Kimi K3.1 Pro debuta en el puesto 4 del Artificial Analysis Intelligence Index con una puntuación de 55, logrando grandes avances en rendimiento agéntico; será el modelo de pesos abiertos líder una vez que se publiquen sus pesos
Ver página del modeloEl nuevo modelo de razonamiento de Moonshot gana 11 puntos respecto a Kimi K3 (máx, 44). Solo queda por detrás de Claude Opus 5.5 (máx con fallback, 58), Claude Sonnet 5.5 (máx con fallback, 56) y Muse Wonder Full (máx, 56) en el Índice de Inteligencia.
Una vez que se publiquen los pesos de K3.1 Pro, será el modelo de pesos abiertos con mayor puntuación y la brecha entre los modelos de pesos abiertos líderes y los propietarios en el Índice de Inteligencia se reducirá de 12 puntos a 3.
Resultados clave: ➤ Grandes avances en rendimiento agéntico: Kimi K3.1 Pro obtiene el puesto 3 en GDPval-AA con 1,846 Elo, 312 Elo más que Kimi K3, quedando solo detrás de Claude Opus 5.5 (1,866 Elo) y Muse Wonder Full (1,857 Elo). Kimi K3.1 Pro también logra la puntuación más alta de cualquier modelo en Terminal-Bench 4.0. K3.1 Pro obtiene 67%, frente al 13% de Kimi K3 y por delante de Claude Sonnet 5.5 (64%). AutomationBench-AA, que evalúa flujos de trabajo agénticos de SaaS, sube del 58% al 73%.
➤ Las mejoras en otras evaluaciones son más moderadas: Humanity's Last Exam sube del 47% al 52%, CritPt del 23% al 25%, y SciCode del 59% al 61%. El AA-Omniscience Index sube de 20 a 30, ya que la tasa de alucinación cae del 53% al 44% y la precisión sube del 48% al 51%.
➤ Costo por Task aproximadamente igual al de Kimi K3, a $1.98 por Task: K3.1 Pro usa 55K tokens de salida por task del Intelligence Index, un 14% más que Kimi K3 con 48K, mientras que sus precios de tokens de primera parte son un 33% más bajos.
Detalles adicionales del modelo: ➤ Ventana de contexto: 1M tokens. ➤ Tamaño: 2.8T en total, 104B parámetros activos ➤ Modalidades de entrada: Texto e imagen ➤ Pesos y licencia: Pesos aún no publicados; se espera que Moonshot los publique poco después del lanzamiento ➤ Precios: $2/$10/$0.20 por 1M tokens de entrada/salida/acierto de caché, un 33% más bajo que Kimi K3 en las tres tarifas.
Resultados individuales de las evaluaciones: