Kimi K3.1 Pro: Moonshot сокращает возможности взлома до релиза в открытом весе
Moonshot AI представила Kimi K3.1 Pro – мощную модель, предназначенную для сложного кодирования, долгосрочных ИИ-агентов, создания 3D-функций и финансового анализа. Китайская компания также заявляет, что намеренно сократила возможности атакующей кибербезопасности модели перед тем, как опубликовать её веса широкой публике.
Именно второе объявление делает K3.1 Pro особенно интересной. Moonshot утверждает, что фильтрация данных обучения по кибербезопасности снизила рейтинг модели по внутреннему бенчмарку уязвимостей с 90,5% до 81%, сохранив при этом общие программные возможности. Компания хочет сделать надёжную модель доступной для независимого внедрения, не выпуская систему, которая расширяет границы взлома с помощью ИИ.
Но есть нюанс. Результаты безопасности не были независимо проверены, модель по-прежнему показывает значительно лучшие результаты по сравнению с предшественником на том же кибербенчмарке, а запланированный выпуск с открытым весом усложнит централизованное управление. Тем временем внешние оценки ставят K3.1 Pro близко к ведущим проприетарным системам ИИ, хотя её производительность значительно различается между задачами.
Вот что на самом деле анонсировал Moonshot, что показывают цифры и что остаётся недоказанным.
Kimi K3.1 Pro – это посттренинговая версия Kimi K3
Moonshot описывает Kimi K3.1 Pro как свою самую мощную модель в классе с 3 триллионами параметров. В его техническом блоге приведены более точные цифры: 2,8 триллиона общих параметров и 104 миллиарда активных параметров в структуре смешанных экспертов.
Это различие имеет значение. Общее количество параметров описывает общий масштаб модели, а количество активных параметров указывает, сколько параметров участвует в обработке данного входа. Эти два числа не следует рассматривать как взаимозаменяемые показатели вычислительной стоимости.
K3.1 Pro не представлен как полностью новая базовая модель. Moonshot называет её пост-обученной версией Kimi K3, выпущенной в июле 2026 года, с значительно большим объемом вычислений, посвящённых посттренингу. Компания заявляет, что расширила обучение с подкреплением в сотнях нижних доменов и модернизировала инфраструктуру обучения, выводы по длительному контексту, среды песочницы и автоматизированные проверки качества.
В результате получилась модель, рассчитанная не только на отдельные запросы. Moonshot хочет, чтобы K3.1 Pro выполнял расширенные рабочие процессы, работал с программными инструментами, диагностировал сбои и продолжал выполнять сложные задачи с меньшим вмешательством человека.
Основные характеристики существенны:
- Всего 2,8 триллиона параметров, при этом 104 миллиарда активных параметров.
- Контекстное окно на миллион токенов, позволяющее модели обрабатывать очень большие коллекции текста и других поддерживаемых входных данных.
- Более быстрый вариант K3.1 Pro Highspeed, который, по словам Moonshot, работает в два-три раза быстрее стандартной версии.
- Доступ через Kimi.ai, мобильные приложения Kimi, Kimi Work, Kimi Code и API Kimi.
Планируется выпуск полных весов модели к 4 ноября 2026 года.
Последний пункт требует тщательной формулировки. На момент запуска модель была доступна через продукты и API Moonshot, но обещанный публичный выпуск её весов был ещё в будущем. Доступ к размещённой модели – это не то же самое, что возможность самостоятельно скачивать, проверять и запускать её веса.

Насколько близко Kimi K3.1 Pro к ведущим моделям ИИ?
Таблица бенчмарков Moonshot ставит K3.1 Pro в одну конкурентную группу, что и Claude Opus 5.5 и GPT-6 Astra. Она не показывает универсального победителя. Kimi показывает хорошие результаты в нескольких оценках программирования, агентии и знания, но отстаёт от конкурентов в других областях.
Самый чёткий независимый заголовок принадлежит Artificial Analysis. Индекс интеллекта даёт K3.1 Pro 55 балл по сравнению с 44 у Kimi K3. Это на 11 пунктов больше по сравнению с предшественником и ставит новую модель в число ведущих систем в индексе на момент запуска.
