Moonshot AI выпустила Kimi K3.1 Pro, и каналы уже пишут, что китайцы "унизили Anthropic".

Да, бенчмарки реально сильные, но я последний месяц слежу за другой цифрой, сколько стоит одна решенная задача. И вот тут Kimi оказалась самой интересной моделью сезона.

Независимая лаборатория Artificial Analysis поставила ее на 4 место в мире. Выше только Opus 5.5, Sonnet 5.5 и старшая Muse Wonder от Meta*, а GPT-6 Astra и Gemini 4 Argon остались позади. При этом задача у Kimi обходится примерно в $2. У Opus 5.5 та же задача стоит почти $6 , у Astra чуть больше $3 То есть почти тот же уровень за треть цены.

Самое любопытное, что в терминальном тесте, где модель часами работает с файлами и командами, независимая проверка дала Kimi даже больше, чем заявила сама Moonshot, 67,2% и 1 место среди всех моделей. Обычно бывает ровно наоборот, когда компании рисуют красивые цифры, а независимые тесты их срезают.

Но есть и ложка дегтя, о которой Moonshot предпочла не говорить. Компания хвалится, что ошибок в фактах стало почти в 3 раза меньше, только это ее собственный тест. В независимом замере доля галлюцинаций у Kimi 44%, а у той же Gemini 4 Argon 15%. Так что код и рутину ей доверять можно, а вот проверять за ней факты придется.

И еще одна деталь, которая мне понравилась. В собственном бенчмарке Moonshot по программированию их же модель проиграла GPT-6 Astra. Компания честно показала это на графике.

До 4 ноября Moonshot обещает выложить веса в открытый доступ. Но не забывайте, дома ее никто и никогда не запустит, в ней 2,8 триллиона параметров!!! Но открытые веса значат, что модель смогут разместить у себя десятки провайдеров, и цена задачи упадет еще ниже.

Мне кажется, именно поэтому этот релиз тревожнее для Anthropic и OpenAI, чем любая победа в бенчмарке.

*Признана в России экстремистской организацией, её деятельность на территории страны запрещена

#Kimi #нейросети #BrainAidAI

GPT-6.1 Terra: младшая модель OpenAI обошла флагман. Но не везде.

Неделю назад я писал о слухе от The Information о том, что OpenAI готовит новую Terra, которая будет сильнее Sol и при этом дешевле. Вчера модель вышла. Для тех, кто уже запутался в выборе моделей, расскажу подробно, что это за нейронка и где лучше с ней работать.

У OpenAI 4 линейки. Luna для дешевых массовых задач, Terra для работы за компьютером и рутинного кода, Sol для исследований и сложной разработки, Astra для самых трудных задач. Terra в этой лестнице вторая снизу. Она сама открывает программы, заполняет формы, разбирается в чертежах, собирает презентации и монтирует видео. По словам OpenAI, задачи она выполняет в среднем в 3 раза быстрее Sol и Astra.

Цена у GPT 6.1 Terra $1 за миллион входных токенов, $5 за миллион выходных и 5 центов за чтение из кеша. Это ровно в два раза дешевле Sol ($2 и $10) и больше чем вдвое дешевле прошлой GPT 5.6 Terra ($2 и $12).

В тесте Agents’ Last Exam, где модели выполняют рабочие задачи за компьютером, Terra на максимальном режиме набирает около 60%. Это больше, чем у Sol (58%) и даже у флагманской Astra (59%). При этом задача у Terra стоит около 90 центов, а у Astra около 6,5 доллара. Выше только Claude Opus 5.5 с 63%, но он тратит на задачу 7,8 доллара. Отсюда и цифра "в 9 раз дешевле Opus", которую сейчас повторяют многие тг-каналы.

Вторая хорошая новость про точность. OpenAI проверила модели на сложных вопросах, где легко ошибиться в фактах. Прошлая Terra ошибалась в 22,4% ответов, новая в 4,3%. Это почти столько же, сколько у Astra (4,2%), но каждый ответ обходится в 5 раз дешевле.

В пересказах пишут, что ошибки в кодинге упали с 53,6% до 16,7%. Но это не так. Речь идет о фактах в ответах, программирование тут ни при чем. И эти цифры относятся к самому экономному режиму модели.

Ещё в некоторых каналах видел фразу "почти догоняет Sonnet 5.5". В программировании она не подтверждается. В Terminal-Bench 4.0, тесте на работу в командной строке, Claude Sonnet 5.5 решает 64% задач, а Terra по данным OpenAI 50,5%. Разница 14 пунктов. Впереди и Opus 5.5, и китайская Kimi K3.1 Pro, и даже старшая Sol с 55%. Так что слух подтвердился только наполовину. В офисной работе Terra обошла Sol, а в коде нет.

Зато по деньгам Terra вообще вне конкуренции, т.к задача стоит около 1,8 доллара, а у Sonnet и Opus в разы дороже.

Terra уже доступна в ChatGPT Work и Codex на тарифах Plus, Pro, Enterprise и Edu, а разработчикам в API. Это модель для рутины: таблицы, формы, отчёты, презентации, несложный код. Для серьёзной разработки по-прежнему лучше Claude.

Но главное в этом релизе даже не сама Terra. Работа, за которую недавно платили флагману 6,5 доллара за задачу, теперь стоит меньше 1 доллара при том же качестве. Цена офисной работы ИИ падает быстрее, чем мы успеваем к ней привыкнуть.

Ответа от Anthropic долго ждать, скорее всего, не придется. Вчера компания подала документы на IPO, торги могут начаться уже в середине ноября. Выходить на биржу через 3 недели после того, как конкурент выпустил модель в разы дешевле, без нового Claude было бы странно)

#BrainAidAI #OpenAI #GPT #Terra