Kimi K3.1 Pro es una versión post-entrenada de Kimi K3 con una cantidad de cómputo de post-entrenamiento sustancialmente mayor. Para hacer posible un aprendizaje por refuerzo conjunto a gran escala en cientos de dominios, la compañía dice haber optimizado todas las capas: el framework de RL, la inferencia de contexto largo, la eficiencia del entrenamiento, la infraestructura de sandbox, la planificación de rollouts y una plataforma compartida de comprobación de entornos. Junto a él sale Kimi K3.1 Pro Highspeed, que ofrece de 2 a 3 veces la velocidad. Ambos están disponibles en Kimi.ai, Kimi Work, Kimi Code y la API de Kimi; los pesos completos se publicarán antes del 4 de noviembre.
En benchmarks de programación, agentes y conocimiento, afirman que K3.1 Pro iguala o se acerca a los mejores modelos propietarios. En Terminal-Bench 4.0 obtiene un 65,7 %, por delante de GPT-6 Astra (58,2 %) y justo por detrás de Claude Opus 5.5 (66,4 %). En Kimi Code Bench 3.0 Long-horizon, un benchmark interno, sube del 55,95 % de K3 al 61,2 %. Funciona con motores como Unity, Unreal Engine y Godot y genera páginas front-end y escenas Three.js. En una prueba interna construyó un simulador de marcha humana sobre human-atlas, con 167 misiones y 420 revisiones independientes: el humano simulado pasó de caerse en segundos a caminar 11,2 segundos seguidos, y el modelo corrigió 36 errores en el cálculo de brazos de momento de los músculos del hombro.
En 3D y diseño, K3.1 Pro logra un 92,7 % con herramientas en BenchCAD, frente al 96,2 % de Claude Opus 5.5 y el 95,9 % de GPT-6 Astra. Destaca en modelado paramétrico y, sin conectores MCP, escribe y ejecuta scripts para Blender y software CAD. 3D Make ya está disponible en kimi.ai y en la app de Kimi para previsualizar, editar, descargar modelos listos para impresión 3D o exportarlos como vídeo o Live Photo.
En finanzas, alcanza 64,4 en OfficeQA Pro v2, que presentan como estado del arte, y mejora a K3 en Frontier Finance y en sus benchmarks internos: +7,2 puntos en modelado financiero, +11,6 en investigación financiera y unas 4,2 veces el rendimiento en gestión de negocio simulada. En Kimi Hallu Bench Hard, una prueba de estrés interna, la tasa de alucinación por afirmación baja del 23,4 % al 8,3 %; avisan de que no representa la tasa de error en el uso diario.
En ciberseguridad, la compañía eliminó datos relacionados con ciberseguridad del corpus de mid-training y de los entornos de RL en la versión open-weight. En xdev-bench-hard, un benchmark interno de descubrimiento y explotación de vulnerabilidades en software como el kernel de Linux, Node.js, JavaScriptCore, Exim y VirGL, el checkpoint sin esas medidas resuelve el 90,5 % de los problemas en pass@3 y el K3.1 Pro final, el 81,0 %. Reconocen que la capacidad mejora respecto a su predecesor porque las habilidades de programación y depuración a largo plazo se trasladan a estas tareas.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.