Moonshot lança Kimi K3.1 Pro: modelo open-weight de 3T com contexto de 1 milhão de tokens

A Moonshot AI apresentou o Kimi K3.1 Pro, primeiro modelo da série K3.1 e, segundo a empresa, o modelo open-weight mais poderoso da classe de 3T parâmetros. A janela de contexto é de 1 milhão de tokens. No Terminal-Bench 4.0, ele marca 65,7%: mais que o GPT-6 Astra (58,2%) e por uma margem mínima menos que o Claude Opus 5.5 (66,4%). Junto com ele chegou o K3.1 Pro Highspeed, que roda de 2 a 3 vezes mais rápido. As duas versões já estão disponíveis no Kimi.ai, no Kimi Work, no Kimi Code e via API, e a Moonshot promete publicar os pesos completos até 4 de novembro de 2026.

Pós-treinamento como aposta principal

O K3.1 Pro é uma versão refinada do Kimi K3, mas com um orçamento de computação bem maior para o pós-treinamento. Para conduzir RL conjunto em larga escala em centenas de domínios aplicados ao mesmo tempo, a equipe reformulou toda a stack: framework de RL, inferência em contexto longo, eficiência de treinamento, sandboxes, planejamento de rollouts e a plataforma comum de verificação de qualidade dos ambientes. O objetivo é que cada porção adicional de computação de RL gere um ganho estável e previsível.

No Kimi Code Bench 3.0 Long-horizon, benchmark interno que avalia a execução de tarefas em várias etapas e o uso de ferramentas, o modelo obteve 61,2%, contra 55,95% do K3. O exemplo mais ilustrativo da Moonshot: com base no modelo anatômico human-atlas (296 elementos ósseos e 402 musculares), o K3.

1 Pro construiu um simulador de caminhada humana, com pipelines de treinamento e avaliação. Ao longo de 167 missões e 420 revisões independentes, o humano virtual aprendeu a andar por 11,2 segundos, alternando os passos, em vez de cair depois de alguns segundos. Quando o ajuste de recompensas não melhorou o movimento dos braços, o modelo não insistiu nele.

Ele executou testes de dinâmica em malha aberta, encontrou e corrigiu 36 erros nos cálculos dos braços de momento dos músculos do ombro e retreinou o controlador.

3D, CAD e finanças

O segundo foco é o raciocínio espacial. No BenchCAD, em que é preciso reconstruir um objeto 3D a partir de renders de vários ângulos por meio da geração de código CAD, o K3.1 Pro com ferramentas alcança 92,7%. O Claude Opus 5.5 fica com 96,2% e o GPT-6 Astra, com 95,9%. O modelo sabe trabalhar com scripts de Blender e CAD sem conectores MCP e, em Unity, Unreal Engine e Godot, monta jogos combinando busca na web e geração de 3D. Para os usuários, foi lançado o 3D Make no kimi.ai e no aplicativo, com pré-visualização, edição, exportação para impressão 3D ou para vídeo e Live Photos.

Em finanças, a Moonshot alega recorde no OfficeQA Pro v2, com 64,4. As métricas internas evoluem assim:

• Financial Modeling: +7,2 pontos em relação ao K3
• Financial Research: +11,6 pontos
• Business Operation: resultado cerca de 4,2 vezes maior que o do K3
• Kimi Hallu Bench Hard: a taxa de alucinações no nível de afirmações caiu de 23,4% para 8,3%, e a parcela de respostas com pelo menos um erro factual ficou em 42,4% do valor do K3

A própria empresa faz uma ressalva honesta: o teste foi montado de propósito com exemplos provocativos e não reflete a frequência de erros no uso cotidiano.

Riscos cibernéticos e a lógica dos pesos abertos

Uma seção à parte do lançamento trata de cibersegurança. A equipe notou que a capacidade de encontrar vulnerabilidades cresce junto com o pós-treinamento, porque conteúdo de cibersegurança entra tanto no corpus geral de mid-training quanto nos ambientes de RL. Na versão aberta, esses dados foram removidos nas duas etapas, e as tarefas comuns de programação foram mantidas. No xdev-bench-hard (exploração de vulnerabilidades reais no Linux kernel, Node.js, JavaScriptCore, Exim e VirGL, com as proteções ativadas), o checkpoint sem essas medidas resolve 90,5% das tarefas em pass@3, enquanto o K3.1 Pro final resolve 81,0%. Em capacidades cibernéticas, segundo a Moonshot, o modelo fica atrás dos modelos frontier fechados que estão disponíveis há pelo menos três meses.

A posição da empresa é esta: não lançar pesos abertos que ampliem o limite absoluto de capacidades ofensivas, mas elevar esse patamar gradualmente. O argumento a favor da abertura é a auditoria de código, inclusive de sistemas legados que especialistas em segurança raramente revisam, feita por muitas equipes na própria infraestrutura.

Como testar

• Aplicativos Kimi: iOS, Android e HarmonyOS, ou kimi.ai
• Kimi Work: versão desktop 3.1.0 ou mais recente, para Windows e Mac com Apple silicon
• Kimi Code: escolher o modelo com o comando /model
• API: identificadores kimi-k3.1-pro e kimi-k3.1-pro-highspeed; Zero Data Retention está disponível para clientes
• Kimi Business: o acesso ao K3.1 Pro vem desativado por padrão para administradores e precisa ser ativado manualmente

Ao comparar com os concorrentes, vale lembrar que parte dos números a Moonshot tirou de blogs e leaderboards de outros laboratórios, e parte mediu por conta própria: o Terminal-Bench 4.0 foi executado com o Claude-Code harness, e o PostTrainBench, em GPUs H20 em vez de H100. Para equipes que precisam de codificação agêntica na própria infraestrutura, o principal momento de avaliação virá após a publicação dos pesos: será possível rodar o modelo nos próprios repositórios e compará-lo com as APIs fechadas.