Moonshot AI startet Kimi K3.1 Pro und kommt Claude Opus 5.5 nahe
Moonshot AI hat Kimi K3.1 Pro in Kimi.ai, Kimi Work, Kimi Code und der API aktiviert, die offenen Modellgewichte folgen erst am 4. November. Im Terminal-Bench 4.0 erreicht das Modell 65,7 Prozent und liegt damit nur knapp hinter Claude Opus 5.5 mit 66,4 Prozent.
Veröffentlicht am 23. Oktober • Zuerst erschienen auf elsolitario.org
Moonshot AI hat heute Kimi K3.1 Pro in Kimi.ai, Kimi Work, Kimi Code und über seine API aktiviert, wobei die offenen Modellgewichte erst am 4. November folgen werden. Bis dahin tritt das Modell bereits eng mit Claude Opus 5.5 beim agentenbasierten Programmieren an: 65,7 Prozent gegenüber 66,4 Prozent bei Terminal-Bench 4.0.
Mit dem Launch kommt auch K3.1 Pro Highspeed hinzu, eine zwei- bis dreimal schnellere Variante, die für Interaktionen in Echtzeit gedacht ist. Es ist die erste Auslieferung der neuen K3.1-Serie und der größte Sprung von Moonshot AI seit Kimi K3.
Kimi K3.1 Pro ist das Open-Source-Flaggschiffmodell, das Moonshot AI in seine neue K3.1-Serie aufgenommen hat, mit freigegebenen Gewichten und einem Kontextfenster von einer Million Tokens. Es handelt sich um eine nachtrainierte Version von Kimi K3 durch groß angelegtes reinforcement learning, optimiert für Programmierung, 3D-Modellierung und Finanzanalyse.
Moonshot AI beschreibt es als sein bislang fähigstes offenes Modell der Klasse mit 3 Billionen Parametern. Es ist ab heute in den vier Produkten der Kimi-Familie verfügbar: dem allgemeinen Chat in Kimi.ai, der Arbeitsumgebung Kimi Work, dem Programmierassistenten Kimi Code sowie der API für Entwickler.
Anders als bei einem Launch von Grund auf baut K3.1 Pro auf denselben Basisgewichten von Kimi K3 auf und fügt eine deutlich größere Schicht aus reinforcement learning hinzu, die auf Hunderte verschiedene Domänen gleichzeitig angewendet wird.
Die Ankündigung kam mit konkreten Leistungszahlen. Bei Terminal-Bench 4.0, das Code-Agenten bei Terminalaufgaben mit begrenzten Ressourcen bewertet, erreicht Kimi K3.1 65,7 Prozent. Das platziert es über GPT-6 Astra (58,2 Prozent) und knapp hinter Claude Opus 5.5 (66,4 Prozent).
Im internen Benchmark Kimi Code Bench 3.0 Long-horizon, der mehrstufige Ausführung und Werkzeugnutzung bei Engineering-Aufgaben misst, erreicht das Modell 61,2 Prozent, gegenüber 55,95 Prozent bei Kimi K3. Die Verbesserung von fast 5,3 Punkten stammt aus demselben erweiterten reinforcement learning, das die gesamte K3.1-Serie definiert.
K3.1 Pro Highspeed läuft zwei- bis dreimal schneller als das Basismodell und ist für Chats und Agenten gedacht, die sofortige Antworten benötigen. Moonshot AI hat für diese Version noch keine eigenen Benchmarks veröffentlicht, sodass ihre tatsächliche Qualität im Vergleich zum Standardmodell bislang nicht unabhängig bestätigt ist. Terminal-Bench 4.0 bewertet Code-Agenten bei Terminalaufgaben mit begrenzten Ressourcen.
Moonshot AI ist das chinesische Labor hinter der Kimi-Familie, das sich von einem einzelnen Chat-Assistenten zu einem Ökosystem mit getrennten Versionen für Arbeit, Programmierung und Agenten entwickelt hat. Diese Aufteilung kam mit Kimi K3, verteilt auf Kimi Work, Kimi Code und Kimi Claw.
K3.1 Pro ist der direkte Nachfolger dieses Modells: Es übernimmt dieselben Basisgewichte und fügt eine deutlich größere Runde reinforcement learning in Hunderten Domänen gleichzeitig hinzu. Moonshot AI positioniert es als seine bislang direkteste Antwort auf die geschlossenen Modelle von Anthropic und OpenAI bei Aufgaben für Code-Agenten.
