Kimi K3.1 Pro vs K3: cosa è cambiato, quanto costa e chi dovrebbe passare al nuovo modello

Kimi K3.1 Pro è il primo aggiornamento di Kimi K3, il modello open-weight da 2.8 trilioni di parametri che Moonshot AI ha rilasciato il 16 luglio 2026. È stato lanciato il 23–24 ottobre 2026 nell’app Kimi, in Kimi Code e nell’API Kimi. Nel suo post di lancio, Moonshot lo definisce «il primo modello della nostra nuova serie K3.1 e il nostro modello open-weight di classe 3T più capace finora»: una versione di K3 sottoposta a post-training, addestrata con molte più risorse di calcolo per il post-training in «centinaia di domini applicativi». Moonshot dichiara miglioramenti nella programmazione, nella creazione 3D e nella ricerca e modellazione finanziaria. La variante K3.1 Pro Highspeed offre capacità identiche a una velocità circa due o tre volte superiore, mentre il rilascio dei pesi completi è previsto entro il 4 novembre 2026.

In breve: per il codice via API, basta cambiare l’ID del modello. kimi-k3.1-pro ha gli stessi vincoli sui parametri di kimi-k3, quindi restano invariati i parametri di campionamento fissi, i tre livelli di impegno e il valore predefinito massimo. La prima differenza che noterai è meno evidente. In Kimi Code, K3 era impostato di default su impegno alto, mentre K3.1 Pro è impostato sul livello massimo. Aspettati più ragionamento per ogni attività e, di conseguenza, più token o una quota maggiore del tuo piano consumata per ogni attività.

Quanto al prezzo, K3.1 Pro costa meno per token. AIHubMix lo propone a $2.00 in entrata e $10.50 in uscita per milione di token, contro $2.84 e $14.20 per K3; una tabella dei prezzi in yuan circolata il giorno del lancio mostra un taglio simile da parte di Moonshot. Al momento della stesura, non è stato possibile confermare il prezzo di listino in USD pubblicato direttamente da Moonshot. I benchmark dichiarati da Moonshot mostrano miglioramenti netti rispetto a K3 nei test interni di programmazione, allucinazioni e finanza. La vera domanda, quindi, è se questi miglioramenti, a un prezzo per token inferiore, compensino comunque il fatto che il modello dedica più tempo al ragionamento sul tuo lavoro.

K3 e K3.1 Pro a confronto

La colonna K3 si basa sulla guida e sulla scheda del modello Kimi K3 di Moonshot. La colonna K3.1 Pro si basa sulla guida introduttiva a K3.1 Pro e sulla documentazione dei modelli Kimi Code di Moonshot, che riporta anche i valori predefiniti di entrambi i modelli in Kimi Code. Gli ID Highspeed sono kimi-k3.1-pro-highspeed nell’API e k3.1-pro-highspeed in Kimi Code. In Kimi Code, la finestra completa da 1M è disponibile nei piani di livello superiore. Moonshot non ha pubblicato il numero di parametri attivi di K3.1 Pro né specificato quale licenza avranno i suoi pesi.

Come è emerso K3.1 Pro

La serie K3.1 è trapelata a pezzi nell’arco di un mese. Il tracker di CometAPI ha raccolto le indiscrezioni, riportate anche da Wccftech, AIBase e dagli utenti di LINUX DO. Moonshot non ne ha confermata nessuna prima del video teaser.

