Moonshot lanza Kimi K3.1 Pro, un modelo de pesos abiertos al que retiró datos de ciberseguridad para limitar su uso ofensivo
El nuevo modelo, de la clase de 3 billones de parámetros y con contexto de un millón de tokens, ya está disponible en los servicios de Kimi; sus pesos completos se publicarán a más tardar el 4 de noviembre.
Moonshot AIKimipesos abiertosmodelos de lenguajeciberseguridad
La competencia entre modelos de pesos abiertos y modelos propietarios tiene un nuevo capítulo. Moonshot AI presentó el 23 de octubre Kimi K3.1 Pro, el primer modelo de su serie K3.1 y, según la empresa, el más capaz de pesos abiertos que ha desarrollado en la clase de los 3 billones de parámetros, con una ventana de contexto de un millón de tokens. Junto a él lanzó K3.1 Pro Highspeed, una variante que responde entre dos y tres veces más rápido. Ambos están disponibles desde ya en Kimi.ai, las aplicaciones móviles, Kimi Work, Kimi Code y la API de la compañía, mientras que los pesos completos se publicarán a más tardar el 4 de noviembre.
K3.1 Pro no es una arquitectura nueva sino una versión de Kimi K3 con mucho más cómputo dedicado al posentrenamiento. Moonshot explica que reescribió buena parte de su infraestructura de aprendizaje por refuerzo, desde la inferencia de contexto largo hasta los entornos aislados y la planificación de ejecuciones, para entrenar a la vez en cientos de dominios con retornos estables. El resultado que exhibe se concentra en programación, tareas agénticas, modelado 3D y finanzas. En Terminal-Bench 4.0, una prueba de agentes de programación en terminal, reporta un 65,7 %, por delante del 58,2 % de GPT-6 Astra y apenas por debajo del 66,4 % de Claude Opus 5.5. En BenchCAD, que mide la reconstrucción de piezas 3D mediante código CAD, obtiene un 92,7 % con herramientas, frente a cifras cercanas al 96 % de los dos modelos propietarios. En una prueba interna diseñada para provocar errores factuales, la tasa de afirmaciones alucinadas baja del 23,4 % de K3 al 8,3 %, aunque la empresa aclara que no representa la tasa de error en el uso diario.
Las cifras de los fabricantes conviene leerlas con cautela, y por eso tiene interés la evaluación externa. Artificial Analysis, que mantiene un índice agregado de inteligencia de modelos, colocó a K3.1 Pro en cuarto lugar con 55 puntos, once más que K3, y señaló que será el modelo de pesos abiertos mejor situado cuando se publiquen sus pesos.
La parte más novedosa del anuncio es la de ciberseguridad. Moonshot cuenta que, a medida que escalaba el posentrenamiento, la capacidad del modelo para investigar vulnerabilidades crecía de forma sostenida, y que rastreó el origen hasta contenido de ciberseguridad mezclado en el corpus general de entrenamiento intermedio y en las tareas de aprendizaje por refuerzo. Para la versión de pesos abiertos identificó y retiró esos datos en ambas fases, conservando las tareas de programación general. En su prueba interna de explotación de vulnerabilidades, xdev-bench-hard, un punto de control entrenado sin esa limpieza resuelve el 90,5 % de los problemas, frente al 81,0 % del modelo final. La empresa reconoce que K3.1 Pro sigue siendo bastante más capaz en ese terreno que su predecesor, pero sostiene que queda por detrás de los modelos propietarios disponibles públicamente desde hace al menos tres meses.
De ahí deriva lo que Moonshot llama sus principios para publicar pesos abiertos: no liberar modelos que amplíen la frontera absoluta de capacidad ofensiva, y elevar de forma gradual la capacidad disponible en abierto, con el argumento de que un modelo que corre en infraestructura propia permite a más equipos auditar su código, incluidos sistemas heredados que rara vez reciben revisiones de seguridad.
Como análisis, la decisión llega en una semana en la que laboratorios propietarios y organismos públicos han documentado modelos que encuentran fallas graves o actúan fuera de lo autorizado en pruebas de ciberseguridad. Retirar datos es una palanca concreta y medible, pero también limitada: la propia cifra de Moonshot muestra que la mejora general en programación se traslada a tareas ofensivas aunque se filtren los datos específicos, y una vez publicados, los pesos pueden ajustarse sin control del fabricante. Lo que falta saber es con qué licencia se distribuirán y si evaluadores independientes confirman la distancia que la empresa declara frente a los modelos cerrados.
Fuentes: Kimi, Introducing Kimi K3.1 Pro; Artificial Analysis en X.