Corso
Lavorare con Hugging Face
2 ore
40K
I laboratori open-weight hanno passato il 2026 a ridurre il divario con Anthropic e OpenAI sul coding, e Moonshot AI lo ha ristretto di nuovo. Venerdì scorso, Moonshot ha rilasciato Kimi K3.1 Pro, che definisce il suo modello open-weight più capace nella classe 3T finora, portandolo a un punto da Claude Opus 5.5 nel coding agentico.
K3.1 Pro è una versione pesantemente post-addestrata di Kimi K3 con una finestra di contesto da 1 milione di token. Arriva insieme a una variante più veloce, K3.1 Pro Highspeed, ed è disponibile già oggi nelle app Kimi, in Kimi Code e nell'API Kimi. I pesi completi seguiranno entro il 4 novembre 2026.
In questo articolo, ti racconto tutte le novità di Kimi K3.1 Pro: nuove funzionalità, benchmark e come si confronta il prezzo con Kimi K3. Per ripassare il modello su cui si basa, dai un'occhiata alle nostre guide su Kimi K3 e al nostro tutorial pratico su Kimi K3.
TL;DR
- Kimi K3.1 Pro è il nuovo top di gamma di Moonshot, un upgrade post-addestrato di Kimi K3 con lo stesso contesto da 1M di token.
- Il punto forte è il coding agentico: se la gioca con Claude Opus 5.5 e batte GPT-6 Astra sul lavoro da terminale.
- I benchmark di puro ragionamento e conoscenza restano indietro rispetto ai modelli chiusi all’avanguardia, con un margine netto.
- Moonshot ha rimosso intenzionalmente i dati di training legati al cyber prima del rilascio open-weight.
- L'API costa meno rispetto a Kimi K3, quindi non c'è un motivo di prezzo per restare sul modello precedente.
- Usa la versione K3.1 Pro standard di default; paga per Highspeed solo quando la latenza conta più del costo.
Che cos'è Kimi K3.1 Pro?
Kimi K3.1 Pro è il modello linguistico di grandi dimensioni (LLM) di punta di Moonshot AI e il primo modello della nuova serie K3.1. Mantiene la base di Kimi K3, un modello da 2,8T parametri con finestra di contesto da 1M di token, e aggiunge molto più compute di post-training.
Il cambiamento è nell'addestramento, non nell'architettura: Moonshot ha eseguito reinforcement learning (RL) congiunto su quelle che definisce "centinaia di domini downstream", e ha ricostruito il framework RL, l'infrastruttura sandbox e la pianificazione dei rollout in modo che il compute extra producesse progressi costanti. Il risultato, secondo Moonshot, è un miglioramento in ogni dominio misurato, con coding, creazione 3D e ricerca finanziaria messi in evidenza.
La dichiarazione principale è la parità nel coding agentico con i migliori modelli proprietari. La tabella di Moonshot colloca K3.1 Pro a un punto da Claude Opus 5.5 nei compiti di coding basati su terminale, a una frazione del prezzo di Anthropic. Il modello è open-weight, ma i pesi non sono ancora pubblici.
Funzionalità chiave di Kimi K3.1 Pro
K3.1 Pro è un upgrade ampio, non un singolo trucco nuovo. Le quattro capacità seguenti sono quelle per cui cambierei davvero un flusso di lavoro.
Esegui job di coding lunghi e multi-step
K3.1 Pro riesce a seguire compiti di coding lunghi e multi-step, diagnosticando i propri fallimenti invece di limitarsi a riprovare. Il caso dimostrativo di Moonshot è un simulatore di camminata umana basato sul modello anatomico open-source human-atlas, con 296 componenti scheletrici e 402 muscolari.
Su 167 missioni e 420 revisioni indipendenti, il modello ha portato l'umano simulato dal collassare in pochi secondi al camminare con passi alternati per 11,2 secondi. La parte interessante è arrivata quando il reward shaping ha smesso di aiutare il movimento delle braccia: K3.1 Pro ha eseguito sonde open-loop del simulatore, trovato 36 errori nei calcoli dei moment arm dei muscoli della spalla, li ha corretti e ha riaddestrato.
È una demo interna, quindi trattala come un'illustrazione del caso d'uso previsto più che come prova. Resta il fatto che mostra l'obiettivo di Moonshot: agenti che indagano e iterano.
Crea giochi, front-end e asset 3D con più rifinitura
Moonshot afferma che K3.1 Pro produce pagine front-end, scene Three.js e asset 3D con "composizione, tipografia, animazione e finitura" più solide. Funziona con Unity, Unreal Engine e Godot, e può combinarli con la ricerca web e la generazione 3D per assemblare un progetto completo.
