Kimi K3.1 Pro Tech Blog: De intelligentie van open-weight modellen verder ontwikkelen

Introductie van Kimi K3.1 Pro

Daarnaast brengen we Kimi K3.1 Pro Highspeed uit, die een snelheid biedt die 2 tot 3 keer hoger ligt dan die van K3.1 Pro voor responsievere interacties.

Kimi K3.1 Pro en Kimi K3.1 Pro Highspeed zijn vandaag beschikbaar op Kimi.ai, Kimi Work, Kimi Code en via de Kimi API. De volledige modelgewichten (weights) worden uiterlijk 4 november vrijgegeven.

De grenzen van open intelligentie verleggen

Kimi K3.1 Pro is een post-trained versie van Kimi K3, met aanzienlijk meer post-training compute. Om grootschalige joint RL (Reinforcement Learning) over honderden downstream-domeinen mogelijk te maken, hebben we elke laag van de stack geoptimaliseerd: het RL-framework, long-context inference, trainingsefficiëntie, sandbox-infrastructuur, rollout-scheduling en een gedeeld platform voor kwaliteitscontroles van de omgeving. Hierdoor levert elke toename in RL-compute stabiele en voorspelbare resultaten op. Als gevolg hiervan behaalt K3.1 Pro consistente winst in elk domein.

In benchmarks voor coderen, agentische taken en kennis benadert of matcht K3.1 Pro de sterkste propriëtaire modellen. Op Terminal-Bench 4.0, die coding-agents evalueert op realistische, resource-beperkte terminaltaken met strikte tests, scoort K3.1 Pro 65,7%. Dit is hoger dan GPT-6 Astra (58,2%) en net achter Claude Opus 5.5 (66,4%). In Kimi Code Bench 3.0 Long-horizon — onze interne benchmark die de multi-step executie, het gebruik van tools en end-to-end probleemoplossing van coding-agents test over diverse engineering-domeinen — scoort K3.1 Pro 61,2%, tegenover 55,95% voor K3.

Coderen

K3.1 Pro dekt het volledige spectrum van codeerwerk, van snelle fixes in bestaande codebases tot het bouwen van volledige projecten. Daarnaast brengt het een meer doordachte visuele stijl naar games en webervaringen, en weet het deze met de juiste tools te bouwen.

K3.1 Pro werkt effectief met game-engines zoals Unity, Unreal Engine en Godot, en combineert deze met websearch en 3D-generatie om complete ervaringen te creëren. De front-end pagina's, interactieve Three.js-scènes en 3D-assets tonen een sterkere compositie, typografie, animatie en afwerking.

De long-horizon codeercapaciteiten van K3.1 Pro zijn versterkt door grootschalige reinforcement learning. In een interne test bouwde het model een simulator voor menselijke loopdynamiek met geïntegreerde trainings- en evaluatiepipelines op basis van human-atlas, een open-source anatomisch model van het menselijk lichaam bestaande uit 296 skeletcomponenten (inclusief kraakbeen) en 402 spiercomponenten. Over 167 missies en 420 onafhankelijke reviews analyseerde het model experimentele resultaten, diagnosticeerde problemen en verfijnde iteratief de loopcontroller. Hierdoor kon de gesimuleerde mens, die aanvankelijk binnen enkele seconden in elkaar zakte, continu lopen met afwisselende passen gedurende 11,2 seconden. Toen 'reward shaping' de armbeweging niet verbeterde, bleef K3.1 Pro niet simpelweg de beloning aanpassen; het voerde open-loop probes uit op de dynamiek van de simulator, identificeerde en corrigeerde 36 fouten in de berekeningen van de momentarm van de schouderspieren, en trainde vervolgens de controller opnieuw.

3D-modellering en ontwerp

K3.1 Pro is sterk in 3D-creatie en ruimtelijk redeneren. Op BenchCAD, dat 3D-reconstructie vanuit multi-view renderings test via CAD-codegeneratie, scoort K3.1 Pro 92,7% met tools. Dit benadert de prestaties van Claude Opus 5.5 (96,2%) en GPT-6 Astra (95,9%). Op basis van een tekstuele briefing, schets of referentieafbeelding kan het model vorm, proporties en ruimtelijke relaties afleiden om bruikbare 3D-modellen te creëren. Het heeft bovendien een sterker begrip van bestaande asset-bibliotheken en modelcollecties.

