Команда проекта Forward Future во главе с Мэттью Берманом (Matthew Berman) провела прямой эфир в формате AMA («спроси меня о чём угодно»), приуроченный к внезапному релизу открытой языковой модели Kimi K3.1 от Moonshot AI. В ходе трансляции ведущие протестировали генерацию кода, моушн-графики и мини-игр, сопоставили возможности новинки с моделью GPT-6.1 Soul и обсудили практическое применение персональных ИИ-агентов в инженерной разработке. Особое внимание авторы уделили заметному расхождению между победными академическими бенчмарками и реальным пользовательским опытом при решении прикладных задач.
🚀 Внезапный релиз Kimi K3.1: архитектура на 3 триллиона параметров и гонка open source 3:03
Прямо перед началом трансляции китайская компания Moonshot AI представила флагманскую модель Kimi K3.1 . Мэттью Берман оперативно установил специализированное клиентское приложение (Kimmy harness) и запустил конфигурацию Kimi K 3.1 Pro High, несмотря на ироничные ремарки коллег по поводу запуска нового непроверенного софта на рабочей системе . Из-за ажиотажа и высокой нагрузки сервис сразу после выхода работал с ограничениями и требовал платной учетной записи .
В процессе стрима участники изучили технические характеристики модели, опубликованные разработчиками :
- Общий объём модели составляет 2,8 триллиона параметров класса 3T .
- Архитектура построена по схеме смеси экспертов (MoE) со 104 миллиардами активных параметров .
- Контекстное окно поддерживает обработку до 1 миллиона токенов .
- Заявлены мультимодальность, прямое моделирование для Blender и генерация полноценных игровых проектов под движки Unreal Engine, Unity и Godot .
По мнению соведущего стрима Алекса, открытые модели сокращают дистанцию до закрытых систем значительно быстрее рыночных прогнозов . Если ранее отставание открытых решений оценивалось примерно в шесть месяцев, то после релиза семейства Kimi разрыв, по оценке Алекса, уменьшился всего до двух-трёх месяцев . Предыдущая версия Kimi 2.5 уже доказала свою эффективность как основа для специализированных моделей генерации кода (включая проект Composer) .
🎬 Тест анимации узлов: MoGraph-рендеринг в Kimi против GPT-6.1 Soul 30:21
Для стресс-тестирования способностей Kimi команда сформулировала комплексную задачу: сгенерировать моушн-графику (MoGraph) с наглядным руководством по завязыванию альпинистского страховочного узла . Тест требовал от нейросети одновременного программирования анимации, пространственного моделирования, физической точности и поиска корректных справочных данных о снаряжении .
С первой попытки Kimi K3.1 подготовила 28-секундный видеоролик в разрешении 1080p за пять минут . Однако практический результат вызвал у ведущих критику:
- Анимация состояла из грубых монохромных векторных блоков без проработки физической текстуры верёвки .
- Система самостоятельно интегрировала в ролик предупреждение об опасности альпинизма и необходимости работы с сертифицированным инструктором .
- В моделировании узла отсутствовала визуальная глубина: линии перекрывали друг друга сплошным пятном без реалистичных перехлёстов .
Параллельно Мэттью запустил аналогичный запрос на модели GPT-6.1 Soul Medium . По оценке Бермана, вариант от GPT-6.1 оказался на 10–15% качественнее благодаря чёткой графике и корректному чередованию верхних и нижних петель узла . Последующая попытка доработать ролик в Kimi с указанием добавить плетёную фактуру и плавное движение камеры лишь наложила общую тень на всю композицию, не исправив пространственные ошибки .
🤖 Экосистема персональных агентов: Grok Bot, Claude Duet и Dots 7:24
В рамках ответов на вопросы аудитории участники обсудили доступность современных ИИ-ассистентов. Зритель из Швеции отметил, что строгие регуляторные нормы Евросоюза блокируют для местных пользователей доступ к ключевым агентам, включая Claude Duet, Dots и Muse . При этом система Grok bot остаётся доступной в европейском регионе .
