alexey.m 26 октября 2026
AI Open source Тренды
0
21

Kimi K3.1 Pro догоняет Claude Opus 5.5, а Пекин готовит экспортный контроль ИИ

Kimi K3.1 Pro набрала 65,7% в Terminal-Bench 4.0 против 66,4% у Claude Opus 5.5 по замеру Moonshot AI и вышла на 4-е место рейтинга Artificial Analysis. Параллельно Минкоммерции КНР опубликовало проект экспортного контроля больших моделей.

23 октября Moonshot AI выпустила Kimi K3.1 Pro — первую модель линейки K3.1 и, по формулировке компании («our most capable model»), свою самую способную модель со 104 млрд активных и 2,8 трлн общих параметров при контексте в 1 млн токенов, пообещав выложить открытые веса до 4 ноября 2026 года. В тот же день аналитическая компания Artificial Analysis поставила её на 4-е место своего Intelligence Index v4.2. А неделей раньше, 16 октября 2026 года, Министерство коммерции КНР совместно с другими ведомствами опубликовало проект поправок в Каталог технологий, запрещённых и ограниченных к экспорту, открыв общественное обсуждение до 15 ноября 2026 года. Два сюжета обычно живут в разных разделах новостей, но здесь они про один рынок: модель догоняет флагманов ровно тогда, когда Пекин решает, как эти модели покидают страну.

Разбираемся, что внутри K3.1 Pro, почему в агентной оболочке Kimi Code 2.3.2 отключили самопроизвольные рои субагентов и что новые правила значат для открытых весов, которые Moonshot обещает выложить до 4 ноября 2026 года.

  • Паритет с флагманами: 65,7% в Terminal-Bench 4.0 против 66,4% у Claude Opus 5.5 и 58,2% у GPT-6 Astra (по данным блога Moonshot); 4-е место в Intelligence Index v4.2 от Artificial Analysis с баллом 55 — выше только Claude Opus 5.5 (58), GPT-6.1 Sol (56) и Claude Sonnet 5.5 (56).
  • Меньше выдумок: на внутреннем стресс-тесте фактической точности Kimi Hallu Bench Hard доля ошибочных утверждений упала с 23,4% у K3 до 8,3% — снижение почти втрое (данные Moonshot AI).
  • Регулирование: 16 октября Минкоммерции КНР опубликовало проект поправок об экспорте больших моделей с обсуждением до 15 ноября; 22 октября сообщалось, что DeepSeek и MiniMax получили одобрение регуляторов на выпуск своих следующих моделей; K3.1 Pro с 2,8 трлн общих параметров попадает под порог «более 2 трлн» из проекта каталога.

Что внутри: MoE на 2,8 трлн параметров и RL по сотням доменов

K3.1 Pro — смесь экспертов (MoE) с 2,8 трлн параметров, из которых на каждый токен активны 104 млрд. Контекст — 1 млн токенов, вход мультимодальный: текст и изображения. Формально это версия Kimi K3 с укрупнённым этапом дообучения: масштабное совместное RL по сотням прикладных доменов потребовало перестроить весь стек — фреймворк, инференс на длинном контексте, песочницы, планировщик роллаутов, платформу проверки качества сред. Каждое приращение RL-вычислений, по данным Moonshot, даёт стабильную и предсказуемую отдачу (детали — в анонсе Moonshot).

Вместе с базовой версией вышла Kimi K3.1 Pro Highspeed — по заявлению Moonshot, в два-три раза быстрее за счёт оптимизаций инференса. Модель доступна в Kimi.ai, Kimi Work, Kimi Code и API; тариф для API — $1,20 за 1 млн входных токенов, $5,00 за 1 млн выходных и $0,20 за 1 млн токенов из кэша, все три ставки на треть ниже цен K3 (данные Artificial Analysis). Стоимость одной задачи индекса — $1,98, примерно как у K3: модель тратит 55 тысяч выходных токенов на задачу, на 14% больше предшественницы. Полные веса обещаны до 4 ноября 2026 года; в Kimi Enterprise модель выключена по умолчанию.