Однако индивидуальные результаты бенчмарков рассказывают более тонкую историю.
| Бенчмарк | Kimi K3.1 Pro | GPT-6 Astra | Клод Опус 5.5 |
|---|---|---|---|
| Терминал-Бенч 4.0 | 65.7% | 58.2% | 66.4% |
| Терминальная лаборатория 0.1 | 38.1% | 68.1% | 63.3% |
| SWE Marathon v1.1 | 51.7% | 42.5% | 46.3% |
| BenchCAD, с инструментами | 92.7% | 95.9% | 96.2% |
| OfficeQA Pro v2 | 64.4% | 54.4% | 62.2% |
В Terminal-Bench 4.0, который оценивает кодирующие агенты на практических терминальных задачах, Кими набирает 65,7%. Это выше GPT-6 Astra с 58,2%, но немного уступает Claude Opus 5,5 с 66,4%.
SWE Marathon v1.1 даёт более благоприятный результат для Кими. Её показатель 51,7% превышает результаты Astra и Opus. В OfficeQA Pro v2, который тестирует сложный анализ финансовых документов, Кими набирает 64,4%, опережая двух конкурентов в таблице Moonshot.
Но Terminal-Bench Science 0.1 выявляет значительный недостаток. 38,1% Кими значительно ниже 68,1% у Astra и 63,3% у Opus. Модель не всегда опережает в научном и техническом рассуждении только потому, что хорошо справляется с задачами кодирования.
Методология также имеет значение. Moonshot использовал жгут Claude Code для нескольких оценок, в то время как оценки конкурентов иногда брали из официальных отчётов моделей или публичных таблиц лидеров. Компания отмечает, что некоторые тесты проприетарных моделей могут включать поведение запасного варианта. Для OfficeQA Pro Moonshot утверждает, что присваивает ноль баллов некоторым запускам внешних моделей, когда модели получали референсные ответы онлайн, вместо выполнения необходимого анализа.
Эти правила могут быть разумными, но сравнение не сравнимо с одним независимым турниром, в котором все модели проходят в одинаковых условиях. Самый сильный вывод – K3.1 Pro конкурентоспособна в широком спектре задач, а не обгоняла всех конкурентов.

От сцен Unreal Engine до ходячего симулятора человека
Заявления K3.1 Pro о программировании выходят за рамки генерации коротких функций или исправления ошибок. Moonshot публиковал примеры создания моделей полных проектов на игровых движках, 3D-программном обеспечении и интерактивных сайтах.
Одна демонстрация Unreal Engine 5.8 включает мифический восточный небесный дворец с колоннадой на 36 пролётов, радиусом 1750 метров и большим драконом, смоделированным процедурно в Blender. Сцена содержит 36 миллионов треугольников-источников и использует наниты для рендеринга и Lumen для освещения. Главный герой был создан с помощью MetaHuman.
Другой пример – браузерная 3D-выставка автомобилей, созданная с помощью кастомизированной вилки Three.js. Опыт включает кинематографическое раскрытие ткани, интерактивную студию и финальный взрывной вид 968 механических деталей. Moonshot сообщает, что Кими создал ливрею и внутренние механические компоненты, а некоторые внешние элементы, включая колёса, использовались по соответствующим лицензиям. Автомобиль был смоделирован с отсылкой к Mazda RX-7 FD3S для демонстрации, а не как авторизованный бренд.
Эти проекты показывают тип многофункционального рабочего процесса, на который нацелена Moonshot: написание кода, создание ассетов, сборка сцен, обработка анимации и создание готового визуального опыта. Однако это демонстрации разработчика, а не независимое доказательство того, что модель может надёжно создавать готовые к продакшну коммерческие игры или сайты без человеческого контроля.
Более показательный пример – симулятор ходьбы по опорно-двигательному аппарату. Moonshot утверждает, что K3.1 Pro построила учебные и оценочные конвейеры вокруг human-atlas – анатомической модели с открытым исходным кодом, содержащей 296 скелетных и 402 мышечных компонентов.
За 167 миссий и 420 независимых обзоров модель, по сообщениям, диагностировала проблемы и совершенствовала контроллер ходьбы до тех пор, пока симулированный человек не мог поддерживать чередующиеся шаги в течение 11,2 секунд. Когда корректировки функции вознаграждения не улучшили движение руки, K3.1 Pro исследовал динамику симулятора и исправил 36 ошибок в расчёте плечо-мышцы момент-руки, прежде чем переобучить контроллер.
Если демонстрация отражает описанный рабочий процесс, важной возможностью является не просто генерация кода. Это способность модели исследовать, почему подход не работает, найти более глубокую причину и изменить свою стратегию, а не бесконечно повторять одну и ту же корректировку.