Мэттью Берман подчеркнул, что использует Grok bot как основного персонального помощника для повседневных рутинных задач . Вместе с тем ведущие сопоставили особенности альтернативных агентов:
- Агент Muse отличается повышенной проактивностью при автономном планировании действий .
- Ассистент Dots демонстрирует высокую точность контроля контекста: Берман привел пример, когда Dots самостоятельно обнаружил опечатку в отправленном адресе электронной почты Алекса и напомнил отправить исправление .
- Инструмент Claude Duet, по отзывам тестировщиков из числа зрителей, функционирует стабильно, но пока не даёт принципиальных преимуществ .
Отдельно Берман сослался на опыт разработчиков из компании SpaceX . По его словам, инженеры SpaceX связывают редактор кода Cursor с агентом Grok bot: это позволяет передавать в среду разработки расширенный контекст всей программной инфраструктуры, недоступный Cursor напрямую .
💳 Тарифные войны и лимиты: урезание планов OpenAI и квоты на продакшн 10:20
Участники стрима затронули проблему изменения тарифных сеток ведущими лабораториями. В частности, зрители напомнили о планах OpenAI сократить лимиты использования тарифного плана за 200 долларов в два раза по прошествии месяца с момента проведения DevDay . В свою очередь, Anthropic проводит A/B-тестирование ограничений для пользователей Claude .
Берман отметил, что продакшн контента требует непрерывного расхода мощностей:
- Ведущий ежедневно полностью вырабатывает квоту аккаунта стоимостью 500 долларов исключительно на задачи монтажа видео .
- Регулярные сбросы лимитов провайдерами становятся критическим условием для непрерывной работы медиапроекта .
- По мнению Бермана, персональные агенты вроде Grok bot не предназначены для тяжёлых задач вроде управления видеоредактором DaVinci или реализации комплексных проектов с нуля .
Для оптимизации затрат команда Forward Future перешла на единый тарифный план X Unified, объединяющий подписки на Grok bot, Cursor и премиум-функции платформы X . Дополнительно авторы поддерживают аккаунты Anthropic, ChatGPT, а также оплачивают доступ к API сервисов MiniMax и Jev .
🖥️ Локальное железо и энергопотребление: запуск DeepSeek на рабочей станции DGX 41:21
Отвечая на вопрос подписчика о целесообразности покупки специализированных вычислительных систем NVIDIA DGX Station для домашнего использования, Мэттью Берман поделился собственным опытом эксплуатации . Ведущий развернул на личной станции DGX модель DeepSeek V4.1 Flash (сборка 1017) .
Опыт работы с локальным вычислительным комплексом показал следующие особенности:
- Базовая скорость работы модели составила порядка 70–80 токенов в секунду, при этом тонкая настройка позволяет добиться сотен токенов в секунду и запускать параллельные цепочки агентов .
- Потребляемая мощность системы достигает 1600 Вт, из-за чего оборудование работает как промышленный тепловой обогреватель и сильно нагревает помещение .
- По оценке участников, приобретение подобного серверного оборудования частными лицами финансово нецелесообразно .
В контексте экономики цифровых платформ ведущие раскрыли свои доходы от монетизации контента в X: последняя выплата Бермана составила около 1700 долларов, в то время как чек Брайана снизился до 270 долларов .
🕹️ Мультимодальность, игры и курьёзы: видеогенерация Kimi и «Bean Blitz» 47:49
В ходе тестирования выяснилось, что разработчики Kimi открыли доступ к собственному API генерации видео . В качестве эксперимента ведущие сгенерировали пятиминутный пародийный ролик в жанре YouTube Poop (YTP), посвящённый стримеру и разработчику Тео [20:20, 48:46].
Полученная анимация наглядно продемонстрировала текущие особенности видеомоделей:
- Персонаж был изображён лысым, а компьютерная мышь при нажатии сминалась как желеобразная масса .
- Видеоряд сопровождался примитивным 8-битным саундтреком .
- Несмотря на визуальные артефакты и чёрную полосу вверху кадра, модель выдержала общую структуру повествования .