K3.1 Pro blinkt bijzonder uit in parametrisch modelleren, van mechanische onderdelen en architecturale modellen tot configureerbare producten en op maat gemaakt meubilair. Zonder MCP-connectoren kan het scripts schrijven en uitvoeren voor tools zoals Blender en CAD-software om assets te bouwen en verfijnen, componenten te bewerken en geometrie, materialen en scene-layout aan te passen.

De functie '3D Make' is nu live op kimi.ai en in de Kimi-app. Gebruikers kunnen 3D-modellen online bekijken en bewerken, ze downloaden voor 3D-printen, of ze exporteren als video's of Live Photos.

Financiën

Dankzij sterkere redenering en agentische capaciteiten is K3.1 Pro in staat om complete financiële workflows end-to-end uit te voeren. K3.1 Pro behaalt state-of-the-art resultaten op OfficeQA Pro v2 (64,4), die complexe fiscale data-analyse over echte financiële documenten test via retrieval, cross-document verificatie en multi-step numerieke redenering. K3.1 Pro verbetert daarnaast ten opzichte van K3 op Frontier Finance, dat de ondersteuning voor volledige investeringsworkflows meet, van screening tot winstgevendheidsanalyse.

K3.1 Pro vertoont ook significante verbeteringen in al onze interne financiële benchmarks:

  • Financial Modeling: Evalueert formulekoppelingen, financiële logica en de uiteindelijke kwaliteit van werkmappen in praktijkgerichte modelleringstaken. K3.1 Pro verbetert met 7,2 punten ten opzichte van K3.
  • Financial Research: Evalueert of modellen controleerbaar onderzoek kunnen produceren onder bewijslast- en deadlinebeperkingen. K3.1 Pro verbetert met 11,6 punten ten opzichte van K3.
  • Business Operation: Evalueert langdurig management en besluitvorming in een gesimuleerde zakelijke omgeving. K3.1 Pro behaalt ongeveer 4,2× de prestaties van K3.

Financiële analyse en investeringsonderzoek vereisen een hoge mate van feitelijke nauwkeurigheid. Om dit aan te pakken, hebben we gerichte verbeteringen aangebracht in de feitelijke nauwkeurigheid van K3.1 Pro bij praktijkopdrachten en uitdagende prompts. Op de Kimi Hallu Bench Hard, een interne benchmark voor het stresstesten van feitelijke nauwkeurigheid, daalde het hallucinatiepercentage op claim-niveau van 23,4% (bij K3) naar 8,3%. Het aandeel reacties dat minstens één feitelijke fout bevatte, was slechts 42,4% van het percentage van zijn voorganger. (Opmerking: Deze evaluatie is een stresstest en de gerapporteerde percentages vertegenwoordigen niet de algemene foutmarges bij dagelijks gebruik.)

Cybersecurity

Naarmate K3.1 Pro krachtiger werd, hebben we meer tijd besteed aan het begrijpen waar cybercapaciteiten vandaan komen en in hoeverre we deze kunnen beheersen. We hebben de mogelijkheden voor vulnerability research geanalyseerd en tijdens de training gerichte controles toegepast om het risico op misbruik te verminderen, terwijl het algemene nut behouden blijft.

Identificatie en verwijdering van cyber-gerelateerde data

Tijdens de ontwikkeling zagen we dat de prestaties bij vulnerability research gestaag verbeterden naarmate de post-training schaalde. Uit onderzoek bleek dat cyber-gerelateerde inhoud was ingebed in het algemene mid-training corpus en dat cyber-gerelateerde taken aanwezig waren in de RL-omgevingsmix — een natuurlijk bijproduct van training op brede data. In experimenten met interne modellen ontdekten we dat zonder dataverwijdering in de mid-training of RL-fase, de downstream cybercapaciteiten aanzienlijk zouden toenemen.

