Пока весь мир следил за презентациями OpenAI и Anthropic, в Пекине тихо вырос стартап, который к середине 2020-х стал одним из самых заметных игроков индустрии. Moonshot AI — китайская компания, разработавшая серию больших языковых моделей Kimi: от первого чат-бота с рекордно длинным контекстом до открытых триллионных моделей, конкурирующих с флагманами OpenAI и Anthropic. Разбираемся, кто стоит за Moonshot AI, как устроены её модели и почему аналитики называют её одним из «ИИ-тигров» Китая.
Что такое Moonshot AI: краткая справка
Moonshot AI (Beijing Moonshot AI Technology) — китайская технологическая компания из Пекина, занимающаяся разработкой больших языковых моделей (LLM) и продуктов на их основе. Стартап основан в марте 2023 года выпускниками Университета Цинхуа и сегодня входит в число самых дорогих частных ИИ-компаний Китая: оценка превышает 4,8 млрд долларов.
| Параметр | Значение |
|---|---|
| Год основания | Март 2023 |
| Штаб-квартира | Пекин, Китай |
| Основатели | Ян Чжилинь (CEO), Чжоу Синьюй, У Юйсинь |
| Флагманский продукт | Чат-бот Kimi и семейство моделей Kimi K2/K3 |
| Ключевые инвесторы | Alibaba, Tencent, HongShan (Sequoia China), IDG Capital |
| Лицензия моделей | Modified MIT (открытые веса) |
История компании: от альбома Pink Floyd до триллиона параметров
Название компании — прямая отсылка к любимому альбому основателя: The Dark Side of the Moon группы Pink Floyd. Запуск Moonshot AI был даже приурочен к 50-летию выхода пластинки. Первым продуктом стал чат-бот Kimi (просто английский ник Ян Чжилиня), представленный в октябре 2023 года.
Главная фишка первой версии — рекордное контекстное окно: модель «читала» до 200 тысяч китайских иероглифов за один запрос, а позднее — до 2 миллионов знаков. Для сравнения: тогдашние западные чат-боты ограничивались несколькими тысячами токенов. К лету 2024 года Kimi вошёл в тройку самых популярных чат-ботов Китая по числу активных пользователей, а сам стартап оказался в четвёрке сильнейших ИИ-компаний страны наряду с DeepSeek, Zhipu AI и MiniMax.
Кто такой Ян Чжилинь
Ян Чжилинь (Yang Zhilin) — фигура в мировом ИИ-сообществе гораздо более значимая, чем «основатель очередного стартапа». Родился в 1992 году в Шаньтоу (провинция Гуандун). В юности мечтал стать рок-музыкантом, играл на барабанах в группе Splay и параллельно одержал победу на национальной олимпиаде по информатике провинции Гуандун, которая открыла ему дорогу в Цинхуа. Затем перешёл в Carnegie Mellon University, где под руководством Руслана Салахутдинова получил степень PhD и стажировался в Google Brain и Meta.
Он — соавтор ключевых научных работ, определивших облик современных LLM: XLNet, Transformer-XL, RoPE (ротационные позиционные эмбеддинги), групповая нормализация, MuonClip. До запуска Moonshot AI Ян участвовал в разработке моделей PanGu (Huawei) и Wu Dao (Пекинская академия ИИ), а также основал Recurrent AI. Его принцип в разработке нейросетей лаконичен: «Если задачу можно решить масштабом, не решайте её новым алгоритмом — ценность нового алгоритма в том, чтобы масштабировать лучше».
Семейство моделей Kimi: эволюция от чат-бота до агентного интеллекта
- Kimi Chat (октябрь 2023) — первый продукт компании, рекордсмен по длине обрабатываемого контекста; именно на этом Moonshot «выстрелила» на китайском рынке.
- Kimi k1.5 (январь 2025) — мультимодальная модель с рассуждениями, сопоставимая по бенчмаркам с OpenAI o1.