• 23 settembre: uno snippet di configurazione pubblicato su X mostrava un identificativo k3d1-agent, tre livelli di impegno (Low, High, Max), un’opzione di contesto «Extra Long» fino a 1M token e flag per le modalità agent, swarm, search e batch.
• 28 settembre: gli sviluppatori hanno trovato kimi-k3-1 nel registro dei modelli della piattaforma API di Moonshot e segnalato che rispondeva alle chiamate. L’anteprima della piattaforma aperta riportava lo stesso prezzo di K3.
• 21 ottobre: la configurazione model_switch_confirm di Kimi Code ha iniziato a restituire una regola che trasferisce k3, K3, kimi-k3, k3-256k, kimi-for-coding e kimi-for-coding-highspeed a k3.1. Due giorni dopo, il modello è stato rilasciato in Kimi Code con il nome k3.1-pro.
• 22 ottobre: un modello anonimo chiamato Kibitz è apparso nella Code Arena di Arena. L’impronta del tokenizer lo collegava a Kimi e il nome seguiva lo schema di Moonshot (K3 era stato testato con il nome Kivine). I test uno contro uno degli utenti hanno dato risultati favorevoli e un valutatore ha giudicato una creazione 3D quasi al livello di Claude Opus 5.5 con impegno medio. Arena non ha pubblicato alcun punteggio.
• 23 ottobre: l’account ufficiale di Kimi ha pubblicato un teaser di 24 secondi. Mostra un terminale Kimi Code con la scritta «Model: Kimi K3.1», mentre il modello crea una scena 3D con Three.js.
• 23–24 ottobre: Moonshot ha aggiunto K3.1 Pro e K3.1 Pro Highspeed alla documentazione di Kimi Code, dove si legge che il modello è «ora completamente disponibile in Kimi Code». Il post di lancio è stato pubblicato per breve tempo e poi rimosso; è tornato online quella notte con la tabella completa dei benchmark, insieme alla documentazione API per kimi-k3.1-pro e kimi-k3.1-pro-highspeed.

La maggior parte dei flag trapelati descriveva funzionalità già presenti in K3: tre livelli di impegno, una finestra di contesto da 1M e la modalità swarm già esistente di Kimi. Il lancio lo ha confermato. K3.1 Pro mantiene il contratto delle richieste di K3; le novità sono il post-training aggiuntivo, il livello di impegno massimo predefinito in Kimi Code e la variante Highspeed.

Cosa resta invariato e cosa ricontrollare

Moonshot afferma che kimi-k3.1-pro ha «gli stessi vincoli sui parametri di kimi-k3», quindi per il codice che funziona con K3 basta usare il nuovo ID. Ecco le regole che restano valide:

• Il ragionamento è sempre attivo. Moonshot afferma che le richieste che lo disattivano vengono rifiutate con HTTP 400; gli ID principali di AIHubMix non le hanno rifiutate (vedi sotto).
• reasoning_effort accetta low, high o max e per impostazione predefinita usa max. Non esiste un livello medio, nonostante una segnalazione precedente al lancio: Kimi Code converte medium in high, xhigh e ultra in max, e minimum e light in low. In Kimi Code, off, none, disabled o un valore sconosciuto restituiscono un errore 400.
• I parametri di campionamento sono fissi: temperature 1.0, top_p 0.95, n 1 ed entrambi i penalty a 0. Omettili; nell’API di Moonshot gli altri valori generano un errore.
• tool_choice accetta required, come in K3.
• max_completion_tokens ha un valore predefinito di 131,072 e arriva fino a 1,048,576, entro una finestra di contesto da 1M.
• Cambiare modello o livello di impegno invalida la cache. In Kimi Code, Moonshot sconsiglia di passare a K3.1 Pro all’interno di una sessione K3, K2.8 Preview o K2.7 Code Highspeed già avviata, perché la qualità delle risposte peggiora e diminuiscono i cache hit.

Come per K3, nei cicli multi-turno e con gli strumenti è necessario reinviare l’intero messaggio dell’assistente, incluso reasoning_content.

