Análisis en profundidad · Unos 9 min de lectura
Kimi K3.1 Pro: mejoras del posentrenamiento, dependencia de herramientas y publicación posterior de los pesos
Moonshot describe el despliegue de un modelo con contexto de 1M, mejores resultados de agentes y controles de ciberseguridad específicos; los pesos completos siguen siendo un compromiso para el 4 de noviembre.
- Publicado aquí
- Fecha de la fuente
- Fuente revisada
El anuncio de Moonshot del 24 de octubre presenta Kimi K3.1 Pro y una variante Highspeed en su familia de productos. Las cuestiones de fondo son qué cambió con el posentrenamiento, cómo se realizaron las evaluaciones publicadas y qué afirmaciones sobre el acceso corresponden a funciones ya operativas o a planes futuros.
Escucha las noticias
Escucha este artículo o continúa con las noticias.
Preparando la lectura…
Voz del dispositivo
El navegador o dispositivo procesa la voz. AISubHub no envía el texto a una API de audio. Las voces y la reproducción con pantalla bloqueada dependen del dispositivo.
Al continuar puede repetirse una frase breve.
Resumen
- Moonshot describe K3.1 Pro como un modelo K3 posentrenado con una ventana de contexto de un millón de tokens; la velocidad de 2–3× atribuida a Highspeed no es una medición de este sitio.
- Los resultados de programación, CAD y finanzas dependen de las herramientas, los entornos de evaluación y las definiciones de cada prueba; no establecen una clasificación universal de modelos.
- El anuncio dice que el despliegue en productos comienza ahora, que los pesos completos llegarán a más tardar el 4 de noviembre de 2026 y que el acceso empresarial está desactivado por defecto hasta que lo habilite un administrador.
El cambio está en el posentrenamiento y en el sistema que lo sustenta
Moonshot presenta K3.1 Pro como el primer modelo de su serie K3.1 y una versión posentrenada de K3, con una capacidad de cómputo de posentrenamiento considerablemente mayor. Describe un aprendizaje por refuerzo conjunto en cientos de ámbitos posteriores, respaldado por cambios en la inferencia con contextos largos, la infraestructura de entornos aislados, la programación de las ejecuciones de generación y las comprobaciones de calidad de los entornos. El anuncio lo describe como de clase 3T y especifica una ventana de contexto de un millón de tokens; este artículo no convierte esa categoría en un número exacto de parámetros.
Nuestra lectura es que se trata de una afirmación sobre cómo mejorar el aprendizaje de un modelo existente y su capacidad para completar tareas prolongadas, y no de una prueba de que la longitud del contexto por sí sola produzca mejores resultados. Moonshot también presenta K3.1 Pro Highspeed y afirma que ofrece una velocidad de 2–3× respecto a Pro. El anuncio no aporta una distribución de latencias reproducida de forma independiente, una aceleración universal por tarea ni una comparación completa de costes, por lo que la variante más rápida aún debe evaluarse con la carga de trabajo real del lector.
Las puntuaciones de programación exigen leer las notas del entorno de evaluación
En Terminal-Bench 4.0, Moonshot comunica un 65,7% para K3.1 Pro, frente al 58,2% de GPT-6 Astra y el 66,4% de Claude Opus 5.5. Su resultado en Kimi Code Bench 3.0 Long-horizon es del 61,2%, frente al 55,95% de K3. Son pruebas distintas: la primera examina tareas de terminal con restricciones específicas de cada tarea, mientras que la segunda es una evaluación interna del trabajo de ingeniería en varios pasos. Ninguna cifra significa que el modelo vaya a completar ese mismo porcentaje de proyectos de producción elegidos arbitrariamente.
Las notas al pie indican que Kimi utiliza el entorno de evaluación Claude-Code para estas pruebas de programación. Salvo indicación contraria, Kimi se evalúa con un esfuerzo de razonamiento max, temperature 1,0 y top-p 0,95; los resultados de otros modelos pueden proceder de informes de lanzamiento o clasificaciones oficiales, y algunas configuraciones de modelos propietarios pueden incluir mecanismos de respaldo. Por ello, nuestro análisis lo trata como una comparación del proveedor con condiciones declaradas, no como una nueva ejecución independiente. Los equipos deberían comparar conjuntamente la finalización correcta de tareas, los permisos de las herramientas y el consumo real de recursos.
CAD muestra por qué importa la configuración de las herramientas
Moonshot comunica puntuaciones de BenchCAD de 92,7 con herramientas y 72,8 sin ellas. La prueba reconstruye formas a partir de varias vistas renderizadas mediante código CAD; los modelos abiertos se evaluaron en un subconjunto de 1000 casos seleccionado aleatoriamente de un conjunto de 17900 casos. La configuración con herramientas utiliza Claude Code, mientras que la otra emplea una única generación y el proceso oficial de puntuación. GPT-6 Astra no tiene una puntuación sin herramientas publicada en esta comparación; un dato ausente no equivale a cero.
El anuncio dice que K3.1 Pro puede escribir scripts para Blender y programas CAD sin un conector MCP, y describe 3D Make como una función para previsualizar, editar y exportar modelos. Para un diseñador, nuestra distinción práctica separa la generación de geometría editable, la coincidencia con una forma de referencia y la demostración de que una pieza es apta para fabricarse. Son requisitos distintos. Los textos de los ejemplos de la página también reconocen el uso de recursos externos, por lo que sus escenas no deben describirse como contenido creado íntegramente por el modelo. No hemos utilizado esas demostraciones de forma independiente.