Voor de open-weight release van K3.1 Pro hebben we cyber-gerelateerde data uit beide trainingsfasen geïdentificeerd en verwijderd, terwijl de algemeen doelgerichte codeertaken die nodig zijn voor het nut van het model behouden zijn gebleven.

Evaluatie en resultaten

Na de datacleaning hebben we K3.1 Pro geëvalueerd op xdev-bench-hard, een interne benchmark van door experts samengestelde taken voor het ontdekken en exploiteren van kwetsbaarheden in broncode. De meeste taken reproduceren recent onthulde kwetsbaarheden in software zoals de Linux-kernel, Node.js, JavaScriptCore, Exim en VirGL.

Op xdev-bench-hard loste het checkpoint zonder risicoreductiemaatregelen (zonder verwijdering van cyber-data) 90,5% van de problemen op (pass@3). De uiteindelijke K3.1 Pro bereikt 81,0%. Deze vergelijking laat zien dat dataverwijdering de cybercapaciteit betekenisvol vermindert ten opzichte van wat dezelfde pipeline anders zou produceren. Tegelijkertijd verbetert K3.1 Pro aanzienlijk ten opzichte van zijn voorganger, wat aantoont dat sterkere algemene codeer- en debugging-capaciteiten generaliseren naar cyber-taken, zelfs na gerichte dataverwijdering. De cybercapaciteit van K3.1 Pro blijft achter bij die van frontier propriëtaire modellen die minstens drie maanden publiekelijk beschikbaar zijn.

Principes voor open-weights

Deze evaluaties vormen de basis voor onze beslissing over de open-weight release:

  1. Geen uitbreiding van de absolute grens: We streven ernaar geen open weights vrij te geven die de absolute grens van cybercapaciteiten verleggen. De offensieve cybercapaciteit van K3.1 Pro is bewust lager dan wat onze pipeline kan produceren en blijft achter bij frontier propriëtaire modellen.
  2. Geleidelijke verhoging van capaciteit: We zijn van mening dat het beschikbaar maken van K3.1 Pro op een niet-discriminerende manier mensen helpt die dual-use capaciteiten nodig hebben voor defensieve doeleinden. Wanneer een krachtig model open is en draait op infrastructuur die gebruikers zelf controleren, krijgen meer teams de middelen om de code die ze onderhouden te auditen — inclusief legacy-systemen die zelden security-reviews krijgen. We geloven dat het geleidelijk verspreiden van deze capaciteit software uiteindelijk veiliger maakt dan wanneer deze geconcentreerd blijft in enkele propriëtaire systemen.

Beschikbaarheid

Kimi K3.1 Pro wordt vandaag uitgerold over de Kimi-productfamilie: op Kimi.ai, de Kimi mobiele apps, Kimi Work, Kimi Code en via de Kimi API. De volledige modelgewichten worden uiterlijk 4 november 2026 vrijgegeven.

Administrateurs van Kimi Enterprise kunnen K3.1 Pro inschakelen voor hun organisatie; toegang is bij lancering standaard uitgeschakeld.

Details per kanaal:

  • Kimi Agents: Download of update naar de nieuwste Kimi-app via de app store (iOS, Android, HarmonyOS) of bezoek kimi.ai.
  • Kimi Work: Download de nieuwste Kimi Work desktop-app (versie 3.1.0 of later), beschikbaar voor Windows en Apple silicon Macs.
  • Kimi Code: Start Kimi Code en selecteer Kimi K3.1 Pro met het /model commando.
  • Kimi API: Bezoek het Kimi API Platform en selecteer kimi-k3.1-pro / kimi-k3.1-pro-highspeed. Zero Data Retention is beschikbaar voor API-klanten.
  • Kimi Business: Biedt enterprise-grade dataprivacy en lidmaatschapsbeheer. Bezoek de prijzenpagina en selecteer "Get Kimi Business" voor teamabonnementen.