Cosa ha misurato AIHubMix. Il 24 ottobre, AIHubMix ha testato entrambi i modelli con i rispettivi ID principali, kimi-k3.1-pro e kimi-k3.1-pro-highspeed, e con il proprio canale di programmazione, coding-kimi-k3.1-pro e coding-kimi-k3.1-pro-highspeed, che segue la mappatura dei livelli di impegno di Kimi Code:

• Chat Completions (con reasoning_content) e Messages (blocchi di ragionamento e testo) hanno restituito 200 con entrambi. L’API Responses ha restituito 200 solo sul canale di programmazione; gli ID principali hanno restituito 404, «The model kimi-k3.1-pro is not available on this endpoint.» Al lancio, quindi, Codex, che usa Responses, aveva bisogno dell’ID del canale di programmazione su AIHubMix.
• Tutti i valori di reasoning_effort testati (low, medium, high, max, xhigh) hanno restituito 200. Il gateway li accetta tutti, ma Moonshot documenta solo low, high e max, quindi non interpretare i valori aggiuntivi come livelli ulteriori. Anche off e un valore sconosciuto hanno restituito 200; inoltre, none o un campo thinking: {"type": "disabled"} hanno restituito 200 senza alcun ragionamento: su AIHubMix, il comando per disattivare il ragionamento fallisce senza segnalazioni, anziché restituire un errore 400.
• temperature=0.2 ha restituito un errore 400 con gli ID principali: «invalid temperature: only 1 is allowed for this model». Il canale di programmazione lo ha accettato. Un campo residuo di K2.x thinking: {"type": "enabled"} ha restituito 200 con entrambi.
• Ora è possibile usare l’output strutturato tramite l’API Messages. Una richiesta json_schema il cui prompt non chiedeva JSON ha restituito {"city":"Paris"}. Nel test di luglio di AIHubMix, K3 aveva ignorato silenziosamente lo schema.
• La memorizzazione nella cache è automatica: sul canale di programmazione, ripetendo un prompt, l’intero prompt è stato conteggiato come token memorizzati nella cache.

L’articolo sulla migrazione di questa serie analizza ciascuno di questi casi d’errore, riportando il testo dell’errore e la relativa soluzione.

Benchmark: confronto con K3 e con i modelli di fascia superiore

I dati sono i risultati di lancio dichiarati da Moonshot, tratti dal post di lancio di K3.1 Pro e, per K3, dalla scheda del modello su GitHub. I test sono stati eseguiti con harness diversi a seconda del modello (K3.1 Pro è stato testato perlopiù con un harness Claude Code) e nessuno ha ancora riprodotto i risultati.

Da K3 a K3.1 Pro. Questi sono i valori dei test che Moonshot ha misurato con lo stesso metodo per entrambi i modelli:

Kimi Code Bench, Kimi Hallu Bench e i due set finanziari sono benchmark interni di Moonshot. La coppia di risultati di Kimi Code Bench 2.0 è stata ottenuta con un harness Claude Code (il risultato principale di K3, 72.9, era stato ottenuto con Kimi Code); Hallu Bench Hard viene eseguito con gli strumenti. Tutte le coppie sono migliorate nella direzione prevista: da 3 a 8 punti nei test di programmazione, da 7 a 12 punti in quelli finanziari e un tasso di allucinazione nel test difficile sceso da 23.4 a 8.3. Terminal-Bench, SWE Marathon e ProgramBench compaiono in entrambi i lanci, ma con versioni o criteri di valutazione diversi; perciò i risultati di K3, 88.3, 42.0 e 77.8, non sono direttamente confrontabili con quelli di K3.1 Pro, 65.7, 51.7 e 31.5.

A confronto con i modelli di fascia superiore. Kimi non ha modelli di fascia superiore a K3.1 Pro, quindi il confronto più rilevante è con i modelli closed-source presenti nella tabella di Moonshot. Moonshot li ha testati con impegno massimo e segnala che «i test dei modelli proprietari possono includere alcuni comportamenti di fallback».