Флагманские демо Moonshot касаются длинных инженерных сценариев. Во внутреннем тесте модель собрала симулятор динамики ходьбы человека поверх открытого анатомического атласа (296 костных и 402 мышечных компонента): за 167 миссий и 420 независимых ревью модель итеративно правила контроллер и довела виртуального человека от падения за несколько секунд до 11,2 секунды непрерывной ходьбы; когда подкручивание награды перестало помогать, она сама нашла и исправила 36 ошибок в расчётах момент-плеч мышц плеча. Хороший пример того, зачем вообще нужны длинный контекст и RL. На длинных агентных задачах главным узким местом становится планирование на десятки шагов и работа со средой, тогда как базовая генерация синтаксически верного кода уже решена большинством флагманов.

Бенчмарки: вплотную к Claude Opus 5.5

В Terminal-Bench 4.0, где агентов кода гоняют по реалистичным задачам в терминале со строгими тестами, K3.1 Pro набрала 65,7% — на 0,7 процентного пункта позади Claude Opus 5.5 с 66,4% и далеко впереди GPT-6 Astra с 58,2% (данные блога Moonshot, замер в агентной оболочке Claude Code). Во внутреннем Kimi Code Bench 3.0 Long-horizon, проверяющем многошаговое исполнение и работу с инструментами, — 61,2% против 55,95% у K3 (замер Moonshot). На SWE-Bench Pro модель показала 71,1% (данные Moonshot AI), а в замере Artificial Analysis на Terminal-Bench Hard — 67% (данные агентства).

В рейтинге Artificial Analysis Intelligence Index v4.2 модель стартовала с 55 баллами и 4-м местом; в твите агентства названы только топ-5: Claude Opus 5.5 (58, версия max), GPT-6.1 Sol (56), Claude Sonnet 5.5 (56, версия max), Kimi K3.1 Pro (55) и GLM-6.1 (44). По данным Artificial Analysis, наибольший прирост относительно Kimi K3 модель показала на агентных бенчмарках: GDPval-AA — 3-е место с 1846 Elo (плюс 312 к предшественнице), а также Terminal-Bench Hard и tau2-bench; на Humanity's Last Exam, GPQA Diamond и CritPt прирост оказался более умеренным.

Terminal-Bench 4.0: доля решённых задач; по данным Moonshot AI (тест K3.1 Pro в оболочке Claude Code, данные конкурентов — из их отчётов)
Бенчмарк, замеры Moonshot AI Kimi K3.1 Pro Claude Opus 5.5 GPT-6 Astra
Terminal-Bench 4.0 65,7% 66,4% 58,2%
BenchCAD, с инструментами 92,7% 96,2% 95,9%
Kimi Hallu Bench Hard, доля ошибок 8,3% 15,0% 5,5%

Отдельный сюжет — фактическая точность. На стресс-тесте Kimi Hallu Bench Hard, где примеры специально подобраны под ситуации, в которых модели ошибаются чаще всего, доля ошибочных утверждений у K3.1 Pro составила 8,3% против 23,4% у K3 — снижение почти втрое (данные Moonshot AI); доля ответов хотя бы с одной фактической ошибкой упала до 42,4% от показателя предшественницы. Moonshot отдельно оговаривает: это стресс-тест, и его цифры не равны частоте ошибок в повседневном использовании. На OfficeQA Pro v2, бенчмарке анализа финансовой отчётности со сквозной проверкой по документам, модель показала 89,7% (замер Moonshot); приросты к K3: финансовое моделирование — плюс 7,2 пункта, исследования — плюс 11,6, бизнес-операции — рост в 4,2 раза (внутренние замеры Moonshot). В игровых движках модель собирает проекты на Unity, Unreal Engine и Godot и ведёт параметрическое 3D-моделирование в Blender и CAD без MCP-коннекторов — скрипты пишет и запускает сама.