Sul lato modellazione, K3.1 Pro scrive ed esegue script per Blender e software CAD direttamente, senza connettori MCP, per costruire modelli parametrici come parti meccaniche, modelli architettonici e arredi configurabili. Moonshot ha anche lanciato 3D Make su kimi.ai e sull'app Kimi, dove puoi visualizzare in anteprima, modificare e scaricare modelli pronti per la stampa 3D.
Anche la pretesa di qualità visiva è la più difficile da verificare con una tabella di benchmark, quindi considera le demo di Moonshot come i migliori esempi del fornitore, non come output tipico.
Fai modellazione e ricerca finanziaria con meno fatti inventati
K3.1 Pro può portare un flusso di lavoro finanziario dallo screening a un workbook finito, e Moonshot ha fatto correzioni mirate all'accuratezza fattuale per questo tipo di lavoro. Sui suoi benchmark interni di finanza, K3.1 Pro migliora Kimi K3 di 7,2 punti su Financial Modeling e 11,6 punti su Financial Research, e raggiunge circa 4,2× il punteggio di K3 su Business Operation, un compito simulato a lungo orizzonte.
Il lavoro sull'accuratezza emerge nel test da stress sulle allucinazioni di Moonshot. Su Kimi Hallu Bench Hard, il tasso di allucinazioni a livello di affermazione è sceso dal 23,4% di K3 all'8,3% di K3.1 Pro. Moonshot precisa che il test è costruito per provocare errori, quindi quei tassi non sono i tassi d'errore quotidiani.
Come si comporta Kimi K3.1 Pro nei benchmark?
Kimi K3.1 Pro è competitivo con Claude Opus 5.5 e GPT-6 Astra nel coding agentico e nel lavoro pesante di strumenti, ma chiaramente dietro su puro ragionamento. Tutte le cifre sotto provengono dall'annuncio di Moonshot, con K3.1 Pro a sforzo max.
Coding agentico
Il coding agentico è dove K3.1 Pro appare più forte. Su Terminal-Bench 4.0, che valuta agenti di coding su compiti realistici e vincolati in risorse da terminale, K3.1 Pro segna il 65,7%. È solo di pochissimo dietro a Claude Opus 5.5 con il 66,4% e ben avanti di GPT-6 Astra con il 58,2%.
Il resto dei risultati sul coding è più sfumato di quanto suggerisca il titolo. Tutti i punteggi sono riportati dal fornitore, con il migliore in ogni riga in grassetto:
| Benchmark | Cosa misura | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| Terminal-Bench 4.0 | Agenti di coding su compiti realistici da terminale | 65,7% | 66,4% | 58,2% | 42,3% |
| SWE-Marathon v1.1 | 20 compiti di ingegneria multi-ora, senza internet | 51,7% | 46,3% | 42,5% | 40,0% |
| DeepSWE v1.1 | 113 compiti a lungo orizzonte, valutati sul comportamento | 75,5% | 74,2% | 74,1% | 77,0% |
| Kimi Code Bench 3.0 Long-horizon (interno Moonshot) | Esecuzione multi-step e uso di strumenti | 61,2% | 58,5% | 66,5% | 51,5% |
| ProgramBench | Ricostruire un programma dal suo binario e dalla specifica (task che passano almeno il 95% dei test) | 31,5% | 65,0% | 50,0% | 29,1% |
| Terminal-Bench Science 0.1 | Agenti su flussi di lavoro di ricerca scientifica | 38,1% | 63,3% | 68,1% | 15,7% |
K3.1 Pro è al livello dei migliori modelli chiusi su lunghi compiti di ingegneria e guida il confronto SWE-Marathon di Moonshot. Su DeepSWE, ogni laboratorio ha eseguito il proprio setup, quindi una forbice di 3 punti è un pareggio più che una vittoria. Rimane molto indietro quando deve ricostruire un programma solo dal comportamento osservato, o affrontare un flusso di lavoro di ricerca scientifica.
Rispetto al suo predecessore, il guadagno più chiaro è sul benchmark a lungo orizzonte interno di Moonshot, dove Kimi K3 segnava 55,95%.