Secondo la classifica di Moonshot, K3.1 Pro è in testa in tutte e quattro le categorie per la programmazione prolungata (SWE Marathon v1.1) e per HLE con strumenti, e supera di poco gli altri in DeepSWE v1.1. In Terminal-Bench 4.0 batte Fable 5.1 e GPT-6 Astra e resta a un punto da Opus 5.5; in GDPval-AA si piazza appena dietro Opus 5.5. Rimane nettamente indietro in ProgramBench, dove Opus 5.5 ottiene circa il doppio del punteggio, in HLE senza strumenti e nel Design Bench interno di Moonshot, dove è GPT-6 Astra a essere in testa. K3 ha debuttato in cima alla classifica Frontend Code di Arena con 1,679; K3.1 Pro non aveva un punteggio Arena al lancio.

Prezzi e costi reali

Prezzi per milione di token. Su AIHubMix, K3.1 Pro costa il 30% in meno di K3 per l'input e il 26% in meno per l'output; Highspeed costa esattamente il doppio di K3.1 Pro sia per l'input sia per l'output, mentre il prezzo per i cache hit è lo stesso. Al momento della stesura non è stato possibile verificare il listino in USD di Moonshot per K3.1 Pro, quindi nella colonna dei prezzi ufficiali compare un trattino. OpenAI applica una tariffa promozionale di $4 / $20 per GPT-5.6 Sol, che, secondo quanto riportato, durerà almeno fino al 21 novembre 2026. Su AIHubMix, i cache hit costano $0.20 per milione per K3.1 Pro e Highspeed, contro $0.284 per K3 ($0.30 su Moonshot). Dall'aggiornamento della fatturazione di Moonshot, le scritture nella cache di K3 risultano come una voce separata: $3.00 per milione per la durata predefinita di 5 minuti, $6.00 per un'ora. Sull'API di Moonshot, K3.1 Pro segue lo stesso schema: prezzi fissi indipendentemente dalla lunghezza del contesto, scritture nella cache fatturate in base alla durata e token di ragionamento fatturati come output a ogni livello di impegno. Le pagine dei modelli di AIHubMix indicano solo i prezzi di input, output e cache hit, senza una tariffa separata per le scritture nella cache.

Il listino in yuan riportato per Moonshot. Una tabella dei prezzi circolata il giorno del lancio mostra il listino cinese di Moonshot per K3.1 Pro e K3.1 Pro Highspeed, incluse le scritture nella cache. Non è stata verificata confrontandola con la pagina dei prezzi di Moonshot:

Per milione di token, in CNY. La riga di K3 corrisponde al listino cinese di Moonshot. Se la tabella è corretta, Moonshot ha ridotto i prezzi di K3.1 Pro del 35% per l'input, del 32% per l'output e del 35% per i cache hit: un po' più dei tagli di AIHubMix. Highspeed costa il doppio di K3.1 Pro per input, output e scritture nella cache, mentre il prezzo dei cache hit è lo stesso; ciò lo rende il 30% più caro di K3 per l'input e il 36% per l'output. I listini in USD e CNY di Moonshot non sono legati da un tasso di cambio fisso, quindi i prezzi in yuan non permettono di ricavare il prezzo in dollari.

Un'attività, con i costi alla mano. A luglio, AIHubMix ha chiesto a K3 di realizzare un gioco HTML in un unico file partendo da un solo prompt e da un'immagine di riferimento. La sessione è durata 2,541 secondi (circa 42 minuti) e ha prodotto 1,275 righe di codice funzionante. Ha utilizzato 74,994 token di completamento, di cui 54,486 (73%) dedicati al ragionamento. È stato eseguito con il livello di impegno massimo, l'unico accettato da K3 all'epoca e quello predefinito oggi per K3.1 Pro. La dimensione dell'input non è stata registrata, quindi le stime seguenti presuppongono 5,000 token di input. I prezzi sono quelli di AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• GPT-5.6 Sol, stesso numero di token: ≈ $1.52
• Claude Fable 5.1, stesso numero di token: ≈ $4.18
• K3.1 Pro, stesso numero di token: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• K3.1 Pro Highspeed, stesso numero di token: 5,000 × $4.00/M + 74,994 × $21.00/M ≈ $1.59

