Kimi K3.1 Pro saca 55 puntos en el Intelligence Index de Artificial Analysis, tres menos que Claude Opus 5.5, y cuesta la mitad por token. Moonshot AI lo publicó el 23 de octubre de 2026 en su API y promete los pesos completos antes del 4 de noviembre. Si cumple, será el modelo abierto con mejor nota de ese índice y la distancia entre modelos abiertos y cerrados pasará de 12 puntos a 3.
Qué es Kimi K3.1 Pro
No es una arquitectura nueva. K3.1 Pro es Kimi K3 con mucho más cómputo de post-entrenamiento: mantiene los 2,8 billones de parámetros totales y 104.000 millones activos por token, un millón de tokens de contexto y entrada de texto e imágenes. El salto está en lo que hace con ellos: 11 puntos más que K3 en el índice de Artificial Analysis, que lo coloca cuarto, solo por detrás de Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) y Muse Wonder Full (56).
Donde más mejora es en tareas de agente. En Terminal-Bench 4.0, según Moonshot, pasa del 13 % de K3 al 65,7 %, por delante de GPT-6 Astra (58,2 %) y casi empatado con Opus 5.5 (66,4 %). En GDPval-AA, medido por Artificial Analysis, llega a 1.846 Elo, 312 puntos más que K3 y a 20 de Opus 5.5 (1.866).
También baja la tasa de alucinaciones en el benchmark interno de Moonshot, Kimi Hallu Bench Hard: del 23,4 % de K3 al 8,3 % de afirmaciones falsas. GPT-6 Astra se queda en el 5,5 % en la misma prueba, así que en eso sigue sin ser el mejor.
Llega con una variante, K3.1 Pro Highspeed, que según Moonshot responde entre dos y tres veces más rápido y cuesta el doble, salvo los aciertos de caché, que mantienen el precio.
Cómo probarlo
La API de Moonshot es compatible con OpenAI y el id del modelo es kimi-k3.1-pro. La forma más corta de lanzarle un prompt desde la terminal es la herramienta llm de Simon Willison (versión 0.32 o posterior), que tiene un comando para cualquier endpoint compatible:
llm keys set kimi # pega la clave de la API de Moonshot
llm openai endpoint \
https://api.moonshot.ai/v1 \
--key kimi \
-m kimi-k3.1-pro \
--responses \
-o reasoning_effort medium \
"Explica qué hace este cron: */15 2-6 * * 1-5"El modelo admite tres niveles de razonamiento: low, medium y max. Las cifras de los benchmarks de Moonshot están medidas con max, que es también el que más tokens de salida genera; si vas a comparar coste con tu modelo actual, mide con el nivel que vayas a usar de verdad.
Kimi K3.1 Pro frente a Claude
La comparación natural es con Anthropic, porque la propia Moonshot y Artificial Analysis lo sitúan junto a Opus 5.5. Pero la que más dice es la de Sonnet 5.5:
| Kimi K3.1 Pro | Claude Opus 5.5 | Claude Sonnet 5.5 | |
|---|---|---|---|
| Artificial Analysis Intelligence Index | 55 | 58 | 56 |
| Entrada (por millón de tokens) | 2 $ | 4 $ | 2 $ |
| Salida (por millón de tokens) | 10 $ | 20 $ | 10 $ |
| Lectura de caché (por millón) | 0,20 $ | 0,20 $ | 0,10 $ |
| Terminal-Bench 4.0 | 65,7 % | 66,4 % | — |
| Pesos | Prometidos antes del 4 de noviembre | Cerrados | Cerrados |
Con estos precios, un servicio que consume cada día 10 millones de tokens de entrada y 2 millones de salida (sin caché) pagaría 40 $ al día con Kimi K3.1 Pro o con Sonnet 5.5, y 80 $ con Opus 5.5. La versión Highspeed, al doble, queda en 4 $ y 20 $: el mismo precio que Opus 5.5.
Moonshot también ha bajado un 33 % los precios respecto a K3 (de 3 $ a 2 $ la entrada y de 15 $ a 10 $ la salida), aunque el coste por tarea apenas cambia: Artificial Analysis lo calcula en 1,98 $ frente a 2,00 $, porque K3.1 Pro escribe un 14 % más de tokens de salida.
Dónde gana y dónde pierde
Gana en la relación entre nota y precio frente a Opus 5.5. Tres puntos menos en el índice por la mitad de coste es un trato razonable para tareas de agente largas, donde la factura la marcan los tokens de salida. En Terminal-Bench 4.0 la diferencia con Opus 5.5 es de siete décimas.
No gana frente a Sonnet 5.5 por precio. Cuestan lo mismo por token, Sonnet tiene un punto más en el índice y su lectura de caché es la mitad de barata. Si solo vas a consumirlo por API, lo que decide es cómo rinde cada uno en tus tareas, no la tabla de precios.
Su ventaja real son los pesos. Un modelo con nota de frontera que puedes desplegar en tu propia infraestructura, ajustar o servir desde el proveedor que elijas cambia la negociación con cualquier API cerrada. Eso sí, 2,8 billones de parámetros no caben en una máquina de laboratorio: los pesos abiertos interesan sobre todo a proveedores de inferencia y a empresas con clúster de GPU propio, y para el resto se traducirán en más proveedores sirviendo el modelo.
La versión abierta no será idéntica en ciberseguridad. Moonshot explica que, para publicar los pesos, ha quitado los datos de ciberseguridad de las dos fases de entrenamiento. En su benchmark interno de reproducción de vulnerabilidades recientes (xdev-bench-hard), la versión sin filtrar resuelve el 90,5 % de las tareas y la filtrada, el 81,0 %. Si tu caso de uso es auditoría de código o análisis de vulnerabilidades, prueba el modelo que vayas a usar de verdad.
Veredicto
Para quien ya trabaja con Opus 5.5 en tareas de agente y el coste pesa, K3.1 Pro merece una prueba con su propia batería de tareas: la diferencia en benchmarks es pequeña y la factura, la mitad. Para quien usa Sonnet 5.5, cambiar solo por la API no tiene un argumento económico claro. Y para quien necesita un modelo que pueda alojar o ajustar, la fecha que hay que marcar es el 4 de noviembre de 2026: si los pesos llegan con esta nota, será la mejor opción abierta disponible.
Fuentes
- Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5, The Decoder, 23 de octubre de 2026.
- Introducing Kimi K3.1 Pro, Simon Willison, 23 de octubre de 2026.
- Precios de los modelos Claude, documentación de Anthropic.