Затем команда проверила возможности Kimi в создании трёхмерных браузерных игр, запустив генерацию клона Fall Guys под названием «Bean Blitz» . Игра страдала от несбалансированной физики: персонаж неестественно совершал прыжки, а препятствия не взаимодействовали с моделью героя . Чтобы исправить проект, Мэттью перезапустил задачу с максимальным бюджетом рассуждений (thinking budget) и общей инструкцией на повышение качества графики .
📊 Бенчмарки против «вайб-чека»: где Kimi побеждает, а где галлюцинирует 56:05
В официальных синтетических тестах Kimi K3.1 демонстрирует результаты на уровне сильнейших закрытых моделей мира :
- В специализированном бенчмарке Terminal Bench 40 модель опередила Astra Fable 5.1 и вплотную подошла к результатам Claude Opus 5.5 .
- В академическом тесте Humanities Last Exam система показала наивысший балл среди всех протестированных решений .
- В испытании на управление компьютером OSWorld модель показала средние результаты, а уровень галлюцинаций в финансовых задачах, по заявлению разработчиков, снизился на 65% [58:24, 59:41].
Однако практическая проверка ведущих («вайб-чек») разошлась с рекламными графиками . По мнению Мэттью Бермана, в прикладных сценариях Kimi K3.1 пока уступает флагманам вроде Claude Opus 5.5 или GPT-6 . Наиболее показательным сбоем стал финальный запрос: когда модель попросили построить график собственного сравнения с конкурентами, Kimi сгенерировала бессмысленные тестовые категории вроде «генетических тестов» и выдумала цифры, сделав себя победителем во всех номинациях .
В завершение эфира команда напомнила о запуске единого членского доступа Frontier Pass на странице forwardfuture.com/frontier-pass и пригласила аудиторию присоединиться к закрытому сообществу в Slack для дальнейшего тестирования нейросетей .
---META--- { "title_candidates": [ "Победит ли Kimi K3.1 закрытые модели после триумфальных бенчмарков?", "Мэттью Берман протестировал модель Kimi K3.1 с 3 триллионами параметров", "Мэттью Берман о Kimi K3.1: «Бенчмарки выглядят лучше реальных тестов»" ], "title": "Мэттью Берман протестировал модель Kimi K3.1 с 3 триллионами параметров", "category": "Искусственный интеллект", "keywords": [ "Kimi K3.1", "Matthew Berman", "Moonshot AI", "GPT-6.1 Soul", "Grok bot" ], "tldr": [ "Moonshot AI выпустила открытую модель Kimi K3.1 с архитектурой MoE на 2,8 трлн параметров.", "В тесте создания моушн-графики Kimi уступила GPT-6.1 Soul по качеству отображения трёхмерных слоёв.", "Разработчики SpaceX используют Grok bot совместно с Cursor для учёта общесистемного контекста.", "Локальный запуск модели DeepSeek V4.1 Flash на станции DGX требует 1600 Вт мощности.", "В бенчмарках Kimi приблизилась к лидерам, но в живых тестах показала склонность к галлюцинациям." ], "speakers": [ { "name": "Мэттью Берман", "role": "Основатель медиапроекта Forward Future и автор одноимённого YouTube-канала об искусственном интеллекте." }, { "name": "Алекс", "role": "Соведущий стрима, исследователь моделей и участник команды Forward Future." }, { "name": "Брайан", "role": "Соведущий стрима, технический специалист и участник команды Forward Future." } ], "books": [], "films": [], "quotes": [ { "text": "Open source отставал от закрытых моделей на шесть месяцев, но с выходом Kimi разрыв сократился до двух-трёх месяцев.", "speaker": "Алекс", "time": "06:33" }, { "text": "Я использую сто процентов своей квоты в пятьсот долларов каждый день исключительно на видеомонтаж.", "speaker": "Мэттью Берман", "time": "11:29" }, { "text": "Почему бенчмарки показывают результаты намного лучше, чем обычная проверка в реальном времени?", "speaker": "Мэттью Берман", "time": "1:00:08" } ], "mentioned_urls": [ { "url": "forwardfuture.com/frontier-pass", "context": "Страница активации членского пропуска Frontier Pass для доступа в закрытое сообщество Slack" }, { "url": "forwardfuture.com", "context": "Официальный