Moonshot lanza Kimi K3.1 Pro: un modelo open-weight de 3T parámetros con contexto de 1 millón de tokens

Moonshot AI ha presentado Kimi K3.1 Pro, el primer modelo de la serie K3.1 y, según la compañía, el modelo open-weight más potente de la clase de 3T parámetros. La ventana de contexto es de 1 millón de tokens. En Terminal-Bench 4.0 obtiene 65,7%: más que GPT-6 Astra (58,2%) y apenas por debajo de Claude Opus 5.5 (66,4%). Junto con él ha salido K3.1 Pro Highspeed, que funciona entre 2 y 3 veces más rápido. Ambas versiones ya están disponibles en Kimi.ai, Kimi Work, Kimi Code y a través de la API, y Moonshot promete publicar los pesos completos antes del 4 de noviembre de 2026.

El posentrenamiento como gran apuesta

K3.1 Pro es una versión refinada de Kimi K3, pero con un presupuesto de cómputo notablemente mayor para el posentrenamiento. Para poder hacer RL conjunto a gran escala en cientos de dominios aplicados, el equipo rehízo todo el stack: el framework de RL, la inferencia con contexto largo, la eficiencia del entrenamiento, los sandboxes, la planificación de rollouts y la plataforma común de verificación de calidad de los entornos. El objetivo es que cada porción adicional de cómputo de RL aporte una mejora estable y predecible.

En el Kimi Code Bench 3.0 Long-horizon interno, que evalúa la ejecución de tareas en varios pasos y el uso de herramientas, el modelo obtuvo 61,2% frente a 55,95% de K3. El ejemplo más ilustrativo de Moonshot: a partir del modelo anatómico human-atlas (296 elementos óseos y 402 musculares), K3.

1 Pro construyó un simulador de la marcha humana con sus pipelines de entrenamiento y evaluación. A lo largo de 167 misiones y 420 revisiones independientes, el humano virtual pasó de caerse a los pocos segundos a caminar durante 11,2 segundos alternando los pasos. Cuando el ajuste de recompensas no mejoró el movimiento de los brazos, el modelo no siguió insistiendo con él.

En su lugar lanzó pruebas de dinámica en lazo abierto, encontró y corrigió 36 errores en los cálculos de los brazos de momento de los músculos del hombro y reentrenó el controlador.

3D, CAD y finanzas

El segundo énfasis es el razonamiento espacial. En BenchCAD, donde hay que reconstruir un objeto 3D a partir de renders desde varios ángulos mediante la generación de código CAD, K3.1 Pro con herramientas obtiene 92,7%. Claude Opus 5.5 logra 96,2% y GPT-6 Astra, 95,9%. El modelo sabe trabajar con scripts de Blender y CAD sin conectores MCP, y en Unity, Unreal Engine y Godot crea juegos combinando búsqueda web y generación 3D. Para los usuarios se ha lanzado 3D Make en kimi.ai y en la aplicación: vista previa, edición, exportación para impresión 3D o exportación a vídeo y Live Photos.

En finanzas, Moonshot afirma haber logrado un récord en OfficeQA Pro v2, con 64,4. Las métricas internas evolucionan así:

• Financial Modeling: +7,2 puntos respecto a K3
• Financial Research: +11,6 puntos
• Business Operation: un resultado unas 4,2 veces superior al de K3
• Kimi Hallu Bench Hard: la proporción de alucinaciones a nivel de afirmaciones bajó de 23,4% a 8,3%, y la proporción de respuestas con al menos un error factual fue de 42,4% del valor de K3

La propia compañía hace una salvedad honesta: la prueba está compuesta deliberadamente por ejemplos provocadores y no refleja la frecuencia de errores en el uso habitual.

Riesgos cibernéticos y la lógica de los pesos abiertos

Una sección aparte del lanzamiento se dedica a la ciberseguridad. El equipo observó que la capacidad de encontrar vulnerabilidades crece con el posentrenamiento, porque el contenido de ciberseguridad entra tanto en el corpus general de midtraining como en los entornos de RL. Para la versión abierta, esos datos se eliminaron en ambas etapas, conservando las tareas habituales de programación. En xdev-bench-hard (explotación de vulnerabilidades reales en Linux kernel, Node.js, JavaScriptCore, Exim y VirGL con las protecciones activadas), un checkpoint sin estas medidas resuelve 90,5% de las tareas en pass@3, mientras que la K3.1 Pro final resuelve 81,0%. En capacidades cibernéticas, según afirma Moonshot, va por detrás de los modelos frontier cerrados que llevan disponibles al menos tres meses.

La postura de la compañía es no publicar pesos abiertos que amplíen la frontera absoluta de capacidades ofensivas, pero ir elevando el listón de forma gradual. El argumento a favor de la apertura es la auditoría de código, incluidos los sistemas heredados que los especialistas en seguridad rara vez revisan, realizada por muchos equipos en su propia infraestructura.

Cómo probarlo

• Aplicaciones de Kimi: iOS, Android y HarmonyOS, o kimi.ai
• Kimi Work: versión de escritorio 3.1.0 o posterior para Windows y Mac con Apple silicon
• Kimi Code: seleccionar el modelo con el comando /model
• API: identificadores kimi-k3.1-pro y kimi-k3.1-pro-highspeed; para los clientes está disponible Zero Data Retention
• Kimi Business: el acceso a K3.1 Pro está desactivado por defecto para los administradores y hay que activarlo manualmente

Al comparar con la competencia, conviene tener en cuenta que Moonshot tomó una parte de las cifras de blogs y leaderboards de otros laboratorios y midió otra por su cuenta: Terminal-Bench 4.0 se ejecutó con Claude-Code harness, y PostTrainBench, en GPU H20 en lugar de H100. Para los equipos que necesitan programación agéntica en su propia infraestructura, el momento clave para evaluarlo llegará con la publicación de los pesos: entonces se podrá ejecutar el modelo sobre sus propios repositorios y compararlo con las API cerradas.