- Kimi K2 (июль 2025) — первая в мире полностью открытая MoE-модель с триллионом параметров; релиз, перевернувший рынок open-source LLM.
- Kimi K2-Thinking (ноябрь 2025) — «рассуждающая» версия с глубоким планированием и вызовом внешних инструментов.
- Kimi K2.5 и K2.6 (2026) — нативно мультимодальные и агентные релизы с контекстом 256K токенов, vision-энкодером MoonViT и системой Agent Swarm.
- Kimi K3 (июль 2026) — новейшая открытая модель, которая по кодингу и агентным задачам конкурирует с флагманами OpenAI и Anthropic при заметно меньшей цене.
Архитектура Kimi K2: как работает Mixture of Experts
Технически Kimi K2 — это Mixture of Experts (MoE, «смесь экспертов») с 1 триллионом общих параметров, из которых на каждый токен активируется только 32 млрд. Модель состоит из 61 слоя и 384 экспертов: на каждом слое выбирается 8 специализированных экспертов плюс один общий. Такой подход даёт качество большой модели при вычислительных затратах уровня 32-миллиардной плотной сети — классический компромисс «качество против инференса», который Moonshot AI довела до коммерческого уровня.
Для стабильного предобучения на 15,5 триллионах токенов команда разработала собственный оптимизатор MuonClip — доработку оптимизатора Muon с контролем роста логитов. Результат впечатляет: обучение прошло без единого «спайка» потерь (zero loss spike), что на такой шкале считается инженерным достижением. Обучение шло распределённо на сотнях ускорителей NVIDIA, а затраты оцениваются в десятки миллионов долларов.
Отдельного внимания заслуживает пост-тюнинг. Вместо ручной разметки Moonshot применила масштабный синтез агентских данных (Large-Scale Agentic Data Synthesis): система генерировала тысячи сценариев с реальными MCP-инструментами и синтетическими API, а модель-судья (LLM-critic) отфильтровывала лучшие эпизоды. Так Kimi K2 научилась не просто отвечать текстом, а планировать, вызывать инструменты и выполнять многошаговые задачи — то есть работать автономным ИИ-агентом.
Бенчмарки и результаты Kimi K2
- SWE-bench Verified — 65,8%: решение реальных инженерных задач из открытых репозиториев на уровне проприетарных аналогов;
- LiveCodeBench — 53,7% против 44,7% у GPT-4.1 и 46,9% у DeepSeek V3;
- MATH-500 — 97,4% в сложных математических задачах;
- MMLU — 88,2%, один из лучших показателей среди открытых моделей;
- BrowseComp — 60,2% в агентном веб-поиске, почти вдвое выше среднего человеческого уровня.
После релизов K2-Thinking и K2.5 показатели выросли: SWE-Bench Verified — до 80,2%, BrowseComp — до 83,2%. Генеральный директор Vercel Гильермо Раух назвал Kimi K3 «первой открытой моделью, опередившей все проприетарные в комплексном тестировании веб-инженерии», а профессор Уортона Итан Моллик — «самой близкой к границе возможного».
Продукты и сервисы Moonshot AI
Kimi — не единственная витрина компании. Веб-версия и мобильные приложения дают доступ к чату, режиму глубоких исследований Deep Research, Agent-режиму (создание документов, таблиц, презентаций и веб-страниц) и генератору Kimi Slides. Пользователи отмечают уверенную поддержку русского языка, бесплатный тариф с дневными лимитами и доступность сервиса из России без VPN. В режиме Agent Swarm модель координирует до 300 суб-агентов, распределяя сложный проект между «специалистами».
Для разработчиков Moonshot AI предлагает API, полностью совместимый с форматом OpenAI: интеграция в LangChain, LlamaIndex или собственные пайплайны занимает минуты. Цены заметно ниже конкурентов — порядка 0,15–0,95 доллара за миллион входных токенов и до 4 долларов за миллион выходных, против 5–15 долларов у западных флагманов. Есть бесплатные квоты для тестирования и пакетные тарифы для enterprise-сегмента.