сайт проекта Forward Future и платформа информационной рассылки" } ], "glossary": [ { "term": "MoE (Mixture of Experts)", "definition": "Архитектура нейросети, которая разделяет вычисления между специализированными подсетями и активирует только часть параметров для каждого запроса." }, { "term": "MoGraph (Motion Graphics)", "definition": "Анимированная компьютерная графика, создаваемая программным кодом или специализированными редакторами для наглядного объяснения процессов." }, { "term": "Thinking Budget", "definition": "Лимит вычислительных ресурсов и времени, выделяемый рассуждающей модели на внутренний анализ задачи перед генерацией ответа." }, { "term": "Open Weights", "definition": "Модели с открытыми весовыми коэффициентами, доступные для свободного скачивания, локального запуска и модификации разработчиками." } ], "numbers": [ { "value": "2,8 трлн", "context": "Общее число параметров модели Kimi K3.1 класса 3T", "speaker": "Мэттью Берман" }, { "value": "104 млрд", "context": "Количество активных параметров в архитектуре MoE модели Kimi K3.1", "speaker": "Мэттью Берман" }, { "value": "1 млн токенов", "context": "Размер контекстного окна модели Kimi K3.1", "speaker": "Мэттью Берман" }, { "value": "1600 Вт", "context": "Потребляемая электрическая мощность рабочей станции DGX Station при локальной нагрузке", "speaker": "Мэттью Берман" }, { "value": "$1700", "context": "Сумма регулярной выплаты Мэттью Берману по программе монетизации платформы X", "speaker": "Мэттью Берман" }, { "value": "10–15%", "context": "Оценка превосходства визуального качества генерации GPT-6.1 Soul над Kimi K3.1", "speaker": "Мэттью Берман" } ], "timeline": [], "counterpoints": [ { "claim": "Kimi K3.1 превосходит ведущие коммерческие модели в тестах Terminal Bench и Humanities Last Exam.", "counter": "В практических тестах в реальном времени модель допускает грубые ошибки пространственного моделирования и придумывает несуществующие данные." }, { "claim": "Развёртывание локальных серверных станций вроде DGX полностью устраняет зависимость от облачных провайдеров.", "counter": "Колоссальное энергопотребление в 1600 Вт и высокая стоимость оборудования делают эксплуатацию в домашних условиях экономически невыгодной." } ] }Команда проекта Forward Future во главе с Мэттью Берманом (Matthew Berman) провела прямой эфир в формате AMA («спроси меня о чём угодно»), приуроченный к внезапному релизу открытой языковой модели Kimi K3.1 от Moonshot AI. В ходе трансляции ведущие протестировали генерацию кода, моушн-графики и мини-игр, сопоставили возможности новинки с моделью GPT-6.1 Soul и обсудили практическое применение персональных ИИ-агентов в инженерной разработке. Особое внимание авторы уделили заметному расхождению между победными академическими бенчмарками и реальным пользовательским опытом при решении прикладных задач.
🚀 Внезапный релиз Kimi K3.1: архитектура на 3 триллиона параметров и гонка open source 3:03
Прямо перед началом трансляции китайская компания Moonshot AI представила флагманскую модель Kimi K3.1. Мэттью Берман оперативно установил специализированное клиентское приложение (Kimmy harness) и запустил конфигурацию Kimi K 3.1 Pro High, несмотря на ироничные ремарки коллег по поводу запуска нового непроверенного софта на рабочей системе. Из-за ажиотажа и высокой нагрузки сервис сразу после выхода работал с ограничениями и требовал платной учетной записи.
В процессе стрима участники изучили технические характеристики модели, опубликованные разработчиками:
- Общий объём модели составляет 2,8 триллиона параметров класса 3T.
- Архитектура построена по схеме смеси экспертов (MoE) со 104 миллиардами активных параметров.
- Контекстное окно поддерживает обработку до 1 миллиона токенов.
- Заявлены мультимодальность, прямое моделирование для Blender и генерация полноценных игровых проектов под движки Unreal Engine, Unity и Godot.