Presumere lo stesso numero di token è un'ipotesi; i conteggi reali possono cambiare il risultato in entrambe le direzioni. In un test pratico di creazione condotto da Chase AI, K3 ha usato 21.5 milioni di token, contro i 3.5 milioni di Claude Fable 5: circa sei volte tanti. Con quel rapporto, Fable 5 avrebbe completato il gioco in circa 12,200 token, al costo di circa $0.73: meno degli $1.08 di K3 e degli $0.80 di K3.1 Pro, nonostante il prezzo di output quasi quattro volte superiore. Nei test di Artificial Analysis sul suo indice, il divario era invece opposto: Fable 5.1 ha utilizzato in media 78,000 token di output per attività, contro i 48,000 di K3, e ha avuto un costo di $7.63 per attività, contro i $2.00 di K3.

La durata del ragionamento di un modello dipende dall'attività. In una piccola verifica a campione di AIHubMix il 24 ottobre, un prompt per un testo esplicativo di 600 parole con livello di impegno basso ha portato K3.1 Pro a ragionare per 5,561–7,356 token prima di rispondere, e K3 per 3,013–7,051: quantità simili. La differenza era la velocità. K3.1 Pro generava circa 86 token al secondo, contro i 22–26 di K3, e rispondeva in 80–99 secondi, mentre K3 impiegava 154–309 secondi. Si tratta di un solo prompt e tre esecuzioni per modello sugli ID principali di AIHubMix, non di un benchmark. Tuttavia, un prezzo di output inferiore del 25% significa una fattura inferiore del 25% solo se K3.1 Pro non ragiona più a lungo di K3 sul tuo carico di lavoro: quindi misura i token per attività prima di considerare il risparmio.

Quando K3.1 Pro non è la scelta più ovvia

• Attività sensibili alla latenza. K3.1 Pro ragiona sempre, ha come impostazione predefinita il livello massimo e non consente di disattivare il ragionamento. L'esecuzione del gioco con K3 è durata 42 minuti per una singola richiesta e, nella verifica a campione descritta sopra, anche con un livello di impegno basso il primo token di risposta di K3.1 Pro è arrivato dopo 71–91 secondi (per K3 dopo 132–280). Highspeed genera l'output circa 2–3× più velocemente, ma Moonshot afferma che «accelera solo l'output del modello», quindi le chiamate agli strumenti e gli script continuano a essere eseguiti come prima. Se gli utenti aspettano ogni risposta, è più adatto un modello più veloce che non ragiona, anche a parità di qualità.
• Pipeline che richiedono il controllo della temperatura. K3.1 Pro mantiene il campionamento fisso di K3 a 1.0 e, sugli ID principali di AIHubMix, una temperatura di 0.2 restituisce un errore 400. Il canale di programmazione l'ha accettata, ma una risposta 200 non dimostra che il valore sia stato applicato. Se ti affidi a temperature 0 per ottenere output ripetibili, K3.1 Pro non può offrirti questa possibilità.
• Attività simili a quelle in cui il modello è debole nei benchmark. Nella tabella di Moonshot, K3.1 Pro ottiene la metà del punteggio di Claude Opus 5.5 in ProgramBench, resta indietro rispetto a tutti e tre i modelli proprietari in HLE senza strumenti e rispetto a GPT-6 Astra nel Design Bench. Prima di passare a questo modello, prova le attività di questo tipo.
• Attività in cui il modello di fascia superiore ragiona meno. Come mostra la prova di creazione di Chase AI, un modello più costoso che ragiona meno può costare meno per attività. Misura il tuo carico di lavoro prima di dare per scontato che K3.1 Pro sia l'opzione più economica.
• Piani Kimi Code inferiori. K3.1 Pro richiede Plus o un piano superiore nei nuovi piani (Moderato o superiore nei piani precedenti), mentre per la finestra di 1M serve Pro (Allegretto). Highspeed richiede Pro o un piano superiore (Allegretto).