Artificial Analysis Intelligence Index v4.2: балл моделей; по данным Artificial Analysis

Kimi Code 2.3.2: субагентов и рои перевели под явное включение

Параллельно с моделью меняется и агентная оболочка. В релизе Kimi Code 2.3.2 от 25 октября два знаковых патча. Первый: агент по умолчанию берётся за задачу сам, а делегирование субагентам включается только явной просьбой в сообщении, правилом в AGENTS.md, навыком или мультиагентным режимом. Второй: рои AgentSwarm стартуют только при включённом swarm-режиме, агент больше не может запустить их сам; в CLI-режиме kimi -p и ACP-клиентах вроде Zed рои стали недоступны вовсе.

Причина — квоты. 25 октября Moonshot опубликовала извинение: включённый по умолчанию в предыдущем обновлении режим AgentSwarm приводил к избыточному расходу квоты пользователей, и подписчики тарифного плана K3.1 Pro сталкивались с лимитами. Компания перевела запуск роя субагентов в режим по явному запросу в Kimi Code 2.3.2 и начислила компенсационный ваучер пользователям с активной подпиской; срок действия ваучера — 7 дней. Вендор также перенастроил параметры плана так, чтобы квоты хватало надольше: меньше лишних вызовов субагентов и короче ответы. Уже на следующий день в релизе 2.3.3 появилось предупреждение о высоком расходе при включении swarm-режима командой /swarm, а показ упавшего роя для отклонённых вызовов AgentSwarm убрали.

Приносим извинения за лимиты и лишний расход квоты на тарифном плане K3.1 Pro. Это наши проблемы, и нам стоило исправить их раньше.
Moonshot AI, официальный аккаунт Kimi в X, 25 октября 2026 года 
# обновить Kimi Code до 2.3.2
kimi upgrade

# проверить версию
kimi --version

Это симптоматичный разворот: вендор агентной платформы признал, что автономные рои сжигают квоты быстрее, чем приносят пользу, и вернул управление человеку. Это перекликается со спором о качестве агентного кода — разбором заявления разработчика Telegram о «99,9%» — где вопрос тоже упирается в то, кто контролирует процесс: модель или инженер.

Экспортный контроль: 23 позиции, три порога и окно обсуждения до 15 ноября

16 октября 2026 года Министерство коммерции КНР совместно с другими ведомствами опубликовало проект поправок в Каталог технологий, запрещённых и ограниченных к экспорту (объявление номер 48 за 2026 год) и открыло общественное обсуждение до 15 ноября 2026 года; до этой даты документ остаётся проектом. По ИИ в каталоге 23 новые позиции: большие модели, агенты, вычислительные кластеры, обработка информации; всего проект затрагивает 40 технологий в трёх отраслях — 14 предлагается запретить к экспорту, 26 ограничить.

Для больших моделей проект каталога задаёт три порога регулирования: обучающие вычисления 10 в 26-й степени операций и выше, более 2 трлн параметров или уровень возможностей в мировой десятке (top-10) по бенчмаркам (по разбору TNW со ссылкой на разъяснения Yuyuan Tantian — медиапроекта государственной телекомпании CCTV). Контроль, по этим разъяснениям, бьёт по трём направлениям: данные — запрет экспорта моделей, обученных на «ключевых данных» КНР, ограничения для моделей на «важных данных» и требования к данным, связанным с кибератаками; чувствительное применение — агенты выше заданного уровня производительности ограничиваются, а построенные для критической информационной инфраструктуры, обороны или ключевых госсервисов запрещаются; вычислительные мощности — дизайн ИИ-чипов и высокоскоростные межсоединения кластеров.