Uso di strumenti, lavoro d'ufficio e browsing
Nel lavoro di agenti pesante sugli strumenti, K3.1 Pro guida o si colloca a pochi punti da Opus 5.5:
| Benchmark | Cosa misura | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| HLE-Full con strumenti | 2.500 domande difficili di conoscenza e ragionamento, con strumenti consentiti | 70,0% | 67,7% | 57,2% | 58,8% |
| BrowseComp | Trovare informazioni difficili da reperire sul web | 92,1% | 90,8% | 91,5% | n/d |
| OfficeQA Pro v2 | Analisi numerica su PDF finanziari reali | 64,4 | 62,2 | 54,4 | 40,4 |
| Frontier Finance | Flussi di lavoro d'investimento dallo screening all'analisi della redditività | 58,6 | 56,7 | 45,0 | 54,5 |
| OSWorld V2.1 | Usare un computer desktop per completare task | 79,6% | 81,8% | 75,8% | 69,3% |
L'unica eccezione chiara nella tabella di Moonshot è l'uso del computer, dove Opus 5.5 resta avanti. Su Frontier Finance, Claude Fable 5.1 (60,8) è il leader complessivo, davanti a tutti e quattro i modelli mostrati qui.
Ragionamento e conoscenza
Senza strumenti, K3.1 Pro rimane chiaramente dietro ai modelli chiusi:
| Benchmark | Cosa misura | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek-V4.1-Flash-1017 |
|---|---|---|---|---|---|
| HLE-Full | 2.500 domande difficili di conoscenza e ragionamento | 51,1% | 59,8% | 53,6% | 42,6% |
| HLE-Diamond | Sottoinsieme più difficile di HLE con 1.000 domande | 39,4% | 60,9% | 65,8% | 21,6% |
| GPQA-Diamond | Domande di scienza a livello graduate | 94,2% | 93,9% | 96,1% | 92,2% |
| MMMU-Pro | Domande che combinano immagini e testo | 84,1% | 87,7% | 86,9% | 80,6% |
| Kimi Hallu Bench (interno Moonshot, più basso è meglio) | Quota di affermazioni fattuali sbagliate | 5,4% | 6,8% | 4,2% | 13,1% |
Il divario è più ampio su HLE-Diamond, mentre GPQA-Diamond è quasi saturo, quindi i 2 punti di differenza dicono poco. Se il tuo lavoro è ragionamento closed-book difficile, questo non è il modello su cui passare.
Cybersecurity, per scelta
Moonshot ha fatto qualcosa di insolito per un rilascio open-weight: ha pubblicato quanta capacità ha rimosso deliberatamente. Ha rilevato che i contenuti legati al cyber nei dati di metà addestramento e negli ambienti RL stavano aumentando costantemente l'abilità di ricerca sulle vulnerabilità, quindi ha rimosso quei dati da entrambe le fasi per il rilascio open-weight.
Su xdev-bench-hard, il benchmark interno di Moonshot per lo sviluppo di exploit, un checkpoint senza rimozione dei dati ha risolto il 90,5% dei problemi (pass@3). Il K3.1 Pro rilasciato risolve l'81,0%, che è comunque molto sopra al 33,3% di Kimi K3. Sugli standard pubblici di cyber si colloca sotto ogni modello chiuso confrontato da Moonshot, segnando 74,7 su ExploitBench contro i 91,0 di Opus 5.5.
Il principio dichiarato di Moonshot è evitare di rilasciare pesi aperti che spingano il confine assoluto della capacità cyber offensiva, alzando invece gradualmente l'asticella open-weight. Se un taglio di 9,5 punti sia sufficiente è una valutazione soggettiva, ma pubblicare il numero è più di quanto facciano molti altri laboratori.
Quale livello dovresti usare?
K3.1 Pro standard è la scelta giusta di default quasi per tutti. La variante Highspeed si giustifica al prezzo più alto solo quando una persona è davanti all'output in attesa.
Moonshot vende Highspeed esclusivamente sulla velocità: va 2–3× più veloce, costa il doppio per token in input e output, e non ha risultati di benchmark separati.
Entrambe le varianti pensano sempre prima di rispondere, e non puoi disattivarlo. Imposti l'intensità con tre livelli di ragionamento: max per il lavoro agentico più duro, high come via di mezzo sensata e low quando il tempo di pensiero di default è più di quanto serva. L'API predefinisce max, l'impostazione dietro ogni punteggio nella tabella di Moonshot: quindi abbassala a high o low a meno che il compito richieda la massima profondità.
| Caso d'uso | Variante | Livello di ragionamento | Perché |
|---|---|---|---|
| Lunghe esecuzioni di agenti, debug difficile | K3.1 Pro | max |
L'impostazione dietro i punteggi di coding di Moonshot; su ore la velocità conta meno |
| Coding quotidiano in Kimi Code | K3.1 Pro | high |
Quasi tutta la qualità con un conto token più basso |
| Chat interattiva e modifiche rapide | K3.1 Pro Highspeed | low |
La latenza è il collo di bottiglia, e prompt brevi tengono basso il prezzo 2× |
| Job batch ad alto volume | K3.1 Pro | low |
Nessuno sta aspettando, quindi paga meno e limita il thinking |
Nota pratica importante dalla documentazione di Kimi Code: cambiare il livello di ragionamento a sessione in corso invalida la cache di contesto, quindi scegli un livello per sessione invece di alternarlo.