Chi dovrebbe passare al nuovo modello e chi dovrebbe aspettare

• Utenti di Kimi Code: K3.1 Pro è disponibile con l'ID k3.1-pro. Avvia una nuova sessione con questo modello anziché passare a metà sessione da K3, K2.8 Preview o K2.7 Code Highspeed: Moonshot afferma che il cambio a sessione avviata riduce la qualità dell'output e i cache hit. Se con K3 era impostato il livello alto, aspettati di trovare il livello massimo predefinito e tieni d'occhio la quota durante la prima settimana. Se si esaurisce più rapidamente, usa il livello alto per le attività di routine, ma non aspettarti che il livello basso costi poco: nella verifica a campione di AIHubMix, anche con il livello basso K3.1 Pro ha ragionato per 5,561–7,356 token.
• Utenti dell'API K3: il cambio consiste nel passare da kimi-k3 a kimi-k3.1-pro, mantenendo gli stessi vincoli sui parametri. Sull'API di Moonshot si sblocca dopo una ricarica di $1; AIHubMix lo rende disponibile con lo stesso ID. Prima esegui una valutazione di un giorno sulle tue attività e confronta i token di completamento e di ragionamento, non solo i tassi di superamento. Al momento della stesura il listino in USD di Moonshot non è stato confermato; su AIHubMix, K3.1 Pro costa $2.00 / $10.50 per milione.
• Utenti di K2.6 e K2.7 Code: il salto è maggiore e Moonshot ha fissato una scadenza. Sulla piattaforma Moonshot, i modelli della serie K2 saranno chiusi ai nuovi utenti registrati dal 31 ottobre 2026 e Moonshot prevede di ritirarli tutti entro la fine di dicembre 2026. Il 24 ottobre AIHubMix riportava ancora K2.6 e K2.7 Code, senza una data di ritiro. K3.1 Pro non consente di disattivare il ragionamento e lo imposta in base al livello di impegno, anziché tramite l'interruttore thinking di K2.x. Prima di cambiare, leggi il post sulla migrazione.
• Se la velocità conta più del prezzo: K3.1 Pro Highspeed offre le stesse funzionalità a una velocità circa 2–3× superiore, per una quota circa doppia in Kimi Code e un prezzo per token doppio ($4.00 / $21.00 su AIHubMix). Il post di questa serie dedicato a Highspeed analizza questo compromesso.
• Aspetta se acquisti direttamente da Moonshot e vuoi vedere il suo listino in USD prima di impegnarti.
• Resta dove sei se il tuo carico di lavoro consiste in richieste brevi e ad alto volume, per le quali il ragionamento sempre attivo è un costo aggiuntivo inutile.

Per confrontare K3 e K3.1 Pro sui tuoi prompt, eseguili entrambi tramite AIHubMix usando una sola chiave. La guida introduttiva rapida spiega come ottenere le chiavi e usare gli URL di base, mentre la pagina del modello K3.1 Pro riporta il prezzo. Usa Chat Completions o Messages con kimi-k3.1-pro; per l'API Responses, per ora usa coding-kimi-k3.1-pro, che AIHubMix etichetta come anteprima di valutazione, non destinata alla produzione.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

Lo script usa Chat Completions e omette temperature: K3 e K3.1 Pro rifiutano qualsiasi valore diverso da 1.

Domande frequenti

Kimi K3.1 Pro è già disponibile?
Sì. Moonshot l'ha lanciato il 23–24 ottobre 2026 nell'app Kimi, in Kimi Work, Kimi Code e nell'API Kimi, con l'ID kimi-k3.1-pro nell'API e k3.1-pro in Kimi Code. Gli amministratori di Business ed Enterprise devono abilitarlo per i rispettivi team.