Третий путь — локальный запуск. Веса моделей лежат на Hugging Face и GitHub под свободной лицензией Modified MIT: коммерческое использование разрешено без роялти (единственное условие — показывать бренд Kimi в интерфейсе при 100+ миллионах пользователей или 20 миллионах долларов выручки в месяц). Нюанс в том, что полная версия требует кластер GPU и около терабайта памяти — «скачать и запустить на домашней видеокарте» не выйдет, хотя энтузиасты предлагают агрессивные квантизации до 1,5 бит.
Moonshot AI на рынке: конкуренты и стратегия
Китайский ИИ-ландшафт 2025–2026 годов — это борьба за агентные сценарии, программирование и низкую стоимость инференса. Moonshot AI конкурирует с DeepSeek, прославившимся прорывом в эффективности обучения, с открытой экосистемой Qwen от Alibaba и с зарубежными флагманами GPT-5 и Claude. Стратегия Moonshot отличается тремя ставками:
- Открытость. Веса триллионных моделей выкладываются публично — редкость для компаний такого масштаба.
- Агентность. Продукты проектируются под автономные цепочки действий, а не одиночные ответы.
- Супердлинный контекст. От 200 тысяч иероглифов в первом Kimi до 256 тысяч токенов в актуальных версиях — наследие работы над Transformer-XL.
Компания рассматривает выход на Гонконгскую фондовую биржу: оценка может достигнуть 30 миллиардов долларов, а доля основателя — вырасти до нескольких миллиардов. Для сравнения: при последнем закрытом раунде стартап стоил примерно в шесть раз меньше.
Популярные вопросы о Kimi и Moonshot AI
Кто создал нейросеть Kimi?
Kimi разработала пекинская компания Moonshot AI, основанная в марте 2023 года Ян Чжилинем, Чжоу Синьюем и У Юйсинем — выпускниками Университета Цинхуа. Название модели — это английский ник основателя, а название компании отсылает к альбому The Dark Side of the Moon группы Pink Floyd.
Kimi бесплатна?
Да, базовый чат с Kimi бесплатен (с дневными лимитами запросов), API имеет бесплатные квоты для экспериментов, а веса моделей доступны для загрузки без оплаты. Платные тарифы открывают рой агентов Agent Swarm, безлимитный режим размышлений и приоритетный инференс.
Чем Kimi отличается от ChatGPT?
Три ключевых отличия: открытые веса (ChatGPT — закрытая модель), заметно более дешёвый API при сопоставимом качестве в кодинге и агентных задачах, а также фокус на сверхдлинном контексте и многошаговой автономной работе. ChatGPT сильнее в выверенных безопасных ответах, зрелой экосистеме плагинов и мультимодальных функциях потребительского уровня.
Можно ли использовать Kimi для коммерческих проектов?
Да, лицензия Modified MIT разрешает коммерческое применение без ограничений: можно строить собственные продукты, дообучать модель под свои данные и не платить роялти, пока не достигнут пороги в 100 миллионов пользователей или 20 миллионов долларов ежемесячной выручки.
Вывод: почему Moonshot AI важен для всей отрасли
История Moonshot AI показывает, что разрыв между открытыми и проприетарными моделями стремительно сокращается. Компания доказала: триллионные MoE-модели можно обучать стабильно, выкладывать в открытый доступ и продавать дешевле западных аналогов. Для бизнеса это означает больше выбора, для разработчиков — новые инструменты, для рынка — здоровую конкуренцию, ускоряющую прогресс всего ИИ-сектора. Если подбираете модель под конкретную задачу, полезно сверяться с независимыми обзорами нейросетей, чтобы выбрать оптимум по качеству, цене и условиям лицензии.