Результаты остаются представленными компаниями, но они иллюстрируют почему долгосрочное кодирование является центральным элементом презентации Moonshot.
3D-моделирование и финансы: важные части презентации
Moonshot также делает акцент на 3D-моделировании, CAD и финансовой работе – областях, где модель должна сочетать информационный поиск, рассуждение и использование внешних инструментов.
В BenchCAD, который тестирует реконструкцию 3D-объектов из множества отрисованных видов с помощью генерации CAD-кода, K3.1 Pro набирает 92,7% по инструментам. Claude Opus 5.5 – 96,2%, а GPT-6 Astra – 95,9%. Без инструментов Kimi набирает 72,8%, что близко к Opus с 73,0%.
Результаты показывают, что Kimi может работать с геометрическими отношениями и параметрическим моделированием, хотя он не является лидером этого бенчмарка. Moonshot утверждает, что модель может писать и запускать скрипты для программного обеспечения Blender и CAD, модифицировать компоненты, корректировать геометрию и материалы, а также организовывать объекты в сцене без необходимости использовать MCP-разъёмы.
Компания также запустила 3D Make через Kimi.ai и приложение Kimi. Пользователи могут предварительно просматривать и редактировать сгенерированные модели онлайн, скачивать их для 3D-печати или экспортировать в виде видео и живых фото. Качество и практичность сгенерированного объекта по-прежнему будут зависеть от конкретной задачи, геометрии и предполагаемого производственного процесса.
Финансовый анализ – ещё одна цель. Moonshot сообщает о результате 64,4 на OfficeQA Pro v2 – бенчмарке, который требует от моделей извлекать информацию из финансовых документов, проверять источники и выполнять многоступенчатые численные рассуждения. Kimi также набрала 58,6 баллов в Frontier Finance, согласно графику компании.
Внутренние финансовые показатели показывают дальнейший рост по сравнению с Kimi K3:
- Финансовое моделирование: 57,6 против 50,4, улучшение на 7,2 пункта.
- Financial Research: 70,4 против 58,8, улучшение на 11,6 пункта.
- Бизнес-операция: 37 против 8,9, примерно в 4,2 раза больше показателя предшественника.
Это не взаимозаменяемые тесты, и результат бизнес-операций получен из собственной симулированной среды Moonshot. Тем не менее, они показывают, что компания оптимизирует K3.1 Pro для полных рабочих процессов, а не для отдельных ответов.
Для бизнеса практическая привлекательность проста: модель, способная собирать доказательства, строить таблицу, связывать формулы, анализировать сценарии и составлять отчёт, может сэкономить время. Её не следует путать с гарантией безошибочной финансовой консультации. Сгенерированные расчёты и предположения всё ещё требуют проверки, особенно когда они влияют на инвестиционные или бизнес-решения.

Moonshot говорит, что Kimi K3.1 Pro меньше галлюцинирует
Финансовая работа требует не только беглых объяснений. Модель может создать убедительную таблицу или исследовательский отчёт, тихо придумывая цифру, неправильно читая документ или делая необоснованный вывод.
Moonshot заявляет, что при разработке K3.1 Pro была нацелена на фактическую точность. Во внутреннем тесте Kimi Hallu Bench Hard компания сообщает, что уровень галлюцинаций на уровне заявлений снизился с 23,4% у Kimi K3 до 8,3% для K3.1 Pro.
Это значительное снижение по сравнению с этим конкретным тестом. Moonshot также отмечает, что доля ответов с хотя бы одной фактической ошибкой снизилась до 42,4% от показателя предшественника.
В собственной документации компании есть важное уточнение: Hallu Bench Hard намеренно разработан для проверки фактической точности с помощью сложных подсказок, вызывающих ошибки. Его результаты не отражают общий уровень ошибок модели в повседневном использовании.
Сравнение с другими моделями также зависит от того, включены ли инструменты. В таблице Moonshot для сложного теста с инструментами K3.1 Pro фиксирует галлюцинацию на уровне заявлений 8,3%, а GPT-6 Astra – 5,5%. Более низкий показатель – лучше, поэтому Кими не ведёт это сравнение.
Поэтому эти цифры следует рассматривать как доказательство улучшения сложной внутренней оценки, а не как доказательство того, что модель в целом достаточно надежна для работы без проверки фактов.
