Kimi K3.1 Pro выходит на Vega

Kimi K3.1 Pro стала доступна на vega.chat одновременно с запуском на платформах Kimi. Новая флагманская модель Moonshot AI «класса 3T» сочетает контекстное окно на 1 млн токенов с нативным распознаванием изображений и улучшенными возможностями в программировании, 3D-моделировании и финансах. Полный релиз модели с открытыми весами обещан к 4 ноября 2026 года. Одновременно с ней выходит K3.1 Pro Highspeed — модель с теми же возможностями, но примерно в 2–3 раза быстрее, что удобно для интерактивной работы.

Что такое Kimi K3.1 Pro?

Первая модель серии K3.1 от Moonshot AI, K3.1 Pro — это версия Kimi K3, дообученная с использованием значительно больших вычислительных ресурсов. «Класс 3T» описывает класс модели: Moonshot не раскрыла точное общее или активное количество параметров.

Контекстное окно на 1 000 000 токенов позволяет обрабатывать за один запрос большие кодовые базы, объёмные финансовые документы и длительные сессии с агентами. Нативное понимание визуальной информации позволяет работать со скриншотами, набросками и референсными изображениями.

С первого дня модель доступна на Kimi.ai и в мобильных приложениях Kimi, Kimi Work, Kimi Code и через Kimi API. Администраторы Kimi Enterprise могут включить её для своих организаций; на момент запуска доступ отключён по умолчанию.

Цены Kimi API: примерно на треть ниже, чем у kimi-k3

Опубликованные Moonshot цены на Kimi API:

Тип токена	Цена за 1 млн токенов
Ввод	$2.00
Вывод	$10.00
Запись в кэш	$2.00
Обращение к кэшу	$0.20

Это цены поставщика Kimi, а не VEGA.

Для сравнения: kimi-k3 стоила $3.00 за миллион токенов на входе без кэширования, $15.00 за токены на выходе и $0.30 за миллион обращений к кэшу. K3.1 Pro примерно на треть дешевле в каждой из этих трёх категорий, поэтому стоит вновь рассмотреть задачи, которые раньше было невыгодно выполнять из-за стоимости.

Результаты Kimi K3.1 Pro в бенчмарках: в чём улучшения

Агентное программирование и работа в терминале

В Terminal-Bench 4.0, где оценивается выполнение реалистичных задач в терминале с помощью строгих тестов, K3.1 Pro набирает 65.7% против 58.2% у GPT-6 Astra и 66.4% у Claude Opus 5.5.

При сравнении нужно учитывать один нюанс: K3.1 Pro тестировали с помощью Claude Code harness, тогда как остальные модели работали с максимальными настройками. Поэтому результаты не являются полностью контролируемым сравнением на равных условиях.

В собственном долгосрочном тесте Moonshot Kimi Code Bench 3.0, охватывающем многоэтапное программирование и использование инструментов, модель набирает 61.2% — против 55.95% у K3.

3D-моделирование, CAD и 3D Make

Параметрическое 3D-моделирование — необычный фокус для флагманской модели. По тексту, наброскам или референсным изображениям K3.1 Pro определяет форму, пропорции и пространственные взаимосвязи. Она пишет и запускает скрипты для Blender/CAD без коннекторов MCP, редактируя геометрию, материалы и сцены.

Результаты BenchCAD показывают как сильные стороны модели, так и сохраняющиеся пробелы:

Настройки BenchCAD	K3.1 Pro	Результаты сравнения
С инструментами	92.7	Opus 5.5: 96.2; Astra: 95.9
Без инструментов	72.8	Opus 5.5: 73.0; Fable 5.1: 60.6; DeepSeek-V4.1-Flash-1017: 41.2

Результат с инструментами рассчитан по метрике Voxel IoU на подвыборке из 1 000 файлов.

Moonshot также выпускает готовый продукт на основе этой технологии: 3D Make уже доступен на kimi.ai и в приложении. Он позволяет просматривать, редактировать и экспортировать модели для 3D-печати, а также в виде видео и Live Photos. Этот продукт доступен только на платформах Kimi.

Финансы и анализ документов

K3.1 Pro набирает 64.4 в OfficeQA Pro v2, который проверяет анализ финансовых документов, перекрёстную проверку данных и многоэтапные вычисления. Moonshot заявляет, что это передовой результат. Компания также сообщает о результате 58.6 в Frontier Finance, охватывающем инвестиционные процессы от первичного отбора до анализа прибыльности.

Результаты модели в собственных финансовых тестах улучшились по сравнению с K3:

Тест	K3.1 Pro	K3
Финансовое моделирование	57.6	50.4
Финансовые исследования	70.4	58.8
Операционная деятельность бизнеса	37	8.9

Фактическая точность

В собственном тесте Moonshot Kimi Hallu Bench Hard доля галлюцинаций на уровне отдельных утверждений снизилась с 23.4% у K3 до 8.3%. Доля ответов, содержащих хотя бы одну фактическую ошибку, составила 42.4% от показателя предшественника.

На диаграмме с инструментами указаны следующие показатели ошибок на уровне утверждений; чем ниже значение, тем лучше:

Модель	Доля ошибок
GPT-6 Astra	5.5%
Kimi K3.1 Pro	8.3%
Claude Opus 5.5	15.0%
GLM-5.3	22.6%
DeepSeek-V4.1	23.3%
Claude Fable 5.1	23.3%

Moonshot отдельно подчёркивает, что это жёсткий стресс-тест, а не оценка повседневного уровня ошибок.

Внутреннее устройство: совместное RL-обучение и кибербезопасность

Moonshot связывает улучшения с совместным обучением с подкреплением в сотнях прикладных областей, которое поддерживает оптимизация всего стека: инфраструктуры RL, инференса с длинным контекстом, эффективности обучения, песочниц, планирования запусков и контроля качества сред.

Команда также заметила, что с увеличением масштаба постобучения растут возможности модели в исследовании уязвимостей. Перед релизом модели с открытыми весами компания удалила данные, связанные с кибербезопасностью, как из этапа промежуточного обучения, так и из этапа RL, сохранив обычные задачи программирования, а также провела целевое тестирование на собственном бенчмарке xdev-bench-hard.

Попробуйте Kimi K3.1 Pro на Vega

Для разработчиков это сейчас наиболее сильный кандидат с открытыми весами для агентного программирования с длинным контекстом. Командам, работающим с 3D, стоит проверить определение формы и генерацию CAD-скриптов; финансовым командам — перекрёстную проверку документов и многоэтапные вычисления. Более низкие цены Kimi также делают этот момент удобным для повторной оценки задач с жёсткими ограничениями по бюджету.

Некоторые результаты предоставлены самой компанией или получены во внутренних тестах, условия использования harness различаются, а количество параметров не раскрыто. Прежде чем принимать решение, протестируйте модель на собственных задачах.

Kimi K3.1 Pro доступна в списке моделей на vega.chat; разработчики также могут вызывать её через api.vega.chat — API, совместимый с OpenRouter.