Der Leistungssprung kommt nicht von einer neuen Architektur, sondern davon, wie Moonshot AI das reinforcement learning organisiert. Das Unternehmen hat das RL-Framework, die Inferenz mit langem Kontext, die Trainingseffizienz, die Sandbox-Infrastruktur und die Rollout-Planierung Schicht für Schicht neu gestaltet, dazu eine gemeinsame Plattform, die die Qualität jeder Trainingsumgebung prüft.
Dieses Redesign ermöglicht, dass jede zusätzliche Rechenleinheit im RL einen stabilen und vorhersagbaren Gewinn in jeder Domäne erzeugt, statt Verbesserungen, die in einigen Bereichen stagnieren, während andere zurückfallen. Das folgende Diagramm fasst diesen Ablauf zusammen:
flowchart TD A [ "RL-Framework" ] -- > B [ "Inferenz mit langem Kontext" ] B -- > C [ "Trainingseffizienz" ] C -- > D [ "Sandbox-Infrastruktur" ] D -- > E [ "Rollout-Planung" ] E -- > F [ "Qualitätsprüfung der Umgebungen" ] F -- > G [ "Stabiler Gewinn pro RL-Rechenleistung" ] Enter fullscreen mode Exit fullscreen mode Der konkretste Fall, den Moonshot AI dokumentiert hat, ist ein Simulator für die Dynamik des menschlichen Gehens, aufgebaut auf human-atlas, einem offenen anatomischen Modell mit 296 Knochenkomponenten und 402 Muskelkomponenten. In 167 Missionen und 420 unabhängigen Revisionen analysierte das Modell experimentelle Ergebnisse, diagnostizierte Fehler und verfeinerte den Lauf-Controller, bis die Simulation statt nach Sekunden zusammenzubrechen 11,2 Sekunden mit abwechselnden Schritten laufen konnte.
Als das Anpassen der Belohnungsfunktion die Armbewegung nicht mehr verbesserte, bestand das System nicht mit weiteren Anpassungen darauf. Es führte Open-Loop-Tests zur Physik des Simulators durch, fand und korrigierte 36 Fehler in der Berechnung des Hebelarms der Schultermuskeln und trainierte erst danach den Controller erneut.
Bei der 3D-Modellierung nutzt K3.1 Pro räumliches reasoning, um Form, Proportionen und Beziehungen zwischen Bauteilen aus einer Skizze, einem Referenzbild oder einer Textbeschreibung abzuleiten. Bei BenchCAD, das die 3D-Rekonstruktion von Multi-View-Renderings bis zur Erzeugung von CAD-Code misst, erreicht es 92,7 Prozent mit Werkzeugen, nahe an den 96,2 Prozent von Claude Opus 5.5 und den 95,9 Prozent von GPT-6 Astra. Es kann Skripte für Blender und CAD-Software schreiben und ausführen, ohne auf MCP-Konnektoren angewiesen zu sein, was für die parametrische Modellierung von Maschinenteilen oder konfigurierbaren Möbeln nützlich ist.
Benchmark | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | Terminal-Bench 4.0 (Code-Agenten) | 65,7% | 66,4% | 58,2% | BenchCAD (3D-Modellierung mit Werkzeugen) | 92,7% | 96,2% | 95,9% Im Finanzbereich erreicht das Modell 64,4 Punkte bei OfficeQA Pro v2, das beste gemeldete Ergebnis für diesen Benchmark, der die Analyse echter Steuerdaten mit abgleichender Prüfung über Dokumente hinweg verlangt. Es verbessert sich zudem um 7,2 Punkte gegenüber Kimi K3 bei Financial Modeling, das Formelverknüpfungen und Finanzlogik in echten Tabellen bewertet, und um 11,6 Punkte bei Financial Research, das misst, ob das Modell überprüfbare Recherche unter Evidenz- und Stichtagsbeschränkungen liefert. Bei Business Operation, einer simulierten Umgebung für langfristiges Geschäftsmanagement, ist das Modell fast 4,2-mal leistungsfähiger als Kimi K3.
BenchCAD misst die 3D-Rekonstruktion von Multi-View-Renderings bis zu generiertem CAD-Code.
Das relevanteste Ergebnis ist nicht, dass K3.1 Pro einen bestimmten Benchmark gewinnt, sondern dass ein offenes Modell bei realen Agentenaufgaben weniger als einen Punkt hinter einem referenzgebenden geschlossenen Modell bleibt. Das schwächt das Argument, dass nur geschlossene Labore diese Art von Leistung halten können.
