Moonshot AI rilascia Kimi K3.1 Pro. Non è l’ennesimo modello che promette miracoli sulla carta: questa volta i numeri ci sono. Parliamo di un modello da 3 trilioni di parametri con una finestra di contesto da 1 milione di token. Il che significa che potete buttarci dentro documenti lunghi quanto un romanzo e aspettarvi che li digerisca davvero.
La parte interessante non è la dimensione. K3.1 Pro è open-weight — i pesi completi saranno disponibili entro il 4 novembre — e nei benchmark si piazza accanto a GPT-6 Astra e Claude Opus 5.5. Non dietro di dieci punti. Accanto.
Dove spacca (e dove si posiziona)
Su Terminal-Bench 4.0, che testa gli agenti AI su task realistici da terminale con vincoli di risorse stretti, K3.1 Pro segna 65,7%. GPT-6 Astra si ferma a 58,2%, Claude Opus 5.5 fa 66,4%. Margini sottili. Sul benchmark interno Kimi Code Bench 3.0 Long-horizon — che misura capacità multi-step, uso di tool e risoluzione end-to-end di problemi ingegneristici — K3.1 Pro arriva a 61,2%, contro il 55,95% del predecessore K3.
E poi c’è il coding vero. K3.1 Pro lavora su Unity, Unreal Engine, Godot. Combina ricerca web e generazione 3D per creare esperienze complete. In un test interno, ha costruito un simulatore di dinamica della camminata umana partendo da human-atlas, un modello anatomico open-source con 296 componenti scheletriche e 402 componenti muscolari. Attraverso 167 missioni e 420 revisioni indipendenti, ha analizzato risultati, diagnosticato problemi, raffinato il controller di camminata. Risultato: il modello virtuale è passato dal collassare in pochi secondi a camminare continuamente per 11,2 secondi. Quando il reward shaping non ha funzionato per migliorare il movimento delle braccia, K3.1 Pro non ha continuato a regolare il reward — ha eseguito test open-loop sulla dinamica del simulatore, identificato e corretto 36 errori nei calcoli del moment-arm dei muscoli delle spalle, e poi riaddestrato il controller.
Modellazione 3D: dal testo alla mesh stampabile
Su BenchCAD, che testa la ricostruzione 3D da rendering multi-view tramite generazione di codice CAD, K3.1 Pro con tool segna 92,7%. Claude Opus 5.5 fa 96,2%, GPT-6 Astra 95,9%. Anche qui, margini stretti. Da un brief testuale, uno sketch o un’immagine di riferimento, K3.1 Pro inferisce forma, proporzioni, relazioni spaziali e genera modelli 3D utilizzabili. Eccelle nella modellazione parametrica: parti meccaniche, modelli architettonici, prodotti configurabili, mobili custom.
Senza connettori MCP, scrive ed esegue script per Blender e software CAD per costruire e raffinare asset, modificare componenti, regolare geometria, materiali e layout di scena. Su kimi.ai e sull’app Kimi è disponibile 3D Make: preview e modifica dei modelli 3D online, download pronti per la stampa 3D, export come video o Live Photos.
Finanza: meno allucinazioni, più affidabilità
K3.1 Pro gestisce workflow finanziari completi end-to-end. Su OfficeQA Pro v2 — che testa analisi di dati fiscali complessi su documenti finanziari reali tramite retrieval, verifica cross-document e ragionamento numerico multi-step — raggiunge 64,4, stato dell’arte. Migliora anche su Frontier Finance, che misura il supporto per workflow di investimento completi, dallo screening all’analisi di redditività.
Sui benchmark finanziari interni i miglioramenti sono netti. Financial Modeling valuta linkage di formule, logica finanziaria e qualità finale del workbook: K3.1 Pro migliora di 7,2 punti su K3. Financial Research valuta se il modello produce ricerca verificabile sotto vincoli di evidenza e cutoff: +11,6 punti. Business Operation valuta gestione e decision-making a lungo termine in un ambiente business simulato: K3.1 Pro raggiunge circa 4,2 volte le performance di K3.
L’analisi finanziaria richiede accuratezza fattuale alta, e Moonshot ha lavorato proprio su questo. Su Kimi Hallu Bench Hard, un benchmark interno progettato per stress-testare l’accuratezza fattuale, il tasso di allucinazioni a livello di claim è sceso dal 23,4% di K3 all’8,3%. La quota di risposte contenenti almeno un errore fattuale è solo il 42,4% di quella del predecessore. Attenzione: il benchmark è uno stress test deliberatamente progettato per sondare situazioni in cui i modelli tendono a sbagliare — i tassi riportati non rappresentano i tassi di errore complessivi nell’uso quotidiano.