K3.1 Pro costa più di K3?
No, per token. AIHubMix lo propone a $2.00 per l'input e $10.50 per l'output per milione di token, contro $2.84 e $14.20 per K3. Una tabella in yuan circolata il giorno del lancio mostra una riduzione di circa un terzo per Moonshot, ma al momento della stesura il listino in USD di Moonshot non è stato confermato. Il modello continua comunque a ragionare molto: in Kimi Code il livello massimo è quello predefinito e, in una verifica a campione di AIHubMix, ha ragionato per 5,561–7,356 token anche con un livello di impegno basso. Il costo per attività può comunque aumentare.

Il mio codice per K3 funzionerà su K3.1 Pro?
Sì, basta cambiare l'ID del modello. Moonshot afferma che kimi-k3.1-pro ha gli stessi vincoli sui parametri di kimi-k3. Continua a omettere temperature e gli altri parametri di campionamento, restituisci reasoning_content nelle richieste multi-turno e non provare a disattivare il ragionamento.

Cosa cambia in Kimi Code?
Scegli K3.1 Pro in una nuova sessione invece di cambiare modello a sessione avviata, come consiglia la documentazione di Moonshot. Il livello di impegno predefinito è massimo, mentre per K3 era alto. È necessario il piano Plus o superiore e per accedere all'intera finestra di 1M serve Pro o superiore.

Che cos'è K3.1 Pro Highspeed?
Le stesse capacità del modello, ma con una velocità di generazione da circa due a tre volte superiore, tramite API come kimi-k3.1-pro-highspeed. In Kimi Code consuma circa il doppio della quota e costa il doppio per token: $4.00 / $21.00 su AIHubMix. A diventare più veloce è solo l'output del modello, non le chiamate agli strumenti né gli script.

K3.1 Pro è all'altezza di Claude Fable 5.1, Claude Opus 5.5 o GPT-6 Astra?
Nella tabella di Moonshot, supera tutti e tre in SWE Marathon e HLE con strumenti; batte Fable 5.1 e GPT-6 Astra in Terminal-Bench 4.0, ma resta indietro in ProgramBench, HLE senza strumenti e Design Bench. I dati sono dichiarati dalla stessa azienda, i test usano harness diversi e nessuno li ha ancora riprodotti.

K3.1 Pro avrà pesi aperti?
Sì. Moonshot dichiara che i pesi completi saranno rilasciati entro il 4 November 2026. Non ha specificato quale licenza verrà adottata; i pesi di K3 sono distribuiti con la licenza Kimi K3.

Continua a leggere: la serie Kimi K3.1 Pro

• Se hai deciso di passare al nuovo modello, ecco da dove arrivano gli errori 400 e gli aumenti silenziosi dei costi, dall'impostazione predefinita max-effort a un ID Highspeed digitato male: Passare a Kimi K3.1 Pro: correggi gli errori 400, fai attenzione all'impostazione predefinita max-effort e non sbagliare a digitare Highspeed
• Se stai valutando K3.1 Pro rispetto alle alternative invece di passare al nuovo modello, ecco il confronto con Qwen 4, apparso su Arena la stessa settimana, e Claude Fable 5.5, il modello a cui entrambi puntano: Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: qualità del front-end, costo per attività e verifica dell'hype
• Se ti attira la velocità da 2–3×, questo articolo spiega quando vale la pena pagare il doppio per token per Highspeed: Kimi K3.1 Pro vs K3.1 Pro Highspeed: una velocità da 2–3× vale il doppio del prezzo?

Fonti

• Moonshot AI: blog tecnico su Kimi K3.1 Pro
• Moonshot AI: guida rapida a Kimi K3.1 Pro
• Moonshot AI: configurazione dei modelli di Kimi Code
• AIHubMix: pagina del modello Kimi K3.1 Pro
• Chase AI: Kimi K3 vs Claude Fable 5 vs GPT-5.6, costi reali