Moonshot намеренно снизил наступательные кибервозможности
Самой значимой частью релиза стала попытка Moonshot ограничить возможности K3.1 Pro по поиску и эксплуатации уязвимостей программного обеспечения.
Компания заявляет, что отслеживала рост эффективности исследований уязвимостей во время обучения и находила киберматериалы в двух местах: в более широком корпусе среднего обучения и в средах с подкреплением обучения, используемых для улучшения модели. В предварительных экспериментах Moonshot обнаружила, что сохранение этого материала на месте может существенно увеличить возможности кибербезопасности на последующих этапах.
Для планируемого релиза с открытым весом компания заявила, что удалила кибер-данные с обоих этапов обучения, сохранив при этом задачи общего назначения. Её цель – сохранить полезные программные и отладочные возможности без освобождения груза, расширяющих границы наступательных кибервозможностей.
Moonshot оценил полученную модель на xdev-bench-hard – внутреннем бенчмарке на основе обнаружения и эксплуатации уязвимостей исходного кода. Задачи воспроизводят уязвимости в программном обеспечении, включая ядро Linux Node.js, JavaScriptCore, Exim и VirGL, с включенными средствами по их устранению.
Модель получает уязвимый исходный код, короткую подсказку о ошибке и соответствующий бинарный файл. Она должна разработать эксплойт, выполнить произвольный код в песочнице и получить секретную строку для автоматической проверки. Moonshot сообщает о pass@3, позволяя сделать три попытки.
Главное сравнение:
| Модель или контрольная точка | xdev-bench-hard score |
|---|---|
| 🤖Kimi K3.1 Pro без мер по снижению киберрисков |
90.5% |
| 🤖DeepSeek-V4.1-Flash | 85.7% |
| 🤖Kimi K3.1 Pro после сообщения об удалении данных и фильтрации |
81.0% |
| 🤖GLM-5.3 | 57.1% |
| 🤖Кими K3 | 33.3% |
Сравнение показывает, что меры защиты оказали ощутимое влияние в системе оценки компании. Оценка снизилась на 9,5 процентных пункта — с 90,5% до 81%.
Но 81% – это незначительный результат. Фильтрованая модель по-прежнему показывает значительно лучшие результаты, чем Kimi K3 — 33,3% на том же бенчмарке. Сам Moonshot утверждает, что улучшения в общем кодировании и долгосрочной отладке переносятся на киберзадачи даже после целевого удаления данных.
Это и есть основная сложность. Способной модели программирования не нужно запоминать список инструкций по взлому, чтобы обнаружить уязвимость. Те же навыки, что помогают ей отлаживать сложное ПО, анализировать поведение программ и проверять гипотезы, также помогают выявлять и использовать слабые места.
Фильтрация киберспецифических данных может снизить некоторые возможности, но не может автоматически устранить все опасные применения общего рассуждения и программирования.

Другие киберориентиры также показывают разрыв
Таблица бенчмарков Moonshot включает дополнительные сравнения, которые ставят K3.1 Pro ниже нескольких проприетарных систем в тестах с использованием возможностей эксплуатации.
| Бенчмарк | Kimi K3.1 Pro | GPT-6 Astra | Клод Опус 5.5 |
|---|---|---|---|
| ExploitBench | 74.7% | 100% | 91.0% |
| ExploitGym | 20.7% | 42.4% | 34.5% |
Эти цифры подтверждают утверждение Moonshot о том, что K3.1 Pro не лидирует среди перечисленных моделей по кибервозможностям. Однако они не подтверждают независимое подтверждение эксперимента 90,5% против 81%. Некоторые результаты конкурентов были взяты из внешних технических отчётов, а результаты Kimi были проведены Moonshot с использованием собственных жгутов.
Также существует различие между более низким эталонным баллом и гарантией безопасности модели. Модель может набирать оценки ниже конкурентов и при этом помогать в предотвращении вредоносной активности. С другой стороны, высокая производительность контролируемого теста эксплуатации не доказывает, что каждая реальная атака будет успешной.
Публичные данные подтверждают более узкий вывод: Moonshot сообщает, что целенаправленные тренировочные контроли снижали производительность внутреннего теста, а опубликованные сравнения ставят K3.1 Pro ниже нескольких ведущих проприетарных моделей по сравнению с другими кибероценками. Независимая копия центрального эксперимента остаётся неизвестной.