Cybersecurity: capacità elevate, controlli mirati
Qui le cose si fanno delicate. Man mano che K3.1 Pro diventava più capace, Moonshot ha dedicato una quota crescente di effort a capire da dove arriva la capacità cyber e quanto di essa può essere controllata. Hanno analizzato le capacità di vulnerability research del modello e applicato controlli mirati durante il training per ridurre il rischio di misuse preservando l’utilità generale.
Durante lo sviluppo, hanno osservato le performance di vulnerability research migliorare costantemente con lo scaling del post-training. Tracciando la fonte, hanno trovato che contenuti cyber-related erano incorporati nel corpus generale di mid-training, e task cyber-related erano presenti nel mix di ambienti RL — un sottoprodotto naturale del training su dati ampi. In esperimenti preliminari su modelli interni, hanno scoperto che senza rimozione di dati né in mid-training né in RL, la capacità cyber downstream sarebbe aumentata sostanzialmente. Questo ha dato loro una leva concreta di controllo.
Per il rilascio open-weight, hanno identificato e rimosso dati cyber-related da entrambe le fasi di training, mantenendo i task di coding general-purpose necessari per l’utilità del modello. Dopo la pulizia dei dati, hanno valutato K3.1 Pro su xdev-bench-hard, il loro benchmark interno di task di vulnerability discovery ed exploitation curati da esperti, basati su codice sorgente, calibrati per fornire differenziazione significativa al loro livello di capacità attuale. La maggior parte dei task riproduce vulnerabilità recentemente divulgate in software come il kernel Linux, Node.js, JavaScriptCore, Exim e VirGL, con mitigazioni abilitate. Ogni task fornisce il codice sorgente vulnerabile, un breve hint sul bug e il binario corrispondente; l’agente deve sviluppare un exploit, ottenere arbitrary code execution in una sandbox separata e recuperare una stringa segreta per la verifica automatizzata.
Su xdev-bench-hard, il checkpoint senza misure di riduzione del rischio risolve il 90,5% dei problemi a pass@3; il K3.1 Pro finale raggiunge l’81,0%. La rimozione dei dati riduce significativamente la capacità cyber rispetto a ciò che la stessa pipeline di training produrrebbe altrimenti. K3.1 Pro migliora comunque rispetto al predecessore: capacità di coding generale e debugging a lungo termine più forti si generalizzano ai task cyber anche dopo la rimozione mirata dei dati. La capacità cyber di K3.1 Pro rimane dietro quella dei modelli proprietari frontier disponibili pubblicamente da almeno tre mesi.
Principi open-weight
Queste valutazioni inquadrano la decisione di rilascio open-weight. Moonshot non intende rilasciare pesi aperti che estendano la frontiera assoluta della capacità cyber: quella offensiva di K3.1 Pro è, per design, sotto ciò che la loro pipeline può produrre, e rimane dietro quella dei modelli proprietari frontier. Intendono però alzare progressivamente la capacità cyber disponibile in pesi aperti. La loro tesi è che rendere K3.1 Pro disponibile in modo non discriminatorio avvantaggi chi ha bisogno di capacità dual-use per scopi difensivi. Quando un modello capace è open e gira su infrastruttura controllata dai suoi utenti, molti più team acquisiscono i mezzi per auditare il codice che mantengono — inclusi sistemi legacy che raramente ricevono revisioni di sicurezza dedicate. Lasciare che questa capacità si diffonda gradualmente, invece di concentrarla in pochi sistemi proprietari, rende alla fine tutto il software più sicuro.
Disponibilità e rilascio
Kimi K3.1 Pro è disponibile da oggi su kimi.ai, Kimi Work, Kimi Code e tramite Kimi API. I pesi completi saranno rilasciati entro il 4 novembre 2026. C’è anche Kimi K3.1 Pro Highspeed, che offre 2-3 volte la velocità di K3.1 Pro per interazioni più responsive.
Gli amministratori Kimi Enterprise possono abilitare K3.1 Pro per la loro organizzazione; l’accesso è disabilitato di default al lancio. Per l’API è disponibile Zero Data Retention per i clienti. Kimi Business offre privacy dei dati enterprise-grade e gestione dei membri, con separazione completa tra account personali e organizzazione.
