Análise aprofundada · Cerca de 9 min de leitura
Kimi K3.1 Pro: ganhos no pós-treinamento, dependência de ferramentas e publicação posterior dos pesos
A Moonshot descreve o lançamento de um modelo com contexto de 1M, resultados melhores em avaliações de agentes e controles específicos de cibersegurança; os pesos completos continuam sendo um compromisso para 4 de novembro.
- Publicado aqui
- Data da fonte
- Fonte verificada
O anúncio da Moonshot de 24 de outubro apresenta o Kimi K3.1 Pro e uma variante Highspeed em sua família de produtos. As questões centrais são o que mudou com o pós-treinamento, como as avaliações publicadas foram realizadas e quais afirmações sobre acesso correspondem a recursos já operacionais ou a planos futuros.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- A Moonshot descreve o K3.1 Pro como um modelo K3 pós-treinado com uma janela de contexto de um milhão de tokens; a velocidade de 2–3× atribuída ao Highspeed não é uma medição deste site.
- Os resultados de programação, CAD e finanças dependem de ferramentas, ambientes de avaliação e definições dos testes; eles não estabelecem uma classificação universal de modelos.
- O anúncio afirma que a disponibilização nos produtos começa agora, que os pesos completos chegam até 4 de novembro de 2026 e que o acesso empresarial fica desativado por padrão até que um administrador o habilite.
A mudança está no pós-treinamento e no sistema que o sustenta
A Moonshot apresenta o K3.1 Pro como o primeiro modelo da série K3.1 e uma versão pós-treinada do K3, com muito mais computação dedicada ao pós-treinamento. Ela descreve aprendizado por reforço conjunto em centenas de domínios de aplicação, apoiado por mudanças na inferência com contextos longos, na infraestrutura de ambientes isolados, no agendamento das execuções de geração e nas verificações da qualidade dos ambientes. O anúncio usa a descrição de classe 3T e informa uma janela de contexto de um milhão de tokens; este artigo não transforma essa classificação em uma contagem exata de parâmetros.
Nossa leitura é que se trata de uma afirmação sobre melhorar como um modelo existente aprende e conclui tarefas prolongadas, e não de evidência de que o comprimento do contexto, por si só, produz resultados melhores. A Moonshot também apresenta o K3.1 Pro Highspeed e afirma que sua velocidade é de 2–3× a do Pro. O anúncio não fornece uma distribuição de latência reproduzida de forma independente, um ganho universal de velocidade por tarefa nem uma comparação completa de custos; portanto, a variante mais rápida ainda precisa ser avaliada na carga de trabalho real do leitor.
As pontuações de programação exigem a leitura das notas sobre o ambiente de avaliação
No Terminal-Bench 4.0, a Moonshot informa 65,7% para o K3.1 Pro, em comparação com 58,2% para o GPT-6 Astra e 66,4% para o Claude Opus 5.5. Seu resultado no Kimi Code Bench 3.0 Long-horizon é de 61,2%, contra 55,95% do K3. São testes diferentes: o primeiro examina tarefas de terminal sob restrições específicas de cada tarefa, enquanto o segundo é uma avaliação interna de trabalho de engenharia com várias etapas. Nenhum desses números significa que o modelo concluirá a mesma porcentagem de projetos arbitrários em produção.
As notas de rodapé dizem que o Kimi usa o ambiente de avaliação Claude-Code nesses testes de programação. Salvo indicação em contrário, o Kimi é avaliado com esforço de raciocínio max, temperature 1,0 e top-p 0,95; os resultados dos outros modelos podem vir de relatórios de lançamento ou classificações oficiais, e algumas configurações proprietárias podem incluir mecanismos de contingência. Por isso, nossa análise trata os dados como uma comparação do fornecedor com condições divulgadas, e não como uma nova execução independente. As equipes devem comparar em conjunto a conclusão bem-sucedida de tarefas, as permissões das ferramentas e o uso real de recursos.
O CAD mostra por que a configuração das ferramentas importa
A Moonshot informa pontuações de 92,7 com ferramentas e 72,8 sem ferramentas no BenchCAD. O teste reconstrói formas a partir de várias vistas renderizadas por meio de código CAD; os modelos abertos foram avaliados em um subconjunto aleatório de 1000 casos de um conjunto com 17900 casos. A configuração com ferramentas usa Claude Code, enquanto a outra usa uma única geração e o processo oficial de pontuação. O GPT-6 Astra não tem pontuação sem ferramentas divulgada nessa comparação; uma informação ausente não equivale a zero.
O anúncio afirma que o K3.1 Pro pode escrever scripts para Blender e programas CAD sem um conector MCP e descreve o 3D Make para pré-visualizar, editar e exportar modelos. Para um designer, nossa distinção prática separa a geração de geometria editável, a correspondência com uma forma de referência e a comprovação de que uma peça é adequada para fabricação. Esses requisitos são distintos. As legendas dos exemplos da página também dão crédito a recursos externos; portanto, as cenas apresentadas não devem ser descritas como conteúdo criado inteiramente pelo modelo. Não operamos essas demonstrações de forma independente.