Prezzi e disponibilità di Kimi K3.1 Pro
Kimi K3.1 Pro costa $2,00 per milione di token in input e $10,00 per milione di token in output sull'API Kimi, meno di Kimi K3. Il prezzo è uniforme su tutto il contesto da 1M di token, senza sovrapprezzo per contesti lunghi.
| Modello | Input | Output | Input in cache | Scrittura cache 5 minuti | Scrittura cache 1 ora |
|---|---|---|---|---|---|
| Kimi K3.1 Pro | $2,00 | $10,00 | $0,20 | $2,00 | $4,00 |
| Kimi K3.1 Pro Highspeed | $4,00 | $20,00 | $0,20 | $4,00 | $8,00 |
| Kimi K3 (generazione precedente) | $3,00 | $15,00 | $0,30 | $3,00 | $6,00 |
I prezzi sono per milione di token ed escludono le tasse. Il caching è automatico con default a 5 minuti, e puoi richiedere il tier da 1 ora per chiamata.
Alcuni dettagli di accesso da conoscere prima di pianificare:
- Accesso API: K3.1 Pro si sblocca dopo una ricarica minima di $1, e la tua ricarica cumulativa determina i limiti di rate.
- Conservazione dei dati: Zero Data Retention è disponibile per i clienti API.
- App: è in rollout su Kimi.ai, le app iOS, Android e HarmonyOS e l'app desktop Kimi Work dalla versione 3.1.0.
- Enterprise: gli amministratori di Kimi Enterprise devono attivare K3.1 Pro per la loro organizzazione; al lancio è disattivato di default.
Se usi ancora i modelli della serie K2, la documentazione di Moonshot indica che non saranno disponibili per i nuovi utenti dal 31 ottobre 2026 e verranno ritirati entro fine dicembre 2026.
Come ottenere accesso a Kimi K3.1 Pro?
Puoi usare Kimi K3.1 Pro oggi tramite l'API Kimi, OpenRouter e le app di Kimi, ma non ancora come pesi scaricabili. Moonshot afferma che i pesi completi verranno rilasciati entro il 4 novembre 2026 e l'annuncio non menziona i termini di licenza, quindi controlla la model card quando i pesi arriveranno.
- API Kimi: gli ID modello sono
kimi-k3.1-proekimi-k3.1-pro-highspeed, su un endpoint compatibile con OpenAI. - OpenRouter: elencato come
moonshotai/kimi-k3.1-pro. - Agenti di coding: in Kimi Code, selezionalo con il comando
/model. La documentazione di Moonshot copre anche il collegamento a Codex tramite la Kimi Responses API. - Non ancora elencato: al 26 ottobre 2026, non è elencato nella documentazione di GitHub Copilot, Azure AI Foundry o Ollama, e gli unici risultati su Hugging Face sono upload della community, non i pesi di Moonshot.
Una chiamata minimale con il client Python di OpenAI è questa:
from openai import OpenAI
client = OpenAI(api_key="YOUR_MOONSHOT_API_KEY", base_url="https://api.moonshot.ai/v1")
response = client.chat.completions.create(
model="kimi-k3.1-pro",
reasoning_effort="high",
messages=[{"role": "user", "content": "Find the bug in this function..."}],
)
print(response.choices[0].message.content)Una volta disponibili i pesi, la nostra guida su come eseguire LLM in locale copre le opzioni di serving, e il nostro approfondimento su OpenCode mostra come collegare un modello come questo a un agente di coding open-source.
Considerazioni finali
Kimi K3.1 Pro è la prova più convincente finora che i modelli open-weight possono raggiungere i modelli chiusi all’avanguardia nel coding agentico, a un prezzo inferiore al suo stesso predecessore. Non è un leader nel ragionamento generale, ma per lunghi compiti di coding e lavoro di agenti ricco di strumenti si colloca accanto a Claude Opus 5.5 e davanti a GPT-6 Astra in diversi task.
Moonshot punta anche sul fatto che pubblicare i compromessi sul cyber le porterà credito per i rilasci open. Se fai coding con agenti, io lo proverei subito via API e riprenderei in considerazione il self-hosting quando i pesi e la model card arriveranno a novembre.
Se ti interessa lavorare con modelli open come questo, ti consiglio di dare un'occhiata al nostro percorso di competenze Hugging Face Fundamentals.
