Kimi K3.1 Pro di Moonshot AI: benchmark, allucinazioni e pesi aperti entro il 4 novembre

Il 23 ottobre 2026 Moonshot AI ha presentato Kimi K3.1 Pro, il primo modello della nuova serie K3.1. L'azienda lo descrive come il suo modello a pesi aperti più capace nella classe dei 3.000 miliardi di parametri, con un contesto da 1 milione di token. È già disponibile su Kimi.ai, nelle app Kimi, in Kimi Work, in Kimi Code e tramite la Kimi API. I pesi completi, secondo Moonshot, verranno pubblicati entro il 4 novembre 2026.

Perché se ne parla#

A luglio Moonshot aveva lanciato Kimi K3, un modello aperto da 2,8 mila miliardi di parametri. K3.1 Pro non è un'architettura nuova: è Kimi K3 con molto più addestramento successivo, in particolare apprendimento per rinforzo su centinaia di ambiti diversi. Moonshot dice di aver ottimizzato tutta la catena, dall'infrastruttura di addestramento alle sandbox, perché ogni aumento di calcolo portasse miglioramenti stabili in ogni dominio.

Il motivo dell'attenzione è semplice. Nelle tabelle pubblicate da Moonshot, un modello che avrà i pesi scaricabili si mette alla pari o davanti a Claude Opus 5.5 e GPT-6 Astra in diversi test di programmazione, ricerca sul web e analisi di documenti finanziari. In altri test resta parecchio indietro, e anche questo emerge dagli stessi dati.

Cosa c'è di nuovo#

• Un modello grande, ma con pochi parametri attivi. È un modello a esperti (MoE): 2,8 mila miliardi di parametri in totale, ma per ogni token ne lavorano 104 miliardi. Legge testo, immagini e video.

• Kimi K3.1 Pro Highspeed. Una seconda versione, da 2 a 3 volte più veloce, pensata per interazioni più reattive.

• Ragionamento sempre attivo. Nella API il «thinking» non si spegne; si regola con reasoning_effort su low, high o max, e il valore predefinito è max.

• 3D Make. Su kimi.ai e nell'app Kimi è attiva una funzione per creare modelli 3D, visualizzarli e modificarli online, scaricarli pronti per la stampa 3D o esportarli come video.

In parole semplici#

Un modello MoE funziona come uno studio con moltissimi specialisti: per ogni pezzo di testo vengono chiamati solo i pochi esperti utili. Così il modello ha la conoscenza di un sistema enorme ma, a ogni passo, fa lavorare una parte piccola. Il milione di token di contesto vuol dire poter dare in lettura, in una volta sola, documenti molto lunghi o un intero progetto software.

I risultati dichiarati da Moonshot#

Moonshot ha pubblicato 47 risultati, tutti misurati con il ragionamento al massimo. Il quadro è a due facce: K3.1 Pro è primo in diversi test di lavoro «da agente», ma resta lontano dai modelli chiusi più forti su altri.

• SWE Marathon misura la programmazione su compiti lunghi: K3.1 Pro fa 51,7 contro 46,3 di Claude Opus 5.5.

• OfficeQA Pro v2 verifica l'analisi di dati fiscali su documenti finanziari reali, con ricerca, controlli incrociati e calcoli in più passaggi: 64,4, il miglior risultato pubblicato secondo Moonshot.

• Automation Bench-AA e BrowseComp riguardano automazioni d'ufficio e ricerca sul web: anche qui K3.1 Pro è davanti, ma su BrowseComp il margine su GPT-6 Astra è di 0,6 punti.

Su ProgramBench K3.1 Pro si ferma a 31,5 contro 65,0 di Opus 5.5, e su HLE-Diamond, domande difficili da esperti, a 39,4 contro 65,8 di GPT-6 Astra. Su Terminal-Bench 4.0, il lavoro dentro il terminale, è a un soffio da Opus (65,7 contro 66,4). Nella ricostruzione 3D di BenchCAD, con strumenti, arriva al 92,7% contro il 96,2% di Opus e il 95,9% di GPT-6 Astra.

Allucinazioni: il dato da leggere bene#

Il numero più citato del lancio riguarda le allucinazioni, cioè le affermazioni inventate. Nel test interno Kimi Hallu Bench Hard, con strumenti, la quota di affermazioni sbagliate scende dal 23,4% di Kimi K3 all'8,3% di K3.1 Pro. La quota di risposte con almeno un errore di fatto è il 42,4% di quella del modello precedente.

Due precisazioni cambiano la lettura. La prima: Moonshot stessa scrive che è uno stress test costruito apposta per mettere i modelli in difficoltà, e che i valori non rappresentano il tasso di errore nell'uso quotidiano. La seconda: nello stesso test GPT-6 Astra fa meglio, con il 5,5%. Il miglioramento rispetto a K3 è netto, ma non rende K3.1 Pro il modello più preciso.

