Moonshot ha presentato il suo ultimo modello di ragionamento, Kimi K3.1 Pro, il 2026‑10‑23. Il modello si è classificato quarto nell’Artificial Analysis Intelligence Index, con un punteggio di 55. Lo precedono soltanto Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) e Muse Wonder Full (56). L’azienda afferma che, una volta pubblicati i pesi, il modello diventerà quello con il punteggio più alto tra i modelli open-weight.
Le prestazioni di Kimi K3.1 Pro
I progressi maggiori riguardano i benchmark agentici, che valutano la capacità di un modello di utilizzare strumenti software. K3.1 Pro totalizza 1,846 Elo in GDPval‑AA, 312 punti in più rispetto al precedente K3, e si piazza al terzo posto, dopo Claude Opus 5.5 (1,866) e Muse Wonder Full (1,857). È inoltre in testa a Terminal‑Bench 4.0 e migliora il punteggio in AutomationBench‑AA dal 58% al 73%. Negli altri test i progressi sono più contenuti: Humanity’s Last Exam (47% → 52%), CritPt (23% → 25%) e SciCode (59% → 61%). Il tasso di allucinazioni del modello è sceso dal 53% al 44%, mentre la precisione complessiva è salita dal 48% al 51%.
Prezzi e specifiche tecniche
Moonshot stima il costo per attività in circa $1.98, più o meno quanto il precedente modello K3. Il nuovo modello usa 55 K token di output per ogni attività dell’Intelligence Index, il 14% in più rispetto a K3, ma i prezzi dei token sono inferiori del 33% per input, output e cache hit. K3.1 Pro supporta una finestra di contesto da 1 million token, funziona con 2.8 trillion parametri totali, di cui 104 billion attivi, e accetta input di testo e immagini. I pesi non sono ancora stati pubblicati, ma dovrebbero arrivare a breve: in tal caso il modello diventerebbe il primo open-weight dell’Index.
Perché conta
Per gli sviluppatori che hanno bisogno di un’IA capace di utilizzare strumenti software, Kimi K3.1 Pro offre prestazioni sensibilmente migliori nelle attività agentiche senza aumentare i costi. Quando Moonshot pubblicherà i pesi del modello, chi usa modelli open source avrà un’alternativa con un punteggio elevato ai modelli proprietari, riducendo il divario di capacità.
