The Pulse
Moonshot lancia Kimi K3.1 Pro con un contesto da 1 milione di token
Moonshot AI ha lanciato Kimi K3.1 Pro, un modello a pesi aperti della classe 3T con una finestra di contesto da 1 milione di token, insieme a una versione più veloce, Highspeed. Secondo l’azienda, il modello migliora i risultati nei benchma
AI.info Team · Scritto con l’IA · verificato ·
Il 65,7% su Terminal-Bench 4.0
Moonshot AI afferma che il nuovo Kimi K3.1 Pro ha ottenuto il 65,7% su Terminal-Bench 4.0, un test in cui agenti di programmazione affrontano attività realistiche da terminale. Il risultato lo colloca sopra il 58,2% di GPT-6 Astra e appena sotto il 66,4% di Claude Opus 5.5, secondo il post di lancio dell’azienda. Il confronto si basa sulla valutazione riportata da Moonshot, non su una valutazione indipendente dei modelli.
Moonshot descrive K3.1 Pro come il primo modello di una nuova serie e, finora, il suo modello a pesi aperti della classe 3T più capace. Ha una finestra di contesto da 1 milione di token ed è una versione di Kimi K3 sottoposta a post-addestramento, a cui è stata destinata una potenza di calcolo sostanzialmente maggiore in questa fase. «Offre miglioramenti sostanziali nella programmazione, nella creazione 3D, nella ricerca finanziaria e in altre capacità agentiche», scrive l’azienda.
Una versione più veloce e i pesi previsti per il 4 novembre
K3.1 Pro è disponibile a partire dal 23 ottobre tramite Kimi.ai, le app mobili di Kimi, Kimi Work, Kimi Code e l’API di Kimi. Moonshot lancia anche Kimi K3.1 Pro Highspeed, che, secondo l’azienda, è da due a tre volte più veloce della versione standard. L’azienda afferma che i pesi completi del modello saranno rilasciati entro il 4 novembre 2026; fino ad allora, il lancio offre accesso attraverso i suoi prodotti e la sua API, anziché tramite pesi scaricabili.
Il modello è orientato a compiti in più fasi, più che alle conversazioni a turno singolo. Nella valutazione interna Kimi Code Bench 3.0 Long-horizon di Moonshot, che misura l’uso degli strumenti e l’esecuzione dall’inizio alla fine da parte degli agenti di programmazione, K3.1 Pro ha ottenuto il 61,2%, contro il 55,95% di K3. L’azienda riporta inoltre un risultato del 92,7% su BenchCAD con strumenti, un test di generazione di codice CAD a partire da più viste, contro il 96,2% di Claude Opus 5.5 e il 95,9% di GPT-6 Astra.
I risultati in finanza hanno una precisazione
Moonshot riporta un punteggio di 64,4 su OfficeQA Pro v2, che verifica l’analisi di documenti finanziari mediante il reperimento di informazioni, controlli incrociati tra documenti e ragionamento numerico. Le sue valutazioni interne in ambito finanziario mostrano miglioramenti rispetto a K3 di 7,2 punti nella modellazione finanziaria e di 11,6 punti nella ricerca finanziaria; nel suo test simulato sulle operazioni aziendali, K3.1 Pro ha ottenuto un risultato pari a circa 4,2 volte quello del predecessore. L’azienda afferma che, in generale, i suoi dati si basano sul massimo sforzo di ragionamento e che questi risultati in ambito finanziario sono riportati dall’azienda, anziché derivare da confronti indipendenti.
Moonshot segnala anche un limite nell’interpretazione dei test sulle allucinazioni. Nel suo benchmark interno Kimi Hallu Bench Hard, il tasso di allucinazioni a livello di singole affermazioni è sceso dal 23,4% di K3 all’8,3% di K3.1 Pro, ma l’azienda precisa che il benchmark mette deliberatamente alla prova i modelli in situazioni in cui sono inclini a sbagliare e non rappresenta i tassi di errore nell’uso quotidiano. Riporta inoltre che il numero di risposte contenenti almeno un errore fattuale è stato pari al 42,4% di quello registrato nei risultati del predecessore.
Moonshot afferma di aver rimosso i dati di addestramento relativi alla cybersicurezza
Il lancio comporta un compromesso specifico in materia di sicurezza: Moonshot afferma di aver rimosso i dati relativi alla cybersicurezza sia dalla fase intermedia dell’addestramento sia da quella di apprendimento per rinforzo, mantenendo al contempo i compiti di programmazione di uso generale. Nel suo test interno xdev-bench-hard, il modello finale ha risolto l’81,0% dei problemi a pass@3, contro il 90,5% di un checkpoint addestrato senza queste misure di riduzione del rischio. Il benchmark chiede a un agente di trovare e sfruttare vulnerabilità nel codice sorgente fornito, all’interno di un ambiente sandbox separato.
Il risultato è un confronto condotto nell’ambito dei test di Moonshot, non una prova che il modello sia sicuro in ogni contesto. L’azienda afferma di voler mantenere le capacità cyber offensive di K3.1 Pro al di sotto di quelle che la sua pipeline di addestramento potrebbe produrre, pur rilasciando i pesi per usi difensivi legittimi. Il rilascio dei pesi è previsto per il 4 novembre; il post dell’azienda non indica un prezzo per l’uso dell’API né specifica quale licenza disciplinerà il rilascio dei pesi scaricabili.