Benchmarks en Voetnoten

Tenzij anders vermeld, zijn alle resultaten van Kimi K3.1 Pro behaald met de reasoning effort ingesteld op 'max', temperature = 1.0, en top-p = 0.95.

Codeer-benchmarks

  • Terminal-Bench 4.0: Geëvalueerd met de Claude-Code harness. Scores voor andere modellen zijn afkomstig uit hun respectievelijke blogs of het officiële leaderboard.
  • Terminal-Bench Science 0.1: Geëvalueerd met de Claude-Code harness.
  • DeepSWE v1.1: Geëvalueerd met de Claude-Code harness. Scores zijn afkomstig uit technische rapporten van GPT-6 Astra, Claude Opus 5.5, Claude Fable 5.1, DeepSeek-V4.1-Flash-1017 en GLM-5.3.
  • SWE-Marathon v1.1: Geëvalueerd met de Claude-Code harness.
  • PostTrainBench: Intern geëvalueerd op v1.2 met Claude-Code harness en H20 GPU's.
  • ProgramBench (binaire score): We rapporteren binaire scores: een taak krijgt een 1 als de score $\ge 95\%$, anders 0. Geëvalueerd met de Claude-Code harness.
  • Interne Coding Bench (Kimi Code Bench 2.0 & 3.0 Long-horizon): Geëvalueerd met Claude-Code harnesses.
  • BenchCAD: Open modellen zijn geëvalueerd op subsets van 1.000 gevallen uit de Vision2Code dataset.

Agentische benchmarks

  • BioMysteryBench: Gebruikt Kimi K3 als judge-model.
  • Agents’ Last Exam: Bevat 122 taken, inclusief 86 CLI-taken. Runs die vereisten omzeilen (bijv. antwoorden online zoeken in plaats van analyse in Wireshark) krijgen een score van nul.
  • OfficeQA Pro & v2: Alle PDF's zijn gerenderd als afbeeldingen zonder machine-leesbare tekst. Modellen die referentie-antwoorden online ophaalden, kregen een score van nul.
  • Frontier Finance: Geëvalueerd met de officiële finance agent v2 harness.
  • HANDBOOK.md: Geëvalueerd via de officiële harness gebaseerd op OpenHands.
  • Harvey Legal Agent: Geëvalueerd op een publieke dataset van 1.251 taken via de Stirrup harness van Artificial Analysis.
  • OSWorld V2.1: Geëvalueerd met de Kimi Agent harness.
  • DECK-Arena & Design Bench: Evalueert presentatie- en grafisch ontwerp via python-pptx, pptxjs en Kimi's in-house DSL.
  • MCP Atlas: Geëvalueerd op de publieke subset van 500 taken met Gemini 3.1 Pro als judge.
  • BrowseComp: Gebruikt de context-compaction strategie van Claude bij 200K tokens; maximum 500 stappen.
  • GDPval-AA v2.1, AA-Briefcase v1.1 & AutomationBench-AA: Scores geciteerd van artificialanalysis.ai en mercor.com.
  • GDP.pdf w/ python, ZeroBench w/ python & ChartoGraphy w/ python: Gemiddelde over vijf runs. Gebruikt Gemini-3.5-Flash als grader.

Redenering, Kennis & Multimodaal

  • GDP.pdf: PDF's als afbeeldingen (max 1.152 pixels) met Docling-geëxtraheerde tekst.
  • HLE & HLE-Diamond: Evalueert algemene kennis en redenering (2.500 vragen voor HLE, 1.000 voor HLE-Diamond).
  • MMMU-Pro: Geëvalueerd volgens het officiële protocol.
  • Kimi Hallucination Benchmark: Evalueert feitelijke nauwkeurigheid op een interne set van uitdagende prompts uit praktijkopdrachten.

Cybersecurity-benchmarks

  • ExploitBench: Geëvalueerd met de officiële harness binnen een budget van 300 turns. We rapporteren pass@5 max capability score.
  • ExploitGym: Geëvalueerd met de KimiCode harness binnen een budget van 6 uur per taak.
  • xdev-Bench-hard: Geëvalueerd met de KimiCode harness.