📌 Hinweis: Die offenen Gewichte erlauben das Self-Hosting von K3.1 Pro, aber ein Modell der Klasse mit 3 Billionen Parametern erfordert Cluster mit Hunderten Gigabyte GPU-Speicher: Das läuft weder auf einem Laptop noch auf einem einzelnen Server.
Für Teams in Lateinamerika ist das Kontextfenster von einer Million Tokens genauso wichtig wie der Punktestand. Es erlaubt, komplette Codebasen, lange Finanzdokumente oder ausgedehnte Konversationsverläufe zu laden, ohne den Prompt aufzuspalten. Der tatsächliche Zugang verläuft aber, bis die Gewichte am 4. November vorliegen, über die API oder die Kimi-Produkte, nicht über die eigene Infrastruktur.
Auch die Konkurrenz bewegt sich schnell: Claude Opus 5.5 liegt bei Terminal-Bench 4.0 und BenchCAD weiterhin leicht vorn, während GPT-6 Astra bei beiden zurückfällt. Der Unterschied zwischen den drei wird heute in Prozentpunkten gemessen, nicht in ganzen Modellgenerationen.
Die vollständigen Gewichte von Kimi K3.1 erscheinen am 4. November 2026, was der Community unabhängige Bewertungen ermöglichen und bestätigen wird, ob die Zahlen von Moonshot AI auch außerhalb der eigenen internen Benchmarks halten. Bis dahin hängt jeder Vergleich von den Daten ab, die das Unternehmen selbst veröffentlicht hat.
Offen bleibt zudem, ob K3.1 Pro Highspeed die Qualität des Basismodells bei der zwei- bis dreifachen Geschwindigkeit hält, was Moonshot AI bislang nicht mit eigenen Benchmarks belegt hat. Und ob sich 3D Make, bereits aktiv auf kimi.ai, in eine echte Adoption außerhalb der Beispiele übersetzen lässt, die das Unternehmen selbst gezeigt hat.
Probiere es aus: Gehe noch heute auf kimi.ai und vergleiche eine lange Programmieraufgabe mit dem Modell, das du derzeit nutzt, bevor die offenen Gewichte am 4. November kommen.
Es ist das Open-Source-Flaggschiffmodell der neuen K3.1-Serie von Moonshot AI, mit einem Kontext von einer Million Tokens und nachtrainiert auf Kimi K3 mit groß angelegtem reinforcement learning.
Moonshot AI hat bestätigt, dass die vollständigen Modellgewichte vor dem 4. November 2026 verfügbar sein werden; heute ist das Modell nur über Produkte und API zugänglich.
Es läuft zwei- bis dreimal schneller und ist für Interaktionen in Echtzeit gedacht, obwohl Moonshot AI für diese Variante noch keine eigenen Benchmarks veröffentlicht hat.
Es liegt knapp hinter Claude Opus 5.5 bei Terminal-Bench 4.0 (65,7 Prozent gegenüber 66,4 Prozent) und bei BenchCAD (92,7 Prozent gegenüber 96,2 Prozent), im ersten Fall mit einem Unterschied von weniger als einem Punkt.
Ja: Bei BenchCAD erreicht es 92,7 Prozent mit Werkzeugen und kann Skripte für Blender und CAD-Software ohne MCP-Konnektoren schreiben, zudem parametrische Modelle erzeugen.
📱 Gefaellt dir dieser Inhalt? Tritt unserem Telegram-Kanal @programacion bei, wo wir taeglich das Wichtigste aus Technologie, KI und Entwicklung veroeffentlichen. Kurze Zusammenfassungen, frische Inhalte jeden Tag.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 23 • Originally published at elsolitario.org
Moonshot AI activó hoy Kimi K3.1 Pro en Kimi.ai, Kimi Work, Kimi Code y su API, aunque los pesos abiertos del modelo recién llegarán el 4 de noviembre. Mientras tanto, ya compite de cerca con Claude Opus 5.5 en programación de agentes: 65,7% frente a 66,4% en Terminal-Bench 4.0.
El lanzamiento también suma K3.1 Pro Highspeed, una variante entre 2 y 3 veces más rápida pensada para interacciones en tiempo real. Es la primera entrega de la nueva serie K3.1 y el salto más grande de Moonshot AI desde Kimi K3.
