Moonshot lanzó su último modelo de razonamiento, Kimi K3.1 Pro, el 2026‑10‑23. El modelo quedó cuarto en el Artificial Analysis Intelligence Index, con una puntuación de 55. Solo lo superan Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) y Muse Wonder Full (56). La empresa afirma que el modelo será el mejor clasificado entre los de pesos abiertos cuando se publiquen sus pesos.
Rendimiento de Kimi K3.1 Pro
Las mayores mejoras se observan en las pruebas de referencia de tareas con agentes, que evalúan la capacidad de un modelo para usar herramientas de software. K3.1 Pro obtiene 1,846 Elo en GDPval‑AA, 312 puntos más que el K3 anterior, y ocupa el tercer puesto, detrás de Claude Opus 5.5 (1,866) y Muse Wonder Full (1,857). También lidera Terminal‑Bench 4.0 y mejora su puntuación en AutomationBench‑AA del 58% al 73%. En otras pruebas, los avances son más modestos: Humanity’s Last Exam (47% → 52%), CritPt (23% → 25%) y SciCode (59% → 61%). La tasa de alucinaciones del modelo bajó del 53% al 44%, mientras que la precisión general subió del 48% al 51%.
Precio y especificaciones técnicas
Moonshot calcula que el costo por tarea es de unos $1.98, prácticamente igual que el del K3 anterior. El nuevo modelo usa 55 K tokens de salida por tarea del Intelligence Index, un 14% más que K3, pero sus precios por token son un 33% más bajos en entrada, salida y aciertos de caché. K3.1 Pro admite una ventana de contexto de 1 million tokens, funciona con 2.8 trillion parámetros totales, de los cuales 104 billion están activos, y acepta entradas de texto e imágenes. Sus pesos aún no se han publicado, pero se espera que estén disponibles pronto; eso lo convertiría en el modelo de pesos abiertos mejor clasificado del índice.
Por qué importa
Para los desarrolladores que necesitan una IA capaz de usar herramientas de software, Kimi K3.1 Pro ofrece un rendimiento notablemente mejor en tareas con agentes sin aumentar los costos. Cuando Moonshot publique los pesos del modelo, quienes usan modelos de pesos abiertos tendrán una alternativa de alta puntuación a los modelos propietarios, lo que reducirá la brecha de capacidades.
