Moonshot AI выпустила веса Kimi K3.1 Pro — мультимодальной модели, рассчитанной на работу с инструментами и агентные задачи. Это первая модель серии K3.1. Её дополнительно обучали после Kimi K3 с помощью совместного reinforcement learning в сотнях прикладных областей. Модель принимает текст и изображения и поддерживает контекст длиной 1 048 576 токенов.
Kimi K3.1 Pro построена по архитектуре Mixture-of-Experts. Общее число параметров — 2,8 трлн, но на один токен активируются 104 млрд. В модели 93 слоя, 896 экспертов, из которых для каждого токена выбираются 16, а также два общих эксперта. За обработку изображений отвечает кодировщик MoonViT-V2 с 401 млн параметров. Веса квантованы в MXFP4, активации — в MXFP8; квантование учитывалось во время обучения. По сравнению с K3, слои полного внимания Gated MLA заменены на Gated DeepSeek Sparse Attention для более эффективной работы с длинным контекстом.
Разработчики сообщают о результатах в программировании, финансовых исследованиях, 3D-создании и мультимодальных задачах. В таблице Moonshot AI модель получила 65,7 в Terminal-Bench 4.0, 51,7 в SWE Marathon v1.1, 70,0 в HLE-Full с инструментами и 92,1 в BrowseComp. При этом она не лидирует во всех сравнениях: например, в Program Bench результат составил 31,5, а несколько конкурентов показали более высокие значения. Часть показателей получена на внутренних тестах, а для разных моделей использовались разные агентные оболочки и режимы, поэтому строки таблицы не образуют единого независимого рейтинга.
API доступен под именем kimi-k3.1-pro через интерфейсы, совместимые с OpenAI и Anthropic. Параметр reasoning_effort принимает значения low, high и max, причём max выбран по умолчанию. В многоходовых диалогах и при вызове инструментов разработчики требуют возвращать полный ответ ассистента, включая reasoning_content и tool_calls, а не только итоговый content.
Модель распространяется по отдельной Kimi K3.1 Pro License. В публикации также приведены рекомендации по инференсу и руководства для изображений, структурированного вывода, выбора инструментов и кеширования контекста.