Kimi K3.1 Pro теперь доступна для автоматической разметки в Ultralytics Platform

Moonshot AI выпустила Kimi K3.1 Pro 23 октября 2026 года, и уже сегодня модель доступна для автоматической разметки в Ultralytics Platform. Мы проверили её тем же тестом, что и все остальные модели в нашем рейтинге VLM: 360 изображений из 36 реальных наборов данных для обнаружения объектов.

Kimi K3.1 Pro набрала 0.444 mAP50 — на треть больше, чем Kimi K3 (0.334), — и заняла 7-е место среди 29 моделей, поднявшись на десять позиций относительно предшественницы. Все модели выше неё — закрытые модели Google, Anthropic или OpenAI.

Что нового в Kimi K3.1 Pro#

Kimi K3.1 Pro — первая модель в серии K3.1 от Moonshot, и Moonshot называет её своей самой мощной на сегодняшний день моделью класса 3T с открытыми весами. Это версия Kimi K3, дообученная с использованием значительно больших вычислительных ресурсов, с контекстным окном на 1 миллион токенов и поддержкой изображений и видео на входе. Модель всегда обдумывает ответ, прежде чем его выдать, а Moonshot планирует опубликовать полные веса до 4 ноября 2026 года. В анонсе Moonshot рассказывает о результатах в программировании, финансах и борьбе с галлюцинациями.

Moonshot также снизила цену. Kimi K3.1 Pro стоит $2 за миллион входных токенов и $10 за миллион выходных токенов — раньше Kimi K3 стоила $3 и $15 соответственно.

Kimi K3.1 Pro для автоматической разметки в Ultralytics Platform#

Kimi K3.1 Pro присоединилась к визуально-языковым моделям с подсказками по классам в редакторе разметки Ultralytics Platform. Для набора данных обнаружения объектов с 1–200 классами модель анализирует каждое изображение и возвращает ограничивающие рамки для найденных объектов классов из твоего набора данных. Ты проверяешь результаты и сохраняешь их, как и любые другие предсказания.

Её можно использовать двумя способами:

• По одному изображению: в редакторе разметки переключись в режим Smart, выбери Kimi K3.1 Pro в разделе Kimi в списке моделей и нажми Predict (или нажми P).
• Для всего набора данных: запусти Batch Annotation, выбрав More actions > Batch Annotation на странице набора данных, чтобы разметить все неразмеченные изображения за один запуск.

Чтобы посмотреть модель в действии до добавления ключа, открой страницу модели Kimi K3.1 Pro в Ultralytics Platform. На ней воспроизводятся записанные предсказания Kimi K3.1 Pro для 10 изображений COCO рядом с ожидаемыми рамками, а также показана оценка модели на каждом наборе данных для бенчмарка.

Как мы тестировали Kimi K3.1 Pro#

Модель, которая находит почти все объекты на обычных фотографиях, может пропустить большую часть объектов на медицинском снимке или печатной плате. Поэтому все модели в рейтинге VLM проходят один и тот же зафиксированный тест UL37 v2: 10 случайно выбранных размеченных изображений из каждого из 36 наборов обнаружения объектов в UL37 — наборе реальных бенчмарк-наборов данных, которые Ultralytics использует для оценки. Они охватывают медицинскую визуализацию, аэрофотоснимки и спутниковые изображения, проверку печатных плат, рентгеновский досмотр, полки магазинов, дорожное движение, спорт, подводные сцены, тепловизионные записи и многое другое.

Каждое изображение проходит через рабочий конвейер разметки Ultralytics Platform с названиями классов своего набора данных — точно так же, как при вызове режимов Smart и Batch Annotation, включая этап SAM 3.1, который уточняет рамки каждой модели. Мы оцениваем рамки с помощью собственных метрик обнаружения объектов пакета Ultralytics и усредняем результаты по 36 наборам данных с одинаковым весом. Подробности приведены в описании методики рейтинга VLM.

Для Kimi есть одно отличие в настройках. По умолчанию Kimi K3.1 Pro использует максимальный уровень рассуждений Moonshot. При максимальном уровне Kimi K3 превышала 115-секундный лимит Ultralytics Platform примерно в 40% случаев в наших тестах, поэтому Ultralytics Platform запускает все модели Kimi с высоким уровнем рассуждений. Kimi K3 и Kimi K3.1 Pro тестировались именно так.

Kimi K3.1 Pro в сравнении с Gemini 4 Argon, Claude Opus 5.5 и GPT-6 Astra#

Kimi K3.1 Pro набрала 0.444 mAP50. Более высокие результаты показали Gemini 4 Argon (0.537), Claude Opus 5.5 (0.527), GPT-6 Astra (0.525), Gemini 3.8 Flash (0.516), GPT-6.1 Sol (0.514) и Claude Sonnet 5.5 (0.472). При этом Kimi K3.1 Pro опередила Claude Haiku 5.5 (0.429), Claude Fable 5.1 (0.427) и все модели с открытыми весами, которые мы запускаем на собственных GPU. Среди них лидирует Gemma 4 31B (0.390), которая пока недоступна в Ultralytics Platform.

