Moonshot AI, одна из китайских лабораторий второго эшелона (по крайней мере, такой её считали ещё год назад), выпустила Kimi 3.1 Pro — и по независимым оценкам Artificial Analysis модель заняла четвёртое место в общем рейтинге интеллекта, обогнав Fable 5.1 и уступив лишь считаным закрытым системам калибра Opus 5.5. Ещё недавно подобный результат от модели, которая обещает стать открытой, выглядел бы фантастикой.
Главная интрига не в цифрах, а в дате 4 ноября 2026 года. Именно тогда Moonshot обещает выложить веса модели в открытый доступ — и если это случится, Kimi 3.1 Pro станет первой моделью frontier-класса, которую можно будет скачать и развернуть самостоятельно. До сих пор топ-модели такого уровня интеллекта оставались заперты в API крупных компаний. Разрыв между лучшей закрытой и лучшей открытой моделью, по расчётам Artificial Analysis, должен сократиться с 12 баллов до трёх — дистанция, которую ещё год-два назад никто не рисковал прогнозировать так скоро.
Цифры впечатляют избирательно. Модель заняла восьмое место в рейтинге кодинга Arena WebDev, поднявшись сразу на девять позиций относительно предыдущей версии. В задачах кибербезопасности она набрала 64% по Cyber Index — второй результат в мире, уступив только закрытой GPT-6 с доверенным доступом. Разработчики специально урезали тренировочные данные, связанные со взломом систем, чтобы не создавать слишком мощный инструмент для атак — и всё равно модель показала один из лучших публично доступных результатов по киберзащите. Баланс между мощью и осторожностью здесь выдержан непривычно тщательно.
Но есть и обратная сторона. Модель огромна — 2,8 триллиона параметров всего, 104 миллиарда активных на каждый запрос. Запустить её «локально» на обычном компьютере невозможно физически: даже в сжатом четырёхбитном формате веса займут около 1,4 терабайта. Разговоры о том, что это «модель для дома», — преувеличение: нужна серьёзная серверная инфраструктура. Плюс экономика развёртывания вызывает вопросы у скептиков — по некоторым прикидкам, обслуживание такой модели может быть в десятки раз дороже, чем у более компактных конкурентов вроде DeepSeek. Открытость весов не равна дешевизне использования.
Итог простой и тревожный одновременно для американских лабораторий: гонка за частоту обновлений больше не гарантирует отрыв. Китайские команды не копируют — они переопределяют правила игры, выкладывая в открытый доступ то, что конкуренты держат под замком.
Во что углубиться:
- Архитектура Mixture-of-Experts в больших языковых моделях: почему модель с триллионами параметров активирует лишь часть из них на каждый запрос
- Artificial Analysis Intelligence Index: как устроен независимый рейтинг и почему ему доверяют больше, чем заявлениям вендоров
- История Moonshot AI и серии моделей Kimi: путь от аутсайдера до конкурента фронтира