Moonshot AI Merilis Kimi K3.1 Pro, Model Pertama dalam Seri K3.1 Baru

Moonshot AI memperkenalkan Kimi K3.1 Pro pada 24 Oktober 2026 sebagai model pertama dalam seri K3.1 barunya, bersama varian pendamping yang lebih cepat bernama Kimi K3.1 Pro Highspeed. Perusahaan menyebut K3.1 Pro sebagai model berbobot terbuka kelas 3T paling mumpuni yang pernah dibuatnya, dengan jendela konteks 1 juta token.

Menurut pengumuman tersebut, Kimi K3.1 Pro Highspeed memiliki kecepatan dua hingga tiga kali lipat Kimi K3.1 Pro dengan kemampuan model yang sama. Kedua model tersedia di seluruh lini produk Kimi: di Kimi.ai dan aplikasi seluler Kimi untuk iOS, Android, dan HarmonyOS; di aplikasi desktop Kimi Work versi 3.1.0 atau lebih baru untuk Windows dan Mac dengan Apple silicon; di Kimi Code, dengan memilih model melalui perintah /model; serta melalui Kimi API, tempat model tercantum sebagai kimi-k3.1-pro dan kimi-k3.1-pro-highspeed, dengan Retensi Data Nol tersedia bagi pelanggan API. Administrator Kimi Enterprise dapat mengaktifkan K3.1 Pro untuk organisasi mereka; saat peluncuran, akses dinonaktifkan secara default.

Pelatihan dan Kinerja yang Dilaporkan

K3.1 Pro adalah versi Kimi K3 yang menjalani pelatihan lanjutan, dengan komputasi pascapelatihan yang, menurut Moonshot AI, jauh lebih besar. Untuk memungkinkan pembelajaran penguatan bersama berskala besar di ratusan domain hilir, perusahaan itu mengatakan bahwa mereka mengoptimalkan setiap lapisan tumpukan teknologi: kerangka kerja pembelajaran penguatan, inferensi konteks panjang, efisiensi pelatihan, infrastruktur sandbox, penjadwalan rollout, dan platform bersama untuk pemeriksaan kualitas lingkungan.

Perusahaan melaporkan bahwa K3.1 Pro meraih skor 65,7 persen pada Terminal-Bench 4.0, yang mengevaluasi agen pemrograman melalui tugas terminal realistis dengan sumber daya terbatas. Skor ini melampaui GPT-6 Astra yang meraih 58,2 persen, tetapi sedikit di bawah Claude Opus 5.5 dengan 66,4 persen. Pada Kimi Code Bench 3.0 Long-horizon, tolok ukur internal yang mencakup eksekusi multi-langkah, penggunaan alat, dan pemecahan masalah dari awal hingga akhir, K3.1 Pro meraih skor 61,2 persen, dibandingkan dengan 55,95 persen untuk K3. Pada BenchCAD, yang menguji rekonstruksi 3D dari tampilan multi-sudut melalui pembuatan kode CAD, K3.1 Pro meraih skor 92,7 persen dengan alat, mendekati Claude Opus 5.5 yang memperoleh 96,2 persen dan GPT-6 Astra yang memperoleh 95,9 persen. Fitur 3D Make kini tersedia di kimi.ai dan aplikasi Kimi, sehingga pengguna dapat melihat pratinjau dan mengedit model 3D secara daring, lalu mengunduhnya dalam keadaan siap dicetak 3D.

Moonshot AI juga melaporkan skor terdepan di industri sebesar 64,4 pada OfficeQA Pro v2, yang menguji analisis data fiskal kompleks menggunakan dokumen keuangan nyata. Perusahaan juga menyebutkan peningkatan dibandingkan K3 di seluruh tolok ukur keuangan internalnya: 7,2 poin pada Financial Modeling, 11,6 poin pada Financial Research, dan kinerja sekitar 4,2 kali lipat K3 pada Business Operation. Pada Kimi Hallu Bench Hard, uji stres internal untuk akurasi faktual, tingkat halusinasi per klaim model turun dari 23,4 persen pada K3 menjadi 8,3 persen, sementara proporsi respons yang memuat setidaknya satu kesalahan faktual mencapai 42,4 persen dari tingkat pendahulunya. Blog tersebut mencatat bahwa evaluasi ini sengaja dirancang untuk menguji situasi yang rawan kesalahan dan bahwa tingkat yang dilaporkan tidak mencerminkan tingkat kesalahan secara keseluruhan dalam penggunaan sehari-hari.