Las mejoras financieras y las tasas de alucinación usan unidades diferentes
La fuente comunica un 64,4 en OfficeQA Pro v2, que combina recuperación de información, comprobaciones entre documentos y razonamiento numérico sobre documentos financieros. Sus pruebas internas de modelización e investigación financiera mejoran respecto a K3 en 7,2 y 11,6 puntos, respectivamente. Estas afirmaciones se refieren a tareas de evaluación definidas, no a rentabilidades de inversión ni a una productividad de analistas verificada. La página también contiene una discrepancia sin resolver: el gráfico de Business Operation muestra 37,0, mientras que la tabla completa de evaluación muestra 37,8. No conciliamos esas cifras de forma tácita ni deducimos un multiplicador preciso del rendimiento empresarial.
En la prueba de estrés interna Hallu Bench Hard, Moonshot afirma que la tasa de alucinaciones por afirmación baja del 23,4% de K3 al 8,3% de Pro. Por separado, la proporción de respuestas con al menos un error factual representa el 42,4% de la tasa de su predecesor; no es una tasa absoluta de error del 42,4%. La fuente dice expresamente que estas preguntas deliberadamente difíciles no representan las tasas de error del uso cotidiano. Para el trabajo financiero, nuestra conclusión es conservar las citas, los supuestos y las comprobaciones de los cálculos, en lugar de interpretar la menor tasa de la prueba como permiso para omitir la revisión.
Los controles de ciberseguridad reducen una capacidad medida sin eliminarla
Moonshot afirma que identificó material relacionado con la ciberseguridad tanto en los datos de la fase intermedia de entrenamiento como en los entornos de aprendizaje por refuerzo, y después retiró material específico manteniendo las tareas generales de programación. En su prueba interna xdev-bench-hard, el punto de control sin filtrar resuelve el 90,5% de los problemas con pass@3 y el modelo Pro final alcanza el 81,0%. La evaluación utiliza un subconjunto de ejecuciones sin límites estrictos de tiempo ni de tokens de salida. Pass@3 es una medida de varios intentos, no una tasa de éxito en un único intento ni una garantía sobre el riesgo de un despliegue ordinario.
El principio de publicación declarado por la empresa es evitar ampliar la frontera absoluta de la capacidad cibernética ofensiva y, al mismo tiempo, distribuir gradualmente capacidades defensivas útiles mediante pesos abiertos. Ese es el argumento de política de Moonshot, no una certificación de seguridad nuestra. Un resultado del 81,0% sigue indicando una capacidad considerable en esa prueba, y la fuente reconoce que las mejoras generales de programación se transfieren a tareas de ciberseguridad incluso después del filtrado específico. Nuestro análisis favorece mantener los controles de acceso y los límites de los entornos aislados, en lugar de tratar la retirada de datos de entrenamiento como una salvaguarda operativa completa.
La disponibilidad en productos y los pesos descargables siguen calendarios distintos
El anuncio dice que Pro se despliega en Kimi.com, las aplicaciones móviles, Kimi Work, Kimi Code y la API. Especifica Kimi Work 3.1.0 o posterior para Windows y Mac con Apple silicon, la selección del modelo mediante /model en Kimi Code y los identificadores de API kimi-k3.1-pro y kimi-k3.1-pro-highspeed. Describe Zero Data Retention como una opción disponible para clientes de la API; eso no demuestra que sea la opción predeterminada de todas las cuentas. Los administradores empresariales pueden habilitar Pro, cuyo acceso está desactivado por defecto en el lanzamiento.
Los pesos completos del modelo se prometen a más tardar para el 4 de noviembre de 2026. Ese compromiso futuro debe mantenerse separado del anuncio actual de productos alojados y de cualquier evaluación posterior de licencias o hardware. No hemos descargado pesos, probado el acceso de pago ni verificado todos los planes y regiones. Este análisis utiliza el texto completo del artículo, las notas al pie, la tabla de evaluación mostrada y las figuras estáticas; los vídeos de demostración opcionales, los ejemplos interactivos y los documentos de ejemplo adjuntos no se auditaron por completo y aquí no sirven como prueba de un rendimiento verificado de forma independiente.
Por qué importa
Para desarrolladores y organizaciones, el lanzamiento ofrece una configuración concreta de modelo y herramientas que evaluar en programación, CAD y trabajo intensivo con documentos. La comparación útil consiste en comprobar si completa sus propias tareas dentro de sus permisos, presupuesto y proceso de revisión.
Límites y disponibilidad
Todos los resultados comunicados de rendimiento y reducción de riesgos se atribuyen a Moonshot y a las evaluaciones que cita. Este sitio no los ha reproducido de forma independiente, no ha verificado todos los derechos de acceso ni ha auditado las demostraciones opcionales; la publicación original solo se conoce con precisión de día de calendario.
Fuentes y pruebas
Fecha de la fuente: · Fuente revisada:
Contenido editorial asistido por IA y contrastado con fuentes primarias. Las afirmaciones del proveedor se atribuyen; la inclusión no implica recomendación.