Moonshot AI ha annunciato Kimi K3.1 Pro, primo modello della nuova famiglia K3.1 e versione più avanzata della propria linea di sistemi a pesi aperti, accompagnato dalla variante Kimi K3.1 Pro Highspeed. Il modello appartiene alla classe dei 3.000 miliardi di parametri e supporta finestre contestuali fino a 1.048.576 token nelle configurazioni abilitate, permettendo l’elaborazione di documentazione estesa, grandi basi di codice, informazioni multimodali e attività agentiche articolate su numerosi passaggi. La versione Highspeed utilizza le medesime capacità del modello principale ma offre, secondo Moonshot AI, una velocità operativa da due a tre volte superiore. Le due configurazioni sono previste nell’ecosistema Kimi attraverso il servizio web Kimi.ai, le applicazioni mobili per iOS, Android e HarmonyOS, l’applicazione desktop Kimi Work dalla versione 3.1.0 per Windows e computer Mac con processori Apple Silicon, l’ambiente di sviluppo Kimi Code e le API ufficiali. Gli identificativi esposti agli sviluppatori sono kimi-k3.1-pro e kimi-k3.1-pro-highspeed, con disponibilità dell’opzione Zero Data Retention per i clienti API. Nell’ambiente Kimi Enterprise l’attivazione è riservata agli amministratori delle organizzazioni e risulta disabilitata per impostazione predefinita al lancio. L’azienda ha inoltre programmato la pubblicazione completa dei pesi del modello entro il 4 novembre 2026.
Kimi K3.1 Pro deriva da Kimi K3 attraverso una fase di post-addestramento significativamente ampliata, nella quale Moonshot AI ha incrementato le risorse computazionali dedicate al reinforcement learning e riorganizzato l’infrastruttura per sostenere l’apprendimento congiunto su centinaia di domini applicativi. Gli interventi hanno interessato il framework di apprendimento per rinforzo, l’efficienza dell’addestramento, l’inferenza su contesti estesi, la pianificazione delle esecuzioni, l’infrastruttura di sandbox e i controlli condivisi sulla qualità degli ambienti utilizzati durante gli esperimenti. Secondo i risultati comunicati dall’azienda, il modello raggiunge il 65,7% su Terminal-Bench 4.0, benchmark dedicato ad agenti di programmazione che devono risolvere attività realistiche attraverso un terminale e con vincoli sulle risorse disponibili. Nella stessa comparazione GPT-6 Astra raggiunge il 58,2% e Claude Opus 5.5 il 66,4%. Sul benchmark interno Kimi Code Bench 3.0 Long-horizon, dedicato alla programmazione multi-step, all’utilizzo degli strumenti e alla risoluzione completa di problemi software, K3.1 Pro ottiene il 61,2%, rispetto al 55,95% del precedente K3. Per la generazione di modelli tridimensionali tramite codice CAD, il risultato dichiarato su BenchCAD è del 92,7% con strumenti, contro il 96,2% attribuito a Claude Opus 5.5 e il 95,9% di GPT-6 Astra. La funzionalità 3D Make permette già di creare, visualizzare, modificare ed esportare modelli tridimensionali destinati anche alla stampa 3D direttamente dall’interfaccia Kimi.
Ulteriori valutazioni riguardano l’analisi finanziaria, l’affidabilità delle risposte e la gestione autonoma di attività tecniche complesse. Su OfficeQA Pro v2, benchmark basato sull’analisi di dati fiscali e finanziari contenuti in documenti reali, Moonshot AI dichiara un punteggio di 64,4. Rispetto a Kimi K3, gli incrementi rilevati nei benchmark finanziari interni sono di 7,2 punti per Financial Modeling e 11,6 punti per Financial Research, mentre le prestazioni su Business Operation risultano pari a circa 4,2 volte quelle del predecessore. Nel test interno Kimi Hallu Bench Hard, progettato per esporre il modello a situazioni particolarmente difficili sotto il profilo dell’accuratezza fattuale, il tasso di allucinazioni misurato sulle singole affermazioni diminuisce dal 23,4% di K3 all’8,3% di K3.1 Pro; la frequenza delle risposte contenenti almeno un errore fattuale scende al 42,4% del valore registrato dal modello precedente. Moonshot AI precisa che questi dati riguardano un insieme di prove intenzionalmente problematiche e non costituiscono una misura del tasso complessivo di errore nell’utilizzo quotidiano. Tra gli esempi di autonomia operativa viene descritto un progetto di simulazione della camminata umana costruito sull’ambiente open source human-atlas, composto da 296 elementi scheletrici e 402 componenti muscolari. Nel corso di 167 missioni e 420 revisioni indipendenti, il modello ha sviluppato e perfezionato un controllore della locomozione, individuando successivamente 36 errori nei calcoli dei bracci di momento dei muscoli della spalla dopo che le modifiche alla funzione di ricompensa non avevano migliorato il movimento delle braccia. Il sistema ha quindi corretto i calcoli e ripetuto l’addestramento del controllore.
La distribuzione a pesi aperti è accompagnata da interventi mirati sulle capacità offensive in ambito informatico. Moonshot AI dichiara di avere osservato un miglioramento progressivo delle prestazioni nella ricerca e nello sfruttamento delle vulnerabilità durante l’espansione del post-addestramento, riconducendolo alla presenza di dati relativi alla sicurezza informatica sia nel corpus di mid-training sia negli ambienti di reinforcement learning. Per la versione destinata alla pubblicazione, l’azienda ha quindi rimosso contenuti cyber-specifici da entrambe le fasi, mantenendo le attività generali di programmazione. Sul benchmark interno xdev-bench-hard, che comprende problemi di individuazione e sfruttamento di vulnerabilità basati su codice sorgente, un checkpoint privo di queste misure raggiunge il 90,5% con metrica pass@3, mentre la versione finale K3.1 Pro ottiene l’81,0%. La scelta segue due principi dichiarati: evitare che il rilascio di pesi aperti ampli il livello massimo delle capacità cyber offensive disponibili pubblicamente e consentire comunque un aumento progressivo degli strumenti accessibili per l’analisi difensiva del software. Dal punto di vista operativo, K3.1 Pro funziona esclusivamente in modalità thinking, rifiutando con errore HTTP 400 le richieste che la disabilitano, e accetta i livelli reasoning_effort low, high e max, con max impostato come valore predefinito. Sono supportati input contenenti immagini e video. Nei nuovi abbonamenti Kimi, la versione standard richiede almeno il piano Plus, la finestra contestuale da un milione di token è riservata al piano Pro e superiori, mentre Highspeed richiede almeno Pro e comporta un consumo delle quote pari a circa il doppio. La documentazione raccomanda inoltre di avviare nuove sessioni quando si selezionano questi modelli e di utilizzare gli identificativi esatti nelle integrazioni esterne, poiché nomi non riconosciuti possono determinare il ripiegamento automatico su K2.8 Preview senza ragionamento.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)