Os ganhos em finanças e as taxas de alucinação usam unidades diferentes
A fonte informa 64,4 no OfficeQA Pro v2, que combina recuperação de informações, verificações entre documentos e raciocínio numérico sobre documentos financeiros. Os testes internos de modelagem e pesquisa financeira melhoram em relação ao K3 em 7,2 e 11,6 pontos, respectivamente. Essas afirmações dizem respeito a tarefas de avaliação definidas, e não a retornos de investimento ou à produtividade verificada de analistas. A página também contém uma discrepância não resolvida: o gráfico de Business Operation mostra 37,0, enquanto a tabela completa de avaliação mostra 37,8. Não conciliamos esses valores de forma implícita nem deduzimos um multiplicador preciso de desempenho empresarial.
No teste interno de estresse Hallu Bench Hard, a Moonshot afirma que a taxa de alucinação por afirmação cai de 23,4% no K3 para 8,3% no Pro. Separadamente, a proporção de respostas com pelo menos um erro factual corresponde a 42,4% da taxa de seu antecessor; isso não é uma taxa absoluta de erro de 42,4%. A fonte afirma explicitamente que esses enunciados deliberadamente difíceis não representam as taxas de erro no uso cotidiano. Para o trabalho financeiro, nossa conclusão é preservar citações, premissas e verificações dos cálculos, em vez de interpretar a menor taxa no teste como autorização para dispensar a revisão.
Os controles de cibersegurança reduzem uma capacidade medida sem eliminá-la
A Moonshot afirma que identificou material relacionado à cibersegurança tanto nos dados da etapa intermediária do treinamento quanto nos ambientes de aprendizado por reforço, e depois removeu material específico, preservando tarefas gerais de programação. Em seu teste interno xdev-bench-hard, o ponto de controle sem filtragem resolve 90,5% dos problemas em pass@3 e o modelo Pro final alcança 81,0%. A avaliação usa um subconjunto de execuções sem limites rígidos de tempo ou de tokens de saída. Pass@3 é uma medida de várias tentativas, não uma taxa de sucesso em uma única tentativa nem uma garantia sobre o risco de uma implantação comum.
O princípio de publicação declarado pela empresa é evitar ampliar a fronteira absoluta da capacidade cibernética ofensiva e, ao mesmo tempo, distribuir gradualmente capacidades defensivas úteis por meio de pesos abertos. Esse é o argumento de política da Moonshot, e não nossa certificação de segurança. Um resultado de 81,0% ainda indica capacidade considerável nesse teste, e a fonte reconhece que melhorias gerais de programação se transferem para tarefas de cibersegurança após a filtragem específica. Nossa análise favorece a manutenção dos controles de acesso e dos limites dos ambientes isolados, em vez de tratar a remoção de dados de treinamento como uma proteção operacional completa.
A disponibilidade nos produtos e os pesos para download têm cronogramas distintos
O anúncio afirma que o Pro está sendo disponibilizado no Kimi.com, nos aplicativos móveis, no Kimi Work, no Kimi Code e na API. Ele especifica Kimi Work 3.1.0 ou posterior para Windows e Macs com Apple silicon, a seleção do modelo por /model no Kimi Code e os identificadores de API kimi-k3.1-pro e kimi-k3.1-pro-highspeed. Zero Data Retention é descrito como disponível para clientes da API; isso não estabelece que seja a configuração padrão de todas as contas. Administradores empresariais podem habilitar o Pro, com o acesso desativado por padrão no lançamento.
Os pesos completos do modelo são prometidos até 4 de novembro de 2026. Esse compromisso futuro deve permanecer distinto do anúncio atual de produtos hospedados e de qualquer avaliação posterior de licença ou hardware. Não baixamos pesos, não testamos o acesso pago nem verificamos todos os planos e regiões. Esta análise usa o texto completo do artigo, as notas de rodapé, a tabela de avaliação exibida e as figuras estáticas; os vídeos opcionais de demonstração, os exemplos interativos e os documentos de exemplo anexados não foram integralmente auditados e não servem aqui como evidência de desempenho verificado de forma independente.
Por que importa
Para desenvolvedores e organizações, o lançamento oferece uma configuração concreta de modelo e ferramentas para avaliar em programação, CAD e trabalho intensivo com documentos. A comparação útil é saber se ela conclui as tarefas da própria equipe dentro de suas permissões, orçamento e processo de revisão.
Limites e disponibilidade
Todos os resultados divulgados de desempenho e redução de riscos são atribuídos à Moonshot e às avaliações citadas por ela. Este site não os reproduziu de forma independente, não verificou todos os direitos de acesso nem auditou as demonstrações opcionais; a publicação original é conhecida apenas com precisão de dia do calendário.
Fontes e evidências
Data da fonte: · Fonte verificada:
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.