Kimi K3.1 Pro es el modelo insignia de código abierto que Moonshot AI incorporó a su nueva serie K3.1, con pesos liberados y una ventana de contexto de 1 millón de tokens. Es una versión post-entrenada de Kimi K3 mediante aprendizaje por refuerzo a gran escala, optimizada para programación, modelado 3D y análisis financiero.
Moonshot AI lo describe como su modelo abierto de clase 3 billones de parámetros más capaz hasta la fecha. Está disponible hoy en los cuatro productos de la familia Kimi: el chat general en Kimi.ai, el entorno de trabajo Kimi Work, el asistente de programación Kimi Code y la API para desarrolladores.
A diferencia de un lanzamiento desde cero, K3.1 Pro parte de los mismos pesos base de Kimi K3 y agrega una capa de entrenamiento por refuerzo mucho más grande, aplicada a cientos de dominios distintos a la vez.
El anuncio llegó acompañado de cifras de rendimiento concretas. En Terminal-Bench 4.0, que evalúa agentes de código en tareas de terminal con recursos limitados, Kimi K3.1 anota 65,7%. Eso lo ubica por encima de GPT-6 Astra (58,2%) y apenas detrás de Claude Opus 5.5 (66,4%).
En el benchmark interno Kimi Code Bench 3.0 Long-horizon, que mide ejecución de múltiples pasos y uso de herramientas en tareas de ingeniería, el modelo llega a 61,2%, frente al 55,95% de Kimi K3. La mejora de casi 5,3 puntos viene del mismo entrenamiento por refuerzo ampliado que define a toda la serie K3.1.
K3.1 Pro Highspeed corre entre 2 y 3 veces más rápido que el modelo base, pensada para chats y agentes que necesitan respuestas inmediatas. Moonshot AI no publicó todavía benchmarks separados para esa versión, así que su calidad real frente al modelo estándar sigue sin confirmarse de forma independiente. Terminal-Bench 4.0 evalúa agentes de código en tareas de terminal con recursos limitados.
Moonshot AI es el laboratorio chino detrás de la familia Kimi, que pasó de ser un asistente de chat único a un ecosistema con versiones separadas para trabajo, programación y agentes. Esa división llegó con Kimi K3, repartido entre Kimi Work, Kimi Code y Kimi Claw.
K3.1 Pro es el sucesor directo de ese modelo: toma los mismos pesos base y agrega una ronda de entrenamiento por refuerzo mucho más grande en cientos de dominios a la vez. Moonshot AI lo posiciona como su respuesta más directa hasta ahora a los modelos cerrados de Anthropic y OpenAI en tareas de agentes de código.
El salto de rendimiento no viene de una arquitectura nueva, sino de cómo Moonshot AI organiza el entrenamiento por refuerzo. La compañía rediseñó capa por capa el framework de RL, la inferencia de contexto largo, la eficiencia del entrenamiento, la infraestructura de sandboxes y la planificación de rollouts, además de una plataforma compartida que revisa la calidad de cada entorno de entrenamiento.
Ese rediseño permite que cada unidad de cómputo adicional de RL produzca una ganancia estable y predecible en cada dominio, en lugar de mejoras que se estancan en algunos mientras otros retroceden. El siguiente diagrama resume ese flujo:
flowchart TD A [ "Framework de RL" ] -- > B [ "Inferencia de contexto largo" ] B -- > C [ "Eficiencia de entrenamiento" ] C -- > D [ "Infraestructura de sandboxes" ] D -- > E [ "Planificacion de rollouts" ] E -- > F [ "Chequeo de calidad de entornos" ] F -- > G [ "Ganancia estable por computo de RL" ] Enter fullscreen mode Exit fullscreen mode El caso más concreto que Moonshot AI documentó es un simulador de dinámica de caminata humana, construido sobre human-atlas, un modelo anatómico abierto con 296 componentes óseos y 402 componentes musculares. En 167 misiones y 420 revisiones independientes, el modelo analizó resultados experimentales, diagnosticó errores y refinó el controlador de marcha hasta lograr que la simulación pasara de colapsar en segundos a caminar 11,2 segundos con zancadas alternadas.
Cuando ajustar la función de recompensa dejó de mejorar el movimiento de los brazos, el sistema no insistió con más ajustes. Corrió pruebas de lazo abierto sobre la física del simulador, encontró y corrigió 36 errores en el cálculo del brazo de palanca de los músculos del hombro, y recién después volvió a entrenar el controlador.
