Artificial Analysis todavía clasifica el modelo como propietario y registra entrada de texto e imagen, salida de texto y contexto de 1 millón de tokens. Moonshot dice que los pesos salen hasta el 4 de noviembre de 2026. El anuncio no trae la licencia. Revisá la model card cuando lleguen los pesos.
Cuándo usar K3.1 Pro y cuándo usar Opus 5.5
K3.1 Pro entra cuando la tarea es un comando en la terminal con pruebas que ya existen, una pieza reconstruida a partir de vistas o un parecer sobre documentos financieros. Claude Opus 5.5 sigue adelante en las dos pruebas en las que Moonshot publica a los dos lado a lado.Lo que midió Moonshot
Los números de abajo son los que publicó Moonshot, con esfuerzo de razonamiento max, temperature 1,0 y top-p 0,95. Varias notas de otros modelos salieron de blogs o de leaderboards oficiales, no del mismo harness.Terminal
En Terminal-Bench 4.0, con el harness Claude Code, Moonshot midió 65,7%. En su tabla, GPT-6 Astra queda en 58,2% y Claude Opus 5.5 en 66,4%. Las notas de los otros modelos son el máximo que cada uno publicó en el blog o en el leaderboard oficial. No trates los tres como la misma ronda. En Kimi Code Bench 3.0, prueba interna de ejecución en varias etapas y uso de herramienta, K3.1 Pro marcó 61,2%, contra 55,95% de K3.Pieza en 3D
En BenchCAD, reconstrucción 3D a partir de renderizados por código CAD, Moonshot midió 92,7% con tools, en un subconjunto de 1.000 archivos. En la misma cuenta, Claude Opus 5.5 queda en 96,2% y GPT-6 Astra en 95,9%. Sin tools, K3.1 Pro queda en 72,8% y Opus 5.5 en 73,0%.Documento financiero
En OfficeQA Pro v2, análisis de documentos financieros reales entregados como imagen, Moonshot midió 64,4 y llamó al resultado estado del arte. En Frontier Finance, 58,6. En las pruebas internas, K3.1 Pro sube 7,2 puntos en modelado financiero (57,6 contra 50,4 de K3) y 11,6 puntos en investigación financiera (70,4 contra 58,8). En operación de negocio simulada, Moonshot reporta cerca de 4,2 veces el resultado de K3 (37 contra 8,9). En Kimi Hallu Bench Hard, una prueba de estrés interna, la tasa de alucinación por afirmación con tools bajó de 23,4% en K3 a 8,3%. La porción de respuestas con al menos un error factual quedó en 42,4% de la tasa del antecesor. En la misma prueba con tools, Moonshot lista GPT-6 Astra en 5,5% y Opus 5.5 en 15,0%. Sin tools, lista Astra 4,2%, K3.1 Pro 5,4% y Opus 5.5 6,8%. Moonshot dice que la prueba se hizo para provocar error y que esas tasas no son las del uso común.Lo que quedó afuera a propósito
Para el lanzamiento con pesos abiertos, Moonshot dice haber sacado datos de ciberseguridad del entrenamiento intermedio y de la mezcla de entornos de aprendizaje por refuerzo, y haber mantenido las tareas generales de programación. Afirma que la capacidad ofensiva del modelo publicado queda detrás de modelos propietarios de punta que ya estaban públicos desde hace al menos tres meses. Esta página no describe esas tareas.Lo que midió Artificial Analysis
Artificial Analysis marcó 55 en el Intelligence Index, en el puesto 4 de 220 modelos de la misma clase. La mediana de la franja es 28. En esa ronda el modelo generó 150 millones de tokens de salida, contra una mediana de 81 millones. El costo medio fue de 2,11 dólares por tarea del índice. La velocidad de salida fue de 41,4 tokens por segundo, en el puesto 186 de 192. La mediana de la franja queda cerca de 85. Esa medición es de
kimi-k3.1-pro, no de la variante Highspeed.
