KDA, Gated DSA и 896 экспертов

Модель построена на разреженной смеси экспертов: 93 слоя, 896 экспертов, из которых на токен выбираются 16, плюс 2 общих эксперта. Скрытая размерность — 7168, латентная размерность MoE — 3584, размерность эксперта — 3072, словарь — 160 тысяч токенов. Такая схема даёт 104 млрд активных параметров на токен при 2,8 трлн общих: считать приходится немного, но держать в памяти нужно весь чекпойнт.

Внимание собрано из двух механизмов: 69 слоёв KDA (Kimi Delta Attention) и 24 слоя Gated DSA с индексом на 32 головы и выборкой top-k = 2048. Именно эта комбинация позволяет удерживать контекст в миллион токенов, не раздувая стоимость внимания квадратично. Активация — SiTU-GLU, один плотный слой из 93.

03Бенчмарки: где модель выигрывает, а где нет

Moonshot сравнивает K3.1 Pro с пятью моделями: Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5, DeepSeek-V4.1-Flash-1017 и GLM-5.3. Все замеры — при максимальном усилии размышлений; у проприетарных моделей в скобках указан «fallback», то есть часть провайдерских прогонов могла уходить на резервный вариант. Это важно: сравнение не идеально симметрично, и относиться к нему стоит как к заявлению вендора.

Картина по кодингу неоднородная. На Terminal-Bench 4.0 модель почти догнала Claude Opus 5.5 (65,7 против 66,4) и заметно опередила GPT-6 Astra и Fable 5.1. На SWE Marathon v1.1 она первая среди перечисленных (51,7). А вот Program Bench — слабое место: 31,5 против 65,0 у Opus 5.5 и 50,0 у GPT-6 Astra. То есть длинные многошаговые задачи и терминал модель держит хорошо, а задачи на «написать программу целиком под спецификацию» — хуже конкурентов.

В агентных сценариях картина ровнее. HLE-Full с инструментами — 70,0 (лучший результат в таблице), OSWorld V2.1 — 79,6 (чуть ниже Opus 5.5), Agents' Last Exam — 43,2, OfficeQA Pro v2 — 64,4, BrowseComp — 92,1. Просадка видна там, где нужны знания без инструментов: HLE-Full без инструментов 51,1 против 59,8 у Opus 5.5. Вывод простой: модель сильна в цикле «нашёл инструмент — вызвал — проверил», а в чистом знании уступает конкурентам.

Мультимодальность закрыта неровно: ChartoGraphy с python 90,2, CharXiv (RQ) с python 93,4 и MMMU-Pro с python 90,0 — уровень топовых моделей, но MMMU-Pro без python всего 84,1. То есть чтение диаграмм «руками модели» слабее, чем чтение через исполнение кода. На практике это значит, что в пайплайне стоит сразу разрешать вызов python для разбора графиков и таблиц.

04Запуск: API, vLLM, SGLang, TokenSpeed

Для большинства задач разумный путь — API: на platform.kimi.ai модель доступна под идентификатором kimi-k3.1-pro, эндпоинты совместимы с OpenAI и Anthropic SDK. Второй путь — локальный инференс; в карточке перечислены три рекомендованных движка: vLLM (рецепт в recipes.vllm.ai), SGLang (cookbook в docs.sglang.io) и TokenSpeed (рецепты lightseek.org).

from openai import OpenAI

client = OpenAI(
    base_url="https://api.moonshot.ai/v1",
    api_key="KIMI_API_KEY",
)
resp = client.chat.completions.create(
    model="kimi-k3.1-pro",
    messages=[{"role": "user", "content": "Разбери PDF и найди риски"}],
    reasoning_effort="high",   # low | high | max
    max_tokens=4096,
)
print(resp.choices[0].message.content)

Важная деталь для многошаговых агентов: при повторных запросах нужно возвращать в messages полный ответ ассистента, включая reasoning_content и tool_calls, а не только content. Если передать один текст, модель теряет цепочку размышлений и на следующем шаге может «забыть», какие числа или инструменты уже использовала. Это описано в разделе Model Usage карточки и отличается от поведения части других провайдеров.

05Лицензия: открытые веса с оговорками

Формально это не Apache и не MIT: у Moonshot собственный текст «Kimi K3.1-Pro License». По сути он разрешает всё — использование, копирование, модификацию, распространение, сублицензирование, продажу, дообучение и создание производных работ, в том числе в коммерческих целях. Условий три, и они касаются только крупных игроков.

Термин «Model as a Service» определён отдельно: это доступ третьей стороны к инференсу или дообучению модели так, что эта сторона управляет входами, параметрами или данными. Продукты, где возможности модели встроены в конкретную функцию, и простое реле-запросов к чужим моделям под это определение не попадают. Для типового стартапа или внутреннего проекта ограничения не наступают вообще.

06Кому подходит, а кому нет

• Подходит, если нужен один агент на всё: терминал, код, скриншоты интерфейсов, длинные PDF и финансовые таблицы в одном контексте.
• Подходит, если важна изоляция данных: веса открыты, модель запускается на своём кластере, лицензия не запрещает коммерческое использование.
• Подходит для задач с инструментами: HLE с инструментами — лучший результат в таблице вендора.
• Не подходит, если нужен локальный запуск на одной рабочей станции: 1,56 ТБ весов и 104 млрд активных параметров — это серверный класс.
• Не подходит, если критичны знания без инструментов и генерация программы целиком: здесь Opus 5.5 и GPT-6 Astra впереди.
• Не подходит как «дешёвый API по умолчанию»: тарифы на platform.kimi.ai меняются — уточняйте на официальном сайте.

С точки зрения редакции Qantcore, K3.1 Pro — это первый открытый чекпойнт, который всерьёз претендует на роль основы для агентной инфраструктуры, а не только для чата. Но выбирать его стоит по конкретному сценарию: если ваш пайплайн — терминал и инструменты, модель конкурентна; если это генерация крупных модулей кода по спецификации, разница в Program Bench слишком велика, чтобы её игнорировать. Сравнить альтернативы по осям можно в мульти-сравнении.