Kimi K3.1 Pro пересекла экспортный порог Китая

Что именно выпустила Moonshot AI

Я бы смотрел на Kimi K3.1 Pro сразу в двух плоскостях: это очень крупная MoE-модель и одновременно потенциальный объект экспортного контроля. В карточке модели Moonshot AI на Hugging Face указаны 2,8 трлн параметров, из которых на каждый токен активируются 104 млрд. Контекст заявлен до 1 048 576 токенов.

Разница между общим и активным числом параметров здесь принципиальна. Архитектура Mixture of Experts не превращает каждый шаг инференса в вычисление плотной модели на 2,8 трлн параметров, но полный набор весов все равно остается огромным. И вот тут техническая характеристика неожиданно становится юридической.

K3.1 Pro описывается как мультимодальная модель с поддержкой текста, изображений и видео в предусмотренных интерфейсах. В документации API Moonshot также указаны уровни рассуждения low, high и max, а среди основных сценариев названы длинный контекст, программирование, работа с инструментами и агентное выполнение задач.

По собственным результатам Moonshot, модель набрала 65,7% в Terminal-Bench 4.0. Это заметная цифра, но пока я воспринимал бы ее как заявление разработчика: независимая проверка ограничена, а часть приведенных оценок основана на внутренних наборах данных. Полной воспроизводимости тоже нет, поскольку доступные материалы не устанавливают публикацию всего обучающего кода и состава данных.

Экспортный порог меняет правила доступа

Главный риск состоит в том, что Kimi K3.1 Pro формально превышает предлагаемый китайский порог в 2 трлн параметров. Если регулятор будет считать все параметры MoE, модель попадет под критерий; если только активные 104 млрд, результат окажется другим.

По состоянию на 4 ноября 2026 года доступные сообщения описывают проект или планируемую систему контроля, а не автоматический мировой запрет. Неясными остаются охват API, весов, контрольных точек и технической поддержки, а также конкретная процедура разрешений.

Для разработчиков за пределами Китая это может означать переход от свободного распространения к управляемому облачному доступу, региональным интерфейсам и проверке пользователей. Для исследователей последствия еще неприятнее: меньше доступных весов, сложнее воспроизводить тесты, больше различий между региональными версиями.

Мой инженерный вывод простой: 2,8 трлн параметров выглядят эффектно, но реальная интрига не в размере модели. Все решит то, какое именно число регулятор признает размером MoE-системы.

Ранее мы разбирали Pony Alpha — вероятную модель GLM-5, доступную через OpenRouter с контекстным окном в 200 тыс. токенов. Контекст ее выпуска помогает понять, как передовые китайские модели доходят до пользователей через разные каналы на фоне экспортных ограничений.