La startup china de inteligencia artificial Moonshot AI ha lanzado Kimi K3.1 Pro, su modelo de IA más reciente, con una ventana de contexto de un millón de tokens y capacidades mejoradas en programación, desarrollo 3D, investigación financiera y agentes de IA autónomos, según el anuncio de la compañía.

En Terminal Bench 4.0, un benchmark que evalúa a los agentes de IA en tareas de programación reales, Moonshot indicó que Kimi K3.1 Pro obtuvo 65.7%. Ese resultado queda a 0.7 puntos porcentuales del Claude Opus 5.5 de Anthropic, que obtuvo 66.4%, y supera al GPT 6 Astra de OpenAI, con 58.2%. La diferencia de 0.7 puntos en la cima subraya lo igualados que están los modelos líderes en tareas de programación agéntica.

El modelo está construido sobre Kimi K3, con entrenamiento adicional enfocado en fortalecer el razonamiento complejo y la capacidad de completar tareas que requieren múltiples pasos y herramientas. Moonshot también presentó Kimi K3.1 Pro Highspeed, una variante diseñada para entregar respuestas entre dos y tres veces más rápido que el modelo estándar. Ambas versiones están disponibles a través de Kimi.ai, Kimi Work, Kimi Code y la API de la compañía, con los pesos completos del modelo programados para su lanzamiento el 4 de noviembre.

Avances en programación de largo plazo

Moonshot reportó que Kimi K3.1 Pro obtuvo 61.2% en Kimi Code Bench 3.0 Long horizon, un benchmark interno que mide la capacidad de un agente de IA para completar tareas de programación complejas que involucran múltiples pasos, uso de herramientas y resolución extendida de problemas. El resultado supone una mejora frente al 55.95% registrado por su predecesor, Kimi K3.

La compañía también destacó mejoras en programación para motores de videojuegos como Unity, Unreal Engine y Godot, lo que permite al modelo generar entornos interactivos, sitios web y recursos 3D. En una demostración, Kimi K3.1 Pro desarrolló un simulador de caminata usando un modelo anatómico con 296 componentes esqueléticos y 402 componentes musculares. A lo largo de 167 tareas de desarrollo y 420 revisiones, el modelo refinó el simulador hasta que su personaje virtual pudo caminar de forma continua durante 11.2 segundos.

El modelo además demostró un rendimiento más sólido en modelado 3D, con 92.7% en BenchCAD, frente al 96.2% de Claude Opus 5.5 y el 95.9% de GPT 6 Astra.

Mayor enfoque en investigación financiera

Más allá de la programación, Moonshot está posicionando Kimi K3.1 Pro para análisis financiero, investigación de inversiones y operaciones de negocio. La compañía reportó una puntuación de 64.4 en OfficeQA Pro v2, una evaluación que mide el análisis de documentos financieros, la recuperación de información y el razonamiento numérico.

En las evaluaciones internas de Moonshot, Kimi K3.1 Pro mejoró 7.2 puntos en modelado financiero y 11.6 puntos en investigación financiera en comparación con Kimi3. La compañía también reportó avances en precisión factual, con la tasa de alucinaciones del modelo cayendo de 23.4% a 8.3% en su evaluación interna Kimi Hallu Bench Hard. En la misma evaluación con uso de herramientas, Claude Opus 5.5 registró una tasa de alucinaciones de 15%, según las comparaciones publicadas por Moonshot. La compañía advirtió que el benchmark evalúa específicamente escenarios difíciles y no representa las tasas de alucinación en el uso cotidiano.

Lanzamiento de pesos abiertos previsto para noviembre

El lanzamiento se produce mientras los desarrolladores de IA continúan ampliando el acceso a modelos avanzados que pueden desplegarse de manera independiente de plataformas de nube propietarias. Moonshot indicó que Kimi K3.1 Pro es su modelo más capaz en la clase de 3 billones de parámetros, y se espera que los pesos completos estén disponibles públicamente el 4 de noviembre. Dado que varias de las cifras reportadas provienen de evaluaciones propias de Moonshot, los pesos públicos permitirán a desarrolladores externos probar el rendimiento del modelo en infraestructura bajo su control.

La compañía también reveló cambios en su proceso de entrenamiento diseñados para reducir los riesgos de ciberseguridad asociados con el lanzamiento de modelos de IA cada vez más capaces. Moonshot dijo que eliminó ciertos datos y tareas de entrenamiento de ciberseguridad antes de evaluar el modelo final en un benchmark interno de investigación de vulnerabilidades. El modelo resultante obtuvo 81% en la evaluación, frente a 90.5% de una versión entrenada sin esas restricciones, una brecha de 9.5 puntos que refleja el compromiso introducido por el enfoque de entrenamiento restringido. Según la compañía, los cambios buscaron limitar las capacidades ofensivas de ciberseguridad preservando el rendimiento general en programación.

Kimi K3.1 Pro está disponible actualmente a través de las plataformas de consumo, empresariales y de desarrolladores de la compañía, y se espera que el lanzamiento previsto de los pesos del modelo permita a los desarrolladores ejecutarlo en su propia infraestructura. El lanzamiento del 4 de noviembre es el próximo hito a observar, pues marcará el punto en que el modelo podrá desplegarse y evaluarse fuera de las plataformas propias de Moonshot.