Dalam salah satu uji pemrograman internal berdurasi panjang yang dijelaskan di blog, K3.1 Pro membangun simulator dinamika berjalan manusia di atas human-atlas, model anatomi manusia sumber terbuka yang terdiri atas 296 komponen rangka dan 402 komponen otot. Dalam 167 misi dan 420 peninjauan independen, model tersebut secara bertahap menyempurnakan pengendali berjalan. Ketika pembentukan reward gagal meningkatkan gerakan lengan, model menjalankan pengujian dinamika simulator secara open-loop, mengidentifikasi dan memperbaiki 36 kesalahan dalam perhitungan lengan momen otot bahu, lalu melatih ulang pengendalinya.

Kontrol Keamanan Siber dan Prinsip Bobot Terbuka

Moonshot AI menyatakan bahwa kinerja dalam penelitian kerentanan terus meningkat seiring skala pascapelatihan diperbesar. Perusahaan menelusuri tren ini ke konten terkait keamanan siber yang tertanam dalam korpus pelatihan tengah umum serta tugas terkait keamanan siber dalam kumpulan lingkungan pembelajaran penguatan. Untuk merilis K3.1 Pro dengan bobot terbuka, perusahaan menyatakan telah mengidentifikasi dan menghapus data terkait keamanan siber dari kedua tahap pelatihan, sembari mempertahankan tugas pemrograman serbaguna yang diperlukan agar model tetap berguna.

Pada xdev-bench-hard, tolok ukur internal perusahaan yang terdiri atas tugas penemuan dan eksploitasi kerentanan berbasis kode sumber yang dikurasi para ahli, sebuah checkpoint yang dilatih tanpa langkah-langkah pengurangan risiko tersebut berhasil menyelesaikan 90,5 persen masalah pada pass@3, sedangkan K3.1 Pro final mencapai 81,0 persen, demikian laporan blog itu. Moonshot AI menyatakan bahwa hasil tersebut menunjukkan penghapusan data secara signifikan mengurangi kemampuan keamanan siber dibandingkan dengan kemampuan yang dihasilkan oleh alur pelatihan yang sama tanpa penghapusan tersebut. Perusahaan juga menyatakan bahwa kemampuan keamanan siber K3.1 Pro masih di bawah kemampuan model berpemilik terdepan yang telah tersedia untuk umum setidaknya selama tiga bulan.

Blog tersebut menguraikan dua prinsip yang melandasi perilisan bobot terbuka ini. Pertama, perusahaan berupaya untuk tidak merilis bobot terbuka yang akan memperluas batas terdepan absolut kemampuan keamanan siber. Kedua, perusahaan bermaksud meningkatkan secara bertahap kemampuan keamanan siber yang tersedia dalam model berbobot terbuka, dengan menyatakan bahwa akses tanpa diskriminasi memberi lebih banyak tim sarana untuk mengaudit kode yang mereka pelihara, termasuk sistem lama yang jarang mendapat tinjauan keamanan khusus.

Konfigurasi Model di Kimi Code

Dokumentasi Kimi Code yang terpisah menjelaskan cara model-model tersebut tersedia bagi pengembang. Dokumentasi itu mencantumkan enam ID model dari keluarga K3.1 Pro, K3, K2.8 Preview, dan K2.7 Code Highspeed; menjelaskan bahwa k3.1-pro adalah model unggulan dengan 3 triliun parameter dan jendela konteks hingga 1.048.576 token bagi anggota dengan tingkat keanggotaan lebih tinggi; serta menyebutkan bahwa versi Highspeed memiliki kemampuan yang sama, tetapi menggunakan kuota sekitar dua kali lebih banyak. Menurut halaman tersebut, K3.1 Pro telah diluncurkan sepenuhnya di Kimi Code.

Menurut dokumentasi, model K3.1 Pro hanya mendukung mode berpikir, dan permintaan yang menonaktifkan mode berpikir akan ditolak dengan kesalahan HTTP 400. Kedua model baru menerima pengaturan reasoning_effort berupa low, high, atau max, dengan max sebagai nilai bawaan, serta menerima masukan gambar dan video. Dalam paket keanggotaan baru, k3.1-pro memerlukan paket Plus atau yang lebih tinggi, sementara jendela konteks 1 juta token hanya tersedia untuk paket Pro atau yang lebih tinggi; k3.1-pro-highspeed memerlukan paket Pro atau yang lebih tinggi. Dalam paket lama, tingkat yang setara adalah Moderato dan Allegretto.

Dokumentasi menyarankan untuk memulai sesi baru alih-alih beralih ke model baru di tengah sesi, menggunakan API native Responses, chat completion, atau message untuk memperoleh keluaran yang paling stabil, serta memasukkan ID model secara persis di alat pihak ketiga karena kesalahan pengetikan ID akan membuat sistem beralih ke K2.8 Preview tanpa mode berpikir.

Perusahaan tersebut menyatakan bahwa bobot model lengkap Kimi K3.1 Pro akan dirilis paling lambat 4 November 2026.