К содержимому
Компьютерное зрение

Kimi K3.1 Pro (KModel)

мультимодальный гигант на 2,8 трлн параметров с контекстом 1 млн токенов

2 мин чтенияобновлено

Kimi K3.1 Pro — флагманская открытая мультимодальная модель от команды Moonshot AI, способная работать с текстом и изображениями и решать сложные агентные задачи. Она построена на базе Kimi K3 с помощью масштабного обучения с подкреплением (RL) в сотнях прикладных областей и использует архитектуру MoE (Mixture-of-Experts — смесь экспертов, где на каждый токен активируется лишь часть сети: 104 млрд из 2,8 трлн параметров). От предшественницы модель отличается заменёнными слоями внимания Gated DSA (DeepSeek Sparse Attention) для более эффективной обработки длинных последовательностей. Пригодится разработчикам автономных ИИ-агентов, инженерам и аналитикам для работы с большими кодовыми базами и объёмными документами.

Ключевые особенности

  • Масштаб и эффективность: 2,8 трлн общих параметров (896 экспертов), но для каждого токена активируются только 16 экспертов и 2 общих — суммарно 104 млрд параметров.
  • Сверхдлинный контекст: окно в 1 048 576 токенов поддерживается гибридным механизмом внимания (69 слоёв KDA и 24 слоя Gated DSA).
  • Нативная мультимодальность: встроенный визуальный энкодер MoonViT-V2 на 401 млн параметров позволяет напрямую анализировать изображения вместе с текстом.
  • Квантование из коробки: модель обучена с учётом квантования (quantization-aware training) в форматах MXFP4 для весов и MXFP8 для активаций.

Что можно сделать

  • Автоматизировать разработку: использовать модель в агентных средах для исправления багов в крупных репозиториях, работы с терминалом и генерации 3D/CAD-моделей.
  • Анализировать большие массивы данных: загружать в контекст объёмные финансовые отчёты, документацию и скриншоты интерфейсов для комплексного исследования и проверки фактов.

Пример

В карточке репозитория не приведён готовый сниппет для локального запуска, однако модель совместима с библиотекой transformers (задача image-text-to-text). На вход подаётся комбинация текстового запроса и изображения — например, скриншот чертежа или фрагмент кода вместе с логом ошибки для автономного поиска решения.

ПодробнееБенчмарки (режим reasoning effort max): SWE Marathon v1.1 — 51.7, DeepSWE v1.1 — 75.5, Terminal-Bench 4.0 — 65.7, BenchCAD с инструментами — 92.7.
Архитектура: 93 слоя (1 плотный), словарь 160K токенов, функция активации SiTU-GLU.
В карточке не указаны конкретные требования к VRAM и лицензионные ограничения (ссылка на LICENSE ведёт в репозиторий moonshotai/Kimi-K3.1-Pro).
Обсудить Telegram 0 29

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • U8веса 2643 GB · готовые файлы2907 GB
  • FP8 / INT8рекомендуемвеса 2589 GB2849 GB
  • 4-bitвеса 1456 GB1603 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Ни один инстанс не вместит модель целиком — нужна выгрузка в ОЗУ или кластер.

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # AiTrainer11/KModel
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download AiTrainer11/KModel --local-dir ~/models/KModel
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к KModel
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии KModel — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

AiTrainer11/KModel
Автор
AiTrainer11
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

290

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

MedVE-4B

MedVE-4B
Компьютерное зрение

Signpost-D 9B

Signpost-D 9B