En modelado 3D, K3.1 Pro usa razonamiento espacial para inferir forma, proporciones y relaciones entre piezas a partir de un boceto, una imagen de referencia o una descripción de texto. En BenchCAD, que mide reconstrucción 3D desde renders multi-vista hasta generar código CAD, anota 92,7% con herramientas, cerca del 96,2% de Claude Opus 5.5 y el 95,9% de GPT-6 Astra. Puede escribir y ejecutar scripts para Blender y software CAD sin depender de conectores MCP, algo útil para modelado paramétrico de piezas mecánicas o muebles configurables.
BenchmarkKimi K3.1 ProClaude Opus 5.5GPT-6 AstraTerminal-Bench 4.0 (agentes de código)65,7%66,4%58,2%BenchCAD (modelado 3D con herramientas)92,7%96,2%95,9% En finanzas, el modelo alcanza 64,4 puntos en OfficeQA Pro v2, el mejor resultado reportado para ese benchmark, que exige análisis de datos fiscales reales con verificación cruzada entre documentos. También mejora 7,2 puntos sobre Kimi K3 en Financial Modeling, que evalúa enlaces de fórmulas y lógica financiera en hojas de cálculo reales, y 11,6 puntos en Financial Research, que mide si el modelo produce investigación auditable bajo restricciones de evidencia y fecha de corte. En Business Operation, un entorno simulado de gestión de negocio a largo plazo, el modelo rinde cerca de 4,2 veces más que Kimi K3.
BenchCAD mide reconstrucción 3D desde renders multi-vista hasta código CAD generado.
El resultado más relevante no es que K3.1 Pro gane en algún benchmark puntual, sino que un modelo abierto quede a menos de un punto de un modelo cerrado de referencia en tareas de agentes reales. Eso reduce el argumento de que solo los laboratorios cerrados pueden sostener este tipo de rendimiento.
📌 Nota: los pesos abiertos permiten auto-hospedar K3.1 Pro, pero un modelo de clase 3 billones de parámetros exige clusters con cientos de gigabytes de memoria de GPU: no es algo que corra en una laptop ni en un servidor único.
Para equipos de LATAM, la ventana de 1 millón de tokens importa tanto como el puntaje. Permite cargar bases de código completas, documentos financieros largos o historiales de conversación extensos sin fragmentar el prompt. Pero el acceso real, hasta que estén los pesos el 4 de noviembre, pasa por la API o por los productos de Kimi, no por infraestructura propia.
La competencia también se mueve rápido: Claude Opus 5.5 sigue ligeramente adelante en Terminal-Bench 4.0 y en BenchCAD, y GPT-6 Astra queda atrás en ambos. La diferencia entre los tres hoy se mide en puntos porcentuales, no en generaciones completas de modelos.
Los pesos completos de Kimi K3.1 llegan el 4 de noviembre de 2026, lo que permitirá a la comunidad correr evaluaciones independientes y confirmar si los números de Moonshot AI se sostienen fuera de sus propios benchmarks internos. Hasta entonces, cualquier comparación depende de los datos que publicó la propia compañía.
También queda por ver si K3.1 Pro Highspeed mantiene la calidad del modelo base a 2 o 3 veces la velocidad, algo que Moonshot AI todavía no respaldó con benchmarks propios. Y si 3D Make, ya activo en kimi.ai, se traduce en adopción real fuera de los ejemplos que mostró la propia compañía.
Probalo vos: entrá a kimi.ai hoy mismo y compará una tarea de programación larga contra el modelo que uses ahora, antes de que lleguen los pesos abiertos el 4 de noviembre.
Es el modelo insignia de código abierto de la nueva serie K3.1 de Moonshot AI, con contexto de 1 millón de tokens y post-entrenado sobre Kimi K3 con aprendizaje por refuerzo a gran escala.
Moonshot AI confirmó que los pesos completos del modelo estarán disponibles antes del 4 de noviembre de 2026; hoy solo está disponible vía producto y API.
Corre entre 2 y 3 veces más rápido, pensado para interacciones en tiempo real, aunque Moonshot AI no publicó benchmarks propios para esa variante.
Queda apenas detrás en Terminal-Bench 4.0 (65,7% frente a 66,4%) y en BenchCAD (92,7% frente a 96,2%), una diferencia de menos de un punto en el primer caso.
Sí: con BenchCAD anota 92,7% con herramientas y puede escribir scripts para Blender y software CAD sin conectores MCP, además de generar modelos paramétricos.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.