Почему открытые веса усложняют выбор
Moonshot утверждает, что распространение способных моделей может повысить безопасность. Организации могут запускать систему ИИ на собственной инфраструктуре, проверять поддерживаемое программное обеспечение и проводить аудит старого кода, который редко проходит специализированные проверки безопасности. Это может быть полезно для небольших команд и операторов, которые не могут позволить себе обширный опыт в безопасности.
Такая же гибкость создаёт проблему. После распределения весов моделей разработчик получает меньше контроля над тем, кто ими управляет, как они используются и сохраняются ли меры защиты. Пользователи могут изменять или дополнительно обучать свои копии, в то время как оригинальная компания не может централизованно обновлять каждую установку.
Вот почему время объявления Moonshot имеет значение. Компания заявляет, что хочет выпустить полные веса K3.1 Pro к 4 ноября 2026 года, но на момент освещения запуска эти веса ещё не были публично доступны. Дата релиза – это план, а не подтверждение публикации файлов.
Условия лицензирования – ещё одна нерешённая деталь в объявлении о запуске. Модель, описываемая как открытая по себе, сама по себе не указывает пользователям, какое коммерческое использование, распространение или модификацию разрешена лицензия. Эти условия необходимо проверить при выходе фактического релиза.
Reuters также поместило заявление Moonshot на фоне предлагаемого Китаем экспортных контролей технологий генерации и мутаций вредоносного ПО, основанного на ИИ, а также выявления уязвимостей с помощью ИИ. Проект мер всё ещё открыт для общественного обсуждения. Нет публичных доказательств, подтверждающих решение Moonshot, поэтому оба события следует рассматривать как связанный контекст, а не как подтверждённую причинно-следственную историю.

Kimi K3.1 Pro для разработчиков и бизнеса
Для разработчиков программного обеспечения главным преимуществом K3.1 Pro является способность решать сложные, многоступенчатые задачи. Модель может использовать инструменты для программирования, взаимодействовать с игровыми движками и 3D-программным обеспечением, а также пытаться диагностировать сбои, а не останавливаться на первой ошибке. Длинное окно контекста также может помочь с большими репозиториями, объёмными техническими документами и проектами, требующими поддержания значительного контекста.
Для бизнеса финансовые ориентиры указывают на потенциальную ценность в анализе документов, финансовом моделировании и исследовательских процессах. Но результаты тестов, отчётчивые поставщиками, не заменяют проверки расчётов, ссылок, предположений и результатов в реальной среде пользователя.
Для команд по безопасности модель представляет собой компромисс двойного назначения. Она может помочь проводить аудит программного обеспечения и выявлять уязвимости, а те же общие возможности могут способствовать наступательной работе. Подход Moonshot к фильтрации направлен на снижение этого риска перед распределением весов, но результаты пока не воспроизведены отдельно.
Для широкой индустрии ИИ K3.1 Pro поднимает вопрос, который станет сложнее избежать по мере того, как модели становятся более эффективными: насколько много рисков разработчики могут снять с помощью обучающих решений, когда из универсальных навыков возникает множество опасных приложений?

Cильная модель с претензией на безопасность
Kimi K3.1 Pro – серьёзный конкурент в области кодирования, агентных рабочих процессов, создания 3D-моделей и финансового анализа. Её 55-балльный показатель Intelligence Index представляет собой значительное улучшение по сравнению с Kimi K3, а несколько опубликованных бенчмарков Moonshot приблизили его к лидерам проприетарных моделей. У неё всё ещё есть явные слабые места, особенно в некоторых задачах научного рассуждения, и сравнения компании не доказывают, что это лучшая модель в целом.
Объявление по кибербезопасности важнее, чем другая позиция в таблице лидеров. Moonshot описал конкретное вмешательство: удаление данных, связанных с кибербезопасностью, с этапов обучения и подкрепления, затем измерение более низкого результата на внутреннем бенчмарке эксплуатации. Сообщенный падение с 90,5% до 81% имеет значение, но это не доказывает безопасность модели или что те же ограничения останутся в силе после публикации весов.
Следующее решающее доказательство придёт извне Moonshot. Независимым исследователям придётся воспроизвести кибероценку, протестировать опубликованную модель в различных условиях и изучить, что происходит при попытке дополнительного обучения или модификации пользователей.
До тех пор самое справедливое понимание – не то, что Moonshot решил проблему кибербезопасности ИИ, ни что её меры защиты бессмысленны. Компания сообщила о снижении показателей по конкретному тесту. Приведёт ли это снижение к устойчивой защите для модели с открытым весом — вопрос пока открытый.