La tabla mezcla números de Moonshot con el Intelligence Index de Artificial Analysis. Las notas de otros modelos en Terminal-Bench y en BenchCAD no siempre salen del mismo harness. Los resultados dependen del harness, de las tools y del esfuerzo. Validá en tu flujo antes de cambiar una configuración en producción.
Dónde no lidera
- A 41,4 tokens por segundo, el Pro estándar es lento. Highspeed existe para cuando la espera es el problema.
- 150 millones de tokens de salida en el índice, contra 81 millones de mediana, es un modelo verboso. El precio de la tarea sube con el texto.
- En el Terminal-Bench 4.0 de la tabla de Moonshot, 65,7% queda detrás del 66,4% de Opus 5.5. En BenchCAD con tools, 92,7% queda detrás de 96,2% y 95,9%.
- En la prueba de estrés factual con tools, 8,3% todavía queda por encima del 5,5% que Moonshot lista para Astra.
- Los pesos todavía no salieron. Artificial Analysis sigue clasificando el modelo como propietario.
Dónde genera más valor
Un cambio en la terminal, con pruebas
El comportamiento está descrito y las pruebas ya existen. K3.1 Pro edita, corre la verificación y para si el segundo intento falla. Resultado esperado: el diff dentro del alcance y las pruebas pedidas pasando.Una pieza a partir de las vistas
El plano o el render muestra la forma. El modelo devuelve medidas, lo que la imagen no muestra y el script, sin tratar el archivo como listo para imprimir. Resultado esperado: la lista de lo que está en la vista y la laguna de lo que falta medir.Un parecer sobre los documentos
La pregunta es financiera y la respuesta tiene que salir de los archivos. El modelo cita el fragmento y lista lo que no encontró. Resultado esperado: cada número con origen, sin recomendación de invertir.Cómo aplicarlo en Tess
1
Elegí terminal, pieza o dossier
Preferí un cambio con pruebas, una pieza a partir de vistas o un parecer sobre documentos. Para una respuesta corta con alguien esperando, usá Highspeed.
2
Cerrá qué cuenta como listo
Decí el resultado, los archivos que pueden cambiar y la prueba que cierra la tarea.
3
Definí tools y aprobaciones
Habilitá solo las herramientas necesarias. Exigí confirmación antes de enviar, publicar o alterar datos.
4
Mantené un esfuerzo por sesión
Las notas publicadas usan esfuerzo max. Cambiar el nivel a mitad de la sesión descarta el caché, según la guía de DataCamp a partir de la documentación de Kimi Code.
5
Probá un caso antes de soltar
Corré un caso entero, revisá qué cambió y solo entonces repetí el flujo.
Tres playbooks para empezar
1. Cambio en la terminal con pruebas
Entrada: el repositorio, el comportamiento esperado y las pruebas que ya existen.Tools: lectura, edición y ejecución de las pruebas.
2. Pieza a partir de las vistas
Entrada: las vistas o el boceto, y la lista de lo que hay que medir.Tools: lectura de las imágenes.
3. Parecer con cita
Entrada: los documentos financieros y la pregunta.Tools: lectura de archivos.
Límites y buenas prácticas
- El precio de lista en la API de Kimi es de 2 dólares de entrada y 10 dólares de salida por 1 millón de tokens. La lectura de caché sale a 0,20 dólar. DataCamp registra que ese precio es plano en toda la ventana y queda por debajo de los 3 dólares de entrada y 15 dólares de salida de K3.
- Highspeed es más rápida y, en la cuenta de DataCamp, cuesta más. Usá esa variante cuando la espera sea el límite.
- En Kimi Enterprise, el acceso a K3.1 Pro nace apagado. Un administrador tiene que habilitarlo.
- El modelo escribe mucho. Pedí la respuesta en un formato, para no pagar texto que nadie va a leer.
- Mantené aprobación humana para decisiones financieras, jurídicas, clínicas o de alto impacto.