Moonshot elevará gradualmente la capacidad cibernética de pesos abiertos tras lograr Kimi K3.1 Pro un 81% en una prueba de hacking
Puntos clave
- •Kimi K3.1 Pro de Moonshot obtuvo 81% en la prueba interna de hacking xdev-bench-hard, frente a 90.5% de una versión entrenada sin los recortes de datos cibernéticos, lo que la empresa dice cuantifica su efecto.
- •Los pesos completos de K3.1 Pro se liberarán antes del 4 de noviembre, y el modelo ya está disponible en Kimi.ai y en la Kimi API con una ventana de contexto de 1 millón de tokens, además de una versión de alta velocidad entre dos y tres veces más rápida.
- •Moonshot eliminó el material relacionado con ciberseguridad del corpus de mid-training y de las tareas de aprendizaje por refuerzo del modelo para la versión abierta, afirmando que no busca extender la frontera absoluta de la capacidad cibernética y que ve el despliegue gradual como una medida defensiva.
- •K3.1 Pro obtuvo 65.7% en Terminal-Bench 4.0, por delante de GPT-6 Astra de OpenAI con 58.2% y apenas detrás de Claude Opus 5.5 de Anthropic con 66.4%, mientras que su tasa de alucinación a nivel de afirmaciones cayó del 23.4% de K3 a 8.3%.
- •El lanzamiento se produce tras los controles de exportación propuestos por China sobre tecnología de IA para generar malware, y los fundadores de Moonshot enfrentan una reclamación de arbitraje de aproximadamente 700 millones de dólares del accionista Recurrent AI antes de una planeada OPI en Hong Kong.
Moonshot indicó que pretende "elevar progresivamente la capacidad cibernética disponible en pesos abiertos" después de que su nuevo modelo Kimi K3.1 Pro obtuviera un 81% en una prueba interna de hacking, según el anuncio oficial de la empresa. Una versión separada, entrenada sin los recortes de datos cibernéticos de la compañía, obtuvo 90.5% — una brecha de 9.5 puntos que, según las cifras de la empresa, captura el efecto de esos recortes en el benchmark.
La startup con sede en Beijing liberará los pesos completos de K3.1 Pro antes del 4 de noviembre, lo que significa que cualquier persona podrá descargar los parámetros entrenados del modelo y ejecutarlo en su propio hardware. El modelo ya está desplegado en Kimi.ai y en la Kimi API, donde funciona con una ventana de contexto de 1 millón de tokens. Moonshot también ofrece una versión de alta velocidad entre dos y tres veces más rápida, según la empresa.
Los recortes de datos cibernéticos moldearon la versión abierta
Moonshot vinculó la creciente capacidad de explotación del modelo con material cibernético presente en su corpus general de mid-training y en sus tareas de aprendizaje por refuerzo. Los primeros experimentos de la empresa revelaron que retener esos datos en cualquiera de las dos etapas aumentaría significativamente la capacidad cibernética posterior. Para la versión abierta, Moonshot eliminó los datos de ambas etapas manteniendo las tareas generales de programación.
La prueba xdev-bench-hard le pide a un agente explotar vulnerabilidades recientemente divulgadas en software como el kernel de Linux, Node.js y Exim. Cada tarea incluye el código fuente vulnerable, una breve pista sobre el error y el binario. Una tarea se considera resuelta solo si el agente puede ejecutar código arbitrario en un sandbox y recuperar una cadena secreta.
K3.1 Pro superó ampliamente a su predecesor, Kimi K3, que apenas logró 33.3%. El gráfico de Moonshot ubica a DeepSeek-V4.1-Flash en 85.7% y a GLM-5.3 en 57.1%, aunque ambos corrían sobre otro arnés, por lo que esas cifras no son directamente comparables con el resultado de K3.1 Pro. La empresa señaló que las habilidades cibernéticas de K3.1 Pro van al menos tres meses por detrás de los modelos propietarios de frontera disponibles públicamente. Ninguno de los puntajes ha sido corroborado de forma independiente.
Sin extender la frontera del hacking
"Nuestro objetivo es no liberar pesos abiertos que extiendan la frontera absoluta de la capacidad cibernética", afirmó la empresa.
Moonshot considera el despliegue gradual — que comienza con los pesos previstos para el 4 de noviembre — como una medida defensiva. Las empresas que ejecutan un modelo abierto en su propia infraestructura pueden auditar el código que mantienen, incluidos sistemas heredados que rara vez se someten a revisiones de seguridad, señaló la compañía. Vigilar los pesos abiertos es más difícil: una vez que los archivos se difunden, el desarrollador pierde gran parte de su capacidad para controlar el acceso, monitorear el uso o actualizar las salvaguardas.
El lanzamiento ocurre en medio de un mayor escrutinio de las herramientas cibernéticas impulsadas por IA. La semana pasada, China propuso controles de exportación que prohibirían exportar tecnología para generar malware mediante IA y limitarían las herramientas que ayudan a identificar vulnerabil con IA. El borrador sigue abierto a comentarios públicos, por lo que su alcance final aún no está definido. También esta semana, Cryptopolitan informó que Microsoft vinculó al grupo Storm-0940, relacionado con China, a una brecha de ConnectWise mediante ARTEX, un marco de pruebas de penetración de código abierto compatible con cualquier modelo de IA.
Resultados más amplios de benchmarks
Fuera del ámbito cibernético, Moonshot señaló que K3.1 Pro obtuvo 65.7% en Terminal-Bench 4.0, por delante de GPT-6 Astra de OpenAI con 58.2% y apenas por detrás de Claude Opus 5.5 de Anthropic con 66.4%.
En la prueba interna de estrés de la empresa sobre hechos inventados, la tasa de alucinación a nivel de afirmaciones — un conteo de la frecuencia con que las declaraciones individuales en la salida del modelo son fabricadas — cayó del 23.4% de K3 a 8.3%.
Según Cryptopolitan, los fundadores de Moonshot enfrentan una reclamación de arbitraje de ~700 millones de dólares del accionista Recurrent AI antes de la planeada salida a bolsa de la empresa en Hong Kong.