Programmazione, giochi e 3D#

Secondo Moonshot, K3.1 Pro lavora con motori di gioco come Unity, Unreal Engine e Godot, unendo ricerca sul web e generazione 3D. Nel blog ufficiale mostra un gioco d'avventura costruito con Godot 4.7.2: cinque regioni, terreno generato in modo procedurale, combattimenti, un boss in due fasi e il ciclo giorno-notte. Il blog precisa che il gioco usa anche modelli 3D di librerie esterne, come Quaternius, Kenney e KayKit.

Un altro esempio riguarda i compiti lunghi: in un test interno il modello ha costruito un simulatore di camminata umana su un modello anatomico open source, lavorando su 167 missioni. Dopo aver trovato e corretto 36 errori nei calcoli dei muscoli della spalla, il personaggio simulato è passato dal cadere in pochi secondi a camminare per 11,2 secondi.

Finanza e Kimi Work#

La finanza è l'altro ambito su cui Moonshot insiste. Oltre a OfficeQA Pro v2, l'azienda riporta tre test interni: Financial Modeling, la costruzione di modelli in Excel, migliora di 7,2 punti rispetto a K3; Financial Research, la ricerca verificabile con fonti e date, migliora di 11,6 punti; Business Operation, la gestione di un'azienda simulata, arriva a circa 4,2 volte il risultato di K3. Su Frontier Finance K3.1 Pro fa 58,6, dietro Claude Fable 5.1 (60,8).

Nel blog Moonshot mostra Kimi Work, l'app desktop per Windows e Mac con Apple silicon, mentre costruisce un modello di valutazione di un'azienda quotata partendo dai bilanci: prospetti, flussi di cassa scontati, analisi di sensibilità e grafici.

Sicurezza informatica e pesi aperti#

Una parte del blog spiega una scelta poco comune. Durante l'addestramento Moonshot ha visto crescere le capacità di ricerca di vulnerabilità informatiche. Per la versione a pesi aperti ha quindi tolto i dati legati alla sicurezza offensiva sia dall'addestramento intermedio sia dagli ambienti di apprendimento per rinforzo, mantenendo quelli di programmazione generale. Nel suo test interno xdev-bench-hard, la versione senza questi filtri risolveva il 90,5% dei problemi; K3.1 Pro arriva all'81,0%. Secondo Moonshot, così il modello resta sotto i modelli chiusi più avanzati in questo campo.

Pesi aperti, ma non da PC d'ufficio#

I pesi completi usciranno entro il 4 novembre 2026: al 23 ottobre su Hugging Face e GitHub non c'è ancora una pagina di K3.1. Due cose da sapere:

• La licenza di K3.1 Pro non è ancora pubblicata. Kimi K3 usa una licenza MIT modificata che chiede un accordo con Moonshot a chi rivende il modello come servizio sopra i 20 milioni di dollari di ricavi in 12 mesi, e di mostrare «Kimi K3» sopra i 100 milioni di utenti mensili o i 20 milioni di dollari al mese. Non è detto che per K3.1 Pro valga lo stesso.

• Le dimensioni sono da data center. Kimi K3 è distribuito in formato MXFP4, circa 4 bit per parametro: con 2,8 mila miliardi di parametri sono circa 1,4 TB di soli pesi, una stima ricavata dai numeri ufficiali. Servono più GPU da server, non un computer da scrivania.

Dove si usa e quanto costa#

• Kimi.ai e app Kimi per iOS, Android e HarmonyOS.

• Kimi Work, dalla versione 3.1.0, per Windows e Mac con Apple silicon.

• Kimi Code, scegliendo il modello con il comando /model.

• Kimi API, con i nomi kimi-k3.1-pro e kimi-k3.1-pro-highspeed. L'accesso si sblocca dopo una ricarica minima di 1 dollaro; il prezzo a consumo è lo stesso a ogni lunghezza del contesto e la cache è automatica, con durata di 5 minuti o 1 ora. Per i clienti API è disponibile la Zero Data Retention, cioè nessuna conservazione dei dati inviati.

• Kimi Enterprise: il modello è spento di default e lo attiva l'amministratore.

Cosa cambia in pratica#

Per un'azienda italiana K3.1 Pro è interessante soprattutto in tre casi:

• Analisi di documenti finanziari e fogli di calcolo, dove i dati di Moonshot sono più forti: bilanci, riconciliazioni, modelli in Excel.

• Compiti lunghi di programmazione e automazione, per esempio con Kimi Code accanto agli strumenti che usate già.

• Progetti che un domani devono girare su infrastruttura propria, quando usciranno i pesi: è uno dei pochi modelli di questa fascia con pesi scaricabili. Va però messo in conto un server con diverse GPU, o un fornitore che lo ospiti.

Per domande da esperto o compiti scientifici, invece, i numeri di Moonshot dicono che i modelli chiusi più forti restano avanti.

Domande frequenti#