Одновременно разъяснения министерств к проекту заметно сужают зону контроля. Согласно опубликованным разъяснениям, предоставление доступа к модели через облачные API, веб-сайты, мобильные приложения и SaaS-сервисы без передачи весов и исходного кода само по себе не рассматривается как экспорт технологии; при этом для публикации открытых весов обсуждаются исключения и упрощённый уведомительный порядок. Зарубежное локализованное развёртывание ограниченной модели — уже экспорт, хотя на собственном облаке компании за рубежом действует автолицензирование; технологии, уже опубликованные через открытый код или научные статьи, в каталог вообще не попадают.

Первые сигналы появились до закрытия обсуждения: 22 октября 2026 года в канале Yuyuan Tantian (медиапроект CCTV) сообщалось, что DeepSeek и MiniMax получили одобрение регуляторов на выпуск своих следующих моделей (Reuters при этом отмечает, что сами компании оперативных комментариев не дали; TNW самостоятельной проверки не проводил). На той же неделе DeepSeek, по сообщениям СМИ, привлёк $15 млрд от Tencent и CATL. В комментариях изданию Yuyuan Tantian китайские юристы из фирмы Dacheng отметили, что при подготовке опубликованного проекта ведомства учли предложения индустрии, чтобы избежать избыточных ограничений для открытых моделей и облачных сервисов.

Для Kimi арифметика такая: 2,8 трлн общих параметров — выше порога «более 2 трлн» из проекта каталога, поэтому выкладка открытых весов до 4 ноября попадает в зону будущего регулирования; окончательные правила станут ясны после 15 ноября. Облачные API и продукты Kimi под экспорт технологий, согласно опубликованным разъяснениям, не подпадают.

Отдельная деталь выпуска: для открытых весов Moonshot убрала из обоих этапов обучения данные, связанные с кибератаками. На внутреннем бенчмарке xdev-bench-hard (поиск и использование уязвимостей по исходному коду, метрика pass@3) чекпоинт без такой очистки решает 90,5% задач, финальная K3.1 Pro — 81%, при этом K3 показывала 33,3% (замеры Moonshot). Задержку публикации весов до 4 ноября в Moonshot объясняют проверками безопасности и формулируют два принципа: модели с открытыми весами не должны опережать передовые проприетарные системы по наступательным кибервозможностям, а распространять такие возможности в открытой экосистеме компания планирует поэтапно, чтобы защитники успевали обновлять программное обеспечение. Тем, кто ждёт веса к 4 ноября, стоит прикинуть железо: для размещения модели в памяти определяющим является общее число параметров — даже в 4-битной квантизации 2,8 трлн весов займут около 1,4 ТБ видеопамяти, что требует многоузлового серверного кластера; 104 млрд активных параметров определяют объём вычислений на каждый токен. Общий урок месяца совпадает с выводом истории про агента OpenAI, скачавшего закрытые данные и умолчавшего об этом: чем способнее открытая модель, тем важнее управляемость — от агентной оболочки до регулирования.

Подводим итоги

События недели складываются в одну картину. Технически открытые модели подобрались к закрытым флагманам на расстояние долей процента в кодовых бенчмарках и трёх баллов в агентных рейтингах — с ценами на треть ниже и стоимостью задачи около $2. По оценке Artificial Analysis, после публикации весов Kimi K3.1 Pro займёт первое место среди моделей с открытыми весами в рейтинге Intelligence Index v4.2. Инфраструктурно вендоры учатся дисциплине агентных расходов: рои по умолчанию выключаются, квоты возвращаются подписчикам. В регулировании Китай выстраивает контроль, нацеленный на веса и обучающие технологии, оставляя облака и открытый код в зелёном коридоре. Дальше смотреть стоит на две даты: 4 ноября — обещанные веса K3.1 Pro, 15 ноября — закрытие комментариев по каталогу. Если обе пройдут гладко, открытая экосистема получит сильнейшую модель в своей истории и понятную процедуру экспорта.

Источники

ЛУЧШИЕ СТАТЬИ ПО ТЕМЕ