Chinees AI-model Kimi K3.1 Pro dicht kloof met topmodel Claude Opus 5.5

Het Chinese technologiebedrijf Moonshot AI heeft een nieuwe versie van zijn AI-model Kimi uitgebracht: Kimi K3.1 Pro. Volgens onderzoeksbureau Artificial Analysis belandt het model op de vierde plek van de Intelligence Index, een ranglijst die de algemene vaardigheden van AI-modellen vergelijkt. Alleen Claude Opus 5.5 van Anthropic, Claude Sonnet 5.5 en Muse Wonder Full scoren hoger. Het verschil met de nummer één is nog maar drie punten.

Van middenmoter naar subtop

Kimi K3.1 Pro behaalt 55 punten op de Intelligence Index, een sprong van elf punten ten opzichte van de vorige versie, Kimi K3. Claude Opus 5.5 staat op 58 punten, Claude Sonnet 5.5 en Muse Wonder Full op 56. Moonshot heeft K3.1 Pro niet vanaf nul getraind, maar flink langer natrained op het bestaande K3-model, de fase waarin een AI-model na de basistraining wordt verfijnd met extra feedback en gericht oefenmateriaal.

Opvallend is dat Moonshot van plan is om vóór 4 november 2026 de modelgewichten - de interne rekenwaarden die bepalen hoe een AI-model werkt - openbaar te maken. Daarmee wordt Kimi K3.1 Pro vermoedelijk het sterkste zogeheten open-weights model ter wereld: een AI-model dat iedereen gratis kan downloaden en aanpassen, in plaats van alleen via een betaalde dienst van het bedrijf zelf. Het gat tussen gratis en betaalde topmodellen zou daardoor krimpen van twaalf naar drie punten. Naast de gewone versie brengt Moonshot ook Kimi K3.1 Pro Highspeed uit, die twee tot drie keer sneller werkt. Beide zijn al te gebruiken via de Kimi-app, Kimi Work, Kimi Code en de Kimi API. Tegelijk gaan de prijzen voor ontwikkelaars met 33 procent omlaag: de kosten per miljoen tokens dalen van 3 naar 2 dollar voor invoer en van 15 naar 10 dollar voor uitvoer.

Flinke sprong bij autonoom werken en programmeren

De grootste verbetering zit in zogeheten agentic taken: opdrachten waarbij een AI-model niet alleen een vraag beantwoordt, maar zelfstandig stappen zet, zoals bestanden openen, code schrijven en code testen. Op de test GDPval-AA, die kantoorwerk simuleert, scoort K3.1 Pro 1.846 punten op de Elo-schaal, een puntensysteem dat ook bij schaken wordt gebruikt om relatieve sterkte te meten. Dat is 312 punten meer dan K3 en vlak achter Claude Opus 5.5 (1.866). Op Terminal-Bench 4.0, waarbij een model taken in een computerterminal moet uitvoeren, haalt het 65,7 procent, tegenover 66,4 procent voor Claude Opus 5.5 en slechts 13 procent voor het oude K3.

Ook verzint het model minder vaak feiten die niet kloppen. Op een interne test voor dit zogeheten hallucineren daalde het aantal onjuiste claims van 23,4 naar 8,3 procent. Concurrent GPT-6 Astra van OpenAI doet het op dat vlak nog iets beter, met 5,5 procent. Bij financiële analyses en algemene kantoortaken scoort K3.1 Pro volgens Moonshot bovengemiddeld, en op de test OfficeQA Pro v2 is het zelfs het best scorende model van allemaal.

3D-ontwerp en bewust ingebouwde grenzen

K3.1 Pro kan ook overweg met 3D-ontwerpsoftware en gameontwikkelomgevingen zoals Unity, Unreal Engine en Godot. Het model kan scripts schrijven voor 3D-programma's als Blender, en Moonshot introduceerde de functie 3D Make waarmee gebruikers op Kimi.com 3D-modellen kunnen bekijken, bewerken en exporteren. Op de CAD-benchmark BenchCAD scoort het 92,7 procent, dicht bij Claude Opus 5.5 (96,2 procent). Qua omvang verandert er niets: het model heeft 2,8 biljoen parameters, waarvan 104 miljard tegelijk actief zijn, en een geheugenvenster van een miljoen tokens waarmee het lange documenten en afbeeldingen kan verwerken.

Moonshot besteedt in zijn technische verantwoording ook aandacht aan cyberbeveiliging. Het bedrijf merkte dat het model tijdens de training steeds beter werd in het vinden van softwarekwetsbaarheden, een vaardigheid die zowel voor verdediging als voor aanvallen gebruikt kan worden. Voor de gratis, openbare versie verwijderde Moonshot bewust trainingsdata over cyberaanvallen. Daardoor daalde de score op een interne hacktest van 90,5 naar 81 procent. Concurrent DeepSeek-V4.1-Flash scoort op dezelfde test 85,7 procent. Moonshot zegt dat geen openbaar beschikbaar model de absolute grens van aanvalscapaciteiten zou moeten verleggen, maar wil de vaardigheden wel geleidelijk laten groeien, omdat ze ook nuttig zijn om verouderde systemen te controleren op zwakke plekken. Anthropic liet eerder al zien dat zelfs een minder sterk model als GLM-5.3 bijna op het niveau van topmodellen kwetsbaarheden kan misbruiken.