Modello cinese Kimi K3.1 Pro si avvicina a Claude Opus 5.5

Il modello di intelligenza artificiale cinese Kimi K3.1 Pro, sviluppato da Moonshot AI, ha raggiunto il quarto posto nell'Artificial Analysis Intelligence Index con 55 punti, avvicinandosi a Claude Opus 5.5. Questo avanzamento rappresenta un balzo in avanti di 11 punti rispetto al precedente modello Kimi K3.

Prestazioni e miglioramenti

Kimi K3.1 Pro ha mostrato miglioramenti significativi in diverse aree, tra cui compiti agentivi, programmazione e modellazione 3D. Nel GDPval-AA-Benchmark, il modello ha raggiunto 1.846 Elo, superando di 312 punti il suo predecessore K3 e posizionandosi appena dietro Claude Opus 5.5 e Muse Wonder Full.

Nel Terminal-Bench 4.0, Kimi K3.1 Pro ha ottenuto un punteggio del 65,7%, superando GPT-6 Astra (58,2%) e posizionandosi appena dietro Claude Opus 5.5 (66,4%). Inoltre, il modello ha ridotto significativamente il tasso di allucinazioni, passando dall'23,4% di K3 all'8,3% nel Kimi Hallu Bench Hard.

Benchmark e prestazioni

Ecco una selezione dei benchmark in cui Kimi K3.1 Pro si è distinto:

• Terminal-Bench 4.0: 65,7% (Kimi K3.1 Pro) vs 66,4% (Claude Opus 5.5)
• SWE Marathon v1.1: 51,7% (Kimi K3.1 Pro) vs 46,3% (Claude Opus 5.5)
• DeepSWE v1.1: 75,5% (Kimi K3.1 Pro) vs 74,2% (Claude Opus 5.5)
• BenchCAD (con strumenti): 92,7% (Kimi K3.1 Pro) vs 96,2% (Claude Opus 5.5)
• HLE-Full (con strumenti): 70,0% (Kimi K3.1 Pro) vs 67,7% (Claude Opus 5.5)
• OfficeQA Pro v2: 64,4% (Kimi K3.1 Pro) vs 62,2% (Claude Opus 5.5)
• Automation Bench-AA: 73,3% (Kimi K3.1 Pro) vs 69,5% (Claude Opus 5.5)
• GDPval-AA v2.1 (Elo): 1.846 (Kimi K3.1 Pro) vs 1.866 (Claude Opus 5.5)
• GPQA-Diamond: 94,2% (Kimi K3.1 Pro) vs 93,9% (Claude Opus 5.5)
• ExploitBench: 74,7% (Kimi K3.1 Pro) vs 91,0% (Claude Opus 5.5)

Modellazione 3D e programmazione

Kimi K3.1 Pro è in grado di lavorare direttamente con motori di gioco come Unity, Unreal Engine e Godot, coprendo un ampio spettro di compiti, dalla risoluzione rapida di problemi alla creazione completa di progetti. Nel BenchCAD-Benchmark, il modello ha raggiunto il 92,7% con strumenti, posizionandosi vicino a Claude Opus 5.5 (96,2%) e GPT-6 Astra (95,9%). Senza strumenti, ha ottenuto il 72,8%, quasi uguale a Claude Opus 5.5 (73,0%).

Il modello eccelle nella modellazione parametrica, come parti meccaniche, modelli architettonici e prodotti configurabili. Senza MCP-Konnektoren, può scrivere e eseguire script per Blender e software CAD. Moonshot ha introdotto una funzionalità chiamata "3D Make" su Kimi.com, che consente la visualizzazione, la modifica e l'esportazione di modelli 3D.

Prezzi e dimensioni del modello

Kimi K3.1 Pro mantiene le stesse dimensioni del suo predecessore, con 2,8 trilioni di parametri totali e 104 miliardi di parametri attivi. Il modello ha una finestra di contesto di un milione di token e può elaborare testo e immagini. Secondo Artificial Analysis, Kimi K3.1 Pro si trova in cima alla frontiera di Pareto, il che significa che nessun altro modello con un numero simile di parametri raggiunge un valore di indice di intelligenza più alto.

I prezzi dei token sono stati ridotti del 33%: l'input costa 2 dollari per milione di token (invece di 3), l'output costa 10 dollari (invece di 15) e i cache hit costano 0,20 dollari (invece di 0,30). Per task di intelligenza dell'indice, Kimi K3.1 Pro costa 1,98 dollari, quasi identico a Kimi K3 (2,00 dollari), poiché genera il 14% in più di token di output.

Cybersicurezza

Moonshot AI ha dedicato una sezione specifica alla cybersicurezza nel suo blog tecnico. L'azienda ha osservato che le capacità di ricerca delle vulnerabilità aumentavano con l'aumento del post-training. Per la pubblicazione dei modelli open-weight, Moonshot ha rimosso intenzionalmente i dati relativi alla cybersicurezza da entrambe le fasi di addestramento.

Nel benchmark interno xdev-bench-hard, che riproduce vulnerabilità recentemente divulgate in software come il kernel Linux, Node.js e JavaScriptCore, la versione non depurata risolve il 90,5% dei compiti, mentre K3.1 Pro, dopo la depurazione dei dati, risolve l'81,0%. Per confronto, DeepSeek-V4.1-Flash raggiunge l'85,7%, mentre Kimi K3 raggiunge solo il 33,3%.

Moonshot ha formulato due principi: primo, nessun modello open-weight dovrebbe espandere la frontiera assoluta delle capacità offensive di cybersicurezza. Secondo, le capacità disponibili nei modelli aperti dovrebbero essere gradualmente aumentate, poiché i modelli aperti servono anche a scopi difensivi, come la verifica dei sistemi legacy.