Moonshot AI открыла веса Kimi K3.1 Pro на 2,8 трлн параметров — лидер Agent Arena

Главный смысл: Moonshot AI в обещанный при релизе срок открыла веса флагманской Kimi K3.1 Pro на 2,8 трлн параметров — и в агентном рейтинге Agent Arena модель сразу возглавила зачёт среди систем с открытыми весами.

• Веса выложены в срок. 5 ноября Kimi K3.1 Pro появилась на Hugging Face — как обещали 24 октября. Архитектура mixture-of-experts: 2,8 трлн параметров, из них ~104 млрд активны на запросе; контекст — около 1 млн токенов. Против прежней K3 модель дообучена с подкреплением на сотнях доменов, часть слоёв внимания заменена разреженными ради дешёвого длинного контекста.

• Лидер открытого Agent Arena. Модель первая среди открытых и 13-я среди всех, возглавляет открытый зачёт в категориях работы, кода и чата. Рейтинг строится не на слепых голосах, а на сигналах из более чем 17,5 тыс. реальных агентных сессий: «чистое улучшение» — +5,1% против +0,9% у K3.

• Надёжность выросла заметнее всего. Bash Reliability (устойчивость shell-команд) поднялась с −4,5% у K3 до +7,9% — лучшая среди открытых; «похвалы против жалоб» — с +1,3% до +7,7%; Steerability — +6,5%, тоже первая; подтверждённое выполнение задач — +3,9%.

• «Открытые» не значит «домашние». Веса в точности BF16 занимают около 5,6 ТБ, после квантования INT4 — около 1,4 ТБ: на потребительских видеокартах модель не развернуть. В Terminal-Bench 4.0 она набрала 65,7% — выше GPT-6 Astra (58,2%) и почти на уровне Claude Opus 5.5 (66,4%).

Что дальше: Открытие весов — заявка на инфраструктуру: локально модель не запустить, реальный доступ — облачные API и аренда кластеров, и цена размещения станет главным аргументом для разработчиков. К цифрам осторожно: таблицы Agent Arena и Terminal-Bench приводит сама Moonshot AI, независимой проверки в статье нет, а методика «причинного трекинга» по реальным сессиям ещё не сверялась с привычными слепыми тестами. Следить: догонит ли открытая модель закрытых лидеров в следующих версиях рейтинга и появятся ли независимые замеры.