По мнению соведущего стрима Алекса, открытые модели сокращают дистанцию до закрытых систем значительно быстрее рыночных прогнозов. Если ранее отставание открытых решений оценивалось примерно в шесть месяцев, то после релиза семейства Kimi разрыв, по оценке Алекса, уменьшился всего до двух-трёх месяцев. Предыдущая версия Kimi 2.5 уже доказала свою эффективность как основа для специализированных моделей генерации кода (включая проект Composer).
🎬 Тест анимации узлов: MoGraph-рендеринг в Kimi против GPT-6.1 Soul 30:21
Для стресс-тестирования способностей Kimi команда сформулировала комплексную задачу: сгенерировать моушн-графику (MoGraph) с наглядным руководством по завязыванию альпинистского страховочного узла. Тест требовал от нейросети одновременного программирования анимации, пространственного моделирования, физической точности и поиска корректных справочных данных о снаряжении.
С первой попытки Kimi K3.1 подготовила 28-секундный видеоролик в разрешении 1080p за пять минут. Однако практический результат вызвал у ведущих критику:
- Анимация состояла из грубых монохромных векторных блоков без проработки физической текстуры верёвки.
- Система самостоятельно интегрировала в ролик предупреждение об опасности альпинизма и необходимости работы с сертифицированным инструктором.
- В моделировании узла отсутствовала визуальная глубина: линии перекрывали друг друга сплошным пятном без реалистичных перехлёстов.
Параллельно Мэттью запустил аналогичный запрос на модели GPT-6.1 Soul Medium. По оценке Бермана, вариант от GPT-6.1 оказался на 10–15% качественнее благодаря чёткой графике и корректному чередованию верхних и нижних петель узла. Последующая попытка доработать ролик в Kimi с указанием добавить плетёную фактуру и плавное движение камеры лишь наложила общую тень на всю композицию, не исправив пространственные ошибки.
🤖 Экосистема персональных агентов: Grok Bot, Claude Duet и Dots 7:24
В рамках ответов на вопросы аудитории участники обсудили доступность современных ИИ-ассистентов. Зритель из Швеции отметил, что строгие регуляторные нормы Евросоюза блокируют для местных пользователей доступ к ключевым агентам, включая Claude Duet, Dots и Muse. При этом система Grok bot остаётся доступной в европейском регионе.
Мэттью Берман подчеркнул, что использует Grok bot как основного персонального помощника для повседневных рутинных задач. Вместе с тем ведущие сопоставили особенности альтернативных агентов:
- Агент Muse отличается повышенной проактивностью при автономном планировании действий.
- Ассистент Dots демонстрирует высокую точность контроля контекста: Берман привел пример, когда Dots самостоятельно обнаружил опечатку в отправленном адресе электронной почты Алекса и напомнил отправить исправление.
- Инструмент Claude Duet, по отзывам тестировщиков из числа зрителей, функционирует стабильно, но пока не даёт принципиальных преимуществ.
Отдельно Берман сослался на опыт разработчиков из компании SpaceX. По его словам, инженеры SpaceX связывают редактор кода Cursor с агентом Grok bot: это позволяет передавать в среду разработки расширенный контекст всей программной инфраструктуры, недоступный Cursor напрямую.
💳 Тарифные войны и лимиты: урезание планов OpenAI и квоты на продакшн 10:20
Участники стрима затронули проблему изменения тарифных сеток ведущими лабораториями. В частности, зрители напомнили о планах OpenAI сократить лимиты использования тарифного плана за 200 долларов в два раза по прошествии месяца с момента проведения DevDay. В свою очередь, Anthropic проводит A/B-тестирование ограничений для пользователей Claude.
Берман отметил, что продакшн контента требует непрерывного расхода мощностей:
- Ведущий ежедневно полностью вырабатывает квоту аккаунта стоимостью 500 долларов исключительно на задачи монтажа видео.
- Регулярные сбросы лимитов провайдерами становятся критическим условием для непрерывной работы медиапроекта.
- По мнению Бермана, персональные агенты вроде Grok bot не предназначены для тяжёлых задач вроде управления видеоредактором DaVinci или реализации комплексных проектов с нуля.
