Kimi K3.1 Pro: o modelo aberto que encosta no Claude e tirou dados de hacking de propósito
O novo modelo da chinesa Moonshot fica a 0,7 ponto do Claude Opus 5.5 num teste de programação e passa o GPT-6 Astra. O detalhe curioso: a empresa removeu dados de cibersegurança do treino para não liberar um modelo aberto perigoso demais.
A chinesa Moonshot lançou o Kimi K3.1 Pro, seu modelo de pesos abertos mais capaz até agora. Ele já está no app do Kimi, no Kimi Code e na API, e os pesos completos devem ser publicados até 4 de novembro. Vem com janela de contexto de 1 milhão de tokens e uma versão Highspeed, que segundo a empresa é duas a três vezes mais rápida.
O resultado que chama atenção é em programação. No Terminal-Bench 4.0, o K3.1 Pro marcou 65,7%. O Claude Opus 5.5 fez 66,4% e o GPT-6 Astra, 58,2%. Um modelo que qualquer um vai poder baixar ficou a menos de um ponto do melhor modelo fechado nesse teste.
| Teste (dados da Moonshot) | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 | 65,7% | 66,4% | 58,2% |
| Alucinação, difícil, com ferramentas (menor é melhor) | 8,3% | 15,0% | 5,5% |
| BenchCAD com ferramentas | 92,7 | 96,2 | 95,9 |
A taxa de alucinação no teste de estresse da própria Moonshot caiu de 23,4% no K3 para 8,3%. A empresa também diz ter chegado ao topo no OfficeQA Pro v2, de análise de documentos financeiros. Em várias provas de raciocínio e ciência, porém, ele ainda fica atrás dos líderes.
A decisão mais interessante não está no gráfico
A Moonshot descobriu que dados de cibersegurança no treino estavam turbinando a capacidade do modelo de achar e explorar falhas. Para a versão aberta, removeu esse material. O efeito aparece no teste interno de exploração de vulnerabilidades: uma versão sem o corte acertava 90,5%; a final ficou em 81%. A política declarada é não liberar pesos abertos que empurrem o limite de capacidade em ataque, e só subir esse nível aos poucos.
Isso importa porque modelo aberto não tem botão de desligar. Depois que os pesos estão na internet, qualquer filtro que a empresa ponha na API deixa de valer.
Os poréns
Quase todos os números são da Moonshot, e vários testes são internos. A licença dos pesos e o preço não aparecem no anúncio. E rodar um modelo dessa escala localmente exige hardware de data center, então "aberto" aqui significa mais "outras empresas podem hospedar" do que "você vai rodar no seu PC".
Ainda assim, o recado é claro. A distância entre o melhor modelo fechado e o melhor aberto, em programação, virou detalhe. Para empresa que precisa controlar onde o dado fica, isso é argumento forte. Eu esperaria os testes independentes antes de trocar qualquer coisa, mas esperaria olhando para o Kimi com atenção.