Обе составляющие оценки улучшились. Точность выросла с 0.439 у Kimi K3 до 0.560, а полнота — с 0.376 до 0.483. Это значит, что большая доля рамок оказалась правильной, а модель нашла больше размеченных объектов.

Kimi K3.1 Pro и Kimi K3: в чём заметно улучшение#

Kimi K3.1 Pro показала лучшие результаты, чем Kimi K3, на 25 из 36 наборов данных и в 8 из 12 областей применения. Самый большой прирост получен в спорте (0.68 против 0.28), на дорогах и в дорожном движении (0.49 против 0.26), а также в документах, пользовательских интерфейсах и CAD (0.41 против 0.26). На изображениях с теннисными мячами результат вырос с 0.08 до 0.74 mAP50 — это такой же лучший показатель на данном наборе данных, как у Gemini 3.8 Flash. На дорожной разметке CeyMo результат вырос с 0.17 до 0.80.

В спортивных сценах Kimi K3.1 Pro также обошла Gemini 4 Argon (0.68 против 0.60) и показала более высокий результат, чем Argon, на шести наборах данных, включая изображения с теннисными мячами, футбол, колосья пшеницы и УЗИ щитовидной железы.

Не во всех областях результаты выросли. Показатели для подводных сцен и рентгеновского досмотра (по одному набору данных в каждой области) снизились, результаты в розничной торговле немного ухудшились (0.47 против 0.48), а для дефектов промышленных печатных плат остались близкими к нулю у обеих моделей Kimi. Специализированные изображения по-прежнему сложны для всех моделей, поэтому используй рамки Kimi K3.1 Pro как черновой вариант для проверки с участием человека и проверь несколько предсказаний на своих изображениях, прежде чем размечать весь набор данных.

Точность, стоимость и скорость#

Платные модели используют твой собственный API-ключ провайдера, поэтому провайдер выставляет счёт напрямую за каждое предсказание. В нашем бенчмарке Kimi K3.1 Pro стоила около $22.50 за 1 000 изображений — почти столько же, сколько Kimi K3 ($21.50). Цена токенов ниже на треть, но на каждое изображение модель использовала больше токенов, поэтому обновление даёт примерно треть прироста точности при практически той же стоимости.

Это не самый дешёвый способ добиться такой точности. Пять из шести моделей, занявших места выше, стоили дешевле, включая Gemini 4 Argon (около $7.60 за 1 000 изображений) и Claude Opus 5.5 (около $13.90). При этом Claude Haiku 5.5 уступила Kimi K3.1 Pro всего около 0.015 mAP50 и стоила примерно $0.37 за 1 000 изображений.

Kimi K3.1 Pro работает небыстро. Медианное время обработки запроса составило около 22 секунд на изображение против 4.6 секунды у Gemini 4 Argon и 2.7 секунды у Claude Opus 5.5. Кроме того, 6.4% запросов не уложились в 115-секундный лимит Ultralytics Platform — для Kimi K3 этот показатель составлял 1.7%. Для изображения, обработка которого завершилась по тайм-ауту, рамки не возвращаются, но ты можешь запустить предсказание повторно. Moonshot также предлагает Kimi K3.1 Pro Highspeed, которая, по словам компании, работает в два-три раза быстрее при тех же возможностях; в Ultralytics Platform доступна стандартная Kimi K3.1 Pro.

Начни работу с Kimi K3.1 Pro в Ultralytics Platform#

1. Создай API-ключ на платформе Kimi API, затем добавь его в разделе Settings > API Keys рабочей области, которой принадлежит твой набор данных, или попроси владельца рабочей области добавить ключ (инструкция).
2. Открой набор данных для обнаружения объектов в Ultralytics Platform, переключи редактор разметки в режим Smart и выбери Kimi K3.1 Pro в разделе Kimi.
3. Нажми Predict, чтобы разметить текущее изображение, затем проверь, скорректируй и сохрани рамки.
4. Когда результаты тебя устроят, запусти Batch Annotation, чтобы разметить остальные изображения в наборе данных.

За пакетную разметку взимается стандартная плата Ultralytics Platform за обработку — $1.00 за 1 000 изображений. Она оплачивается отдельно от суммы, которую Moonshot списывает за использование твоего API-ключа. Перед каждым запуском сохраняется версия набора данных, поэтому ты всегда можешь откатить изменения.

Когда набор данных будет размечен, обучи на нём модель Ultralytics YOLO26 в той же рабочей области (см. документацию по обучению). Чтобы сравнить Kimi K3.1 Pro с лидером, прочитай нашу статью об автоматической разметке с Gemini 4 Argon или посмотри все модели в рейтинге VLM и на страницах моделей Ultralytics Platform. Затем выполни вход в Ultralytics Platform, чтобы попробовать Kimi K3.1 Pro на собственных данных.