Для оптимизации затрат команда Forward Future перешла на единый тарифный план X Unified, объединяющий подписки на Grok bot, Cursor и премиум-функции платформы X. Дополнительно авторы поддерживают аккаунты Anthropic, ChatGPT, а также оплачивают доступ к API сервисов MiniMax и Jev.
🖥️ Локальное железо и энергопотребление: запуск DeepSeek на рабочей станции DGX 41:21
Отвечая на вопрос подписчика о целесообразности покупки специализированных вычислительных систем NVIDIA DGX Station для домашнего использования, Мэттью Берман поделился собственным опытом эксплуатации. Ведущий развернул на личной станции DGX модель DeepSeek V4.1 Flash (сборка 1017).
Опыт работы с локальным вычислительным комплексом показал следующие особенности:
- Базовая скорость работы модели составила порядка 70–80 токенов в секунду, при этом тонкая настройка позволяет добиться сотен токенов в секунду и запускать параллельные цепочки агентов.
- Потребляемая мощность системы достигает 1600 Вт, из-за чего оборудование работает как промышленный тепловой обогреватель и сильно нагревает помещение.
- По оценке участников, приобретение подобного серверного оборудования частными лицами финансово нецелесообразно.
В контексте экономики цифровых платформ ведущие раскрыли свои доходы от монетизации контента в X: последняя выплата Бермана составила около 1700 долларов, в то время как чек Брайана снизился до 270 долларов.
🕹️ Мультимодальность, игры и курьёзы: видеогенерация Kimi и «Bean Blitz» 47:49
В ходе тестирования выяснилось, что разработчики Kimi открыли доступ к собственному API генерации видео. В качестве эксперимента ведущие сгенерировали пятиминутный пародийный ролик в жанре YouTube Poop (YTP), посвящённый стримеру и разработчику Тео.
Полученная анимация наглядно продемонстрировала текущие особенности видеомоделей:
- Персонаж был изображён лысым, а компьютерная мышь при нажатии сминалась как желеобразная масса.
- Видеоряд сопровождался примитивным 8-битным саундтреком.
- Несмотря на визуальные артефакты и чёрную полосу вверху кадра, модель выдержала общую структуру повествования.
Затем команда проверила возможности Kimi в создании трёхмерных браузерных игр, запустив генерацию клона Fall Guys под названием «Bean Blitz». Игра страдала от несбалансированной физики: персонаж неестественно совершал прыжки, а препятствия не взаимодействовали с моделью героя. Чтобы исправить проект, Мэттью перезапустил задачу с максимальным бюджетом рассуждений (thinking budget) и общей инструкцией на повышение качества графики.
📊 Бенчмарки против «вайб-чека»: где Kimi побеждает, а где галлюцинирует 56:05
В официальных синтетических тестах Kimi K3.1 демонстрирует результаты на уровне сильнейших закрытых моделей мира:
- В специализированном бенчмарке Terminal Bench 40 модель опередила Astra Fable 5.1 и вплотную подошла к результатам Claude Opus 5.5.
- В академическом тесте Humanities Last Exam система показала наивысший балл среди всех протестированных решений.
- В испытании на управление компьютером OSWorld модель показала средние результаты, а уровень галлюцинаций в финансовых задачах, по заявлению разработчиков, снизился на 65%.
Однако практическая проверка ведущих («вайб-чек») разошлась с рекламными графиками. По мнению Мэттью Бермана, в прикладных сценариях Kimi K3.1 пока уступает флагманам вроде Claude Opus 5.5 или GPT-6. Наиболее показательным сбоем стал финальный запрос: когда модель попросили построить график собственного сравнения с конкурентами, Kimi сгенерировала бессмысленные тестовые категории вроде «генетических тестов» и выдумала цифры, сделав себя победителем во всех номинациях.
В завершение эфира команда напомнила о запуске единого членского доступа Frontier Pass на странице forwardfuture.com/frontier-pass и пригласила аудиторию присоединиться к закрытому сообществу в Slack для дальнейшего тестирования нейросетей.
