Kimi는 K3.1 Pro 모델을 정식으로 출시했으며, 이는 K3 시리즈의 첫 번째 Pro 버전으로서 핵심적인 성과는 작업 수행 능력에 집중되어 있습니다. 독립 평가 기관인 Artificial Analysis의 Terminal-Bench 4.0 테스트에서 K3.1 Pro의 완료율은 K3의 12.6%에서 대폭 상승해 67.2%를 기록하며 당기 순위 1위를 차지했습니다. 해당 테스트는 실제 컴퓨터 터미널 환경에서 모델이 명령어를 완전히 실행하고 모든 검증을 통과해야 하는 조건을 요구합니다. 같은 기간, AutomationBench-AA(이메일/스프레드시트/CRM 등 사무 업무 전반)의 목표 완료율은 58.3%에서 73.3%로 상승했으며, GDPval-AA(문서/스프레드시트/프레젠테이션 생성) 부문에서는 3위를 기록해 실제 생산성 활용场景에서의 실용성이 더욱 강화되었음을 보여줍니다.
성능 향상은 기술적 경로 조정과 함께 이루어졌다: 공식적으로는 추론 단계의 구체적인 최적화 내용은 밝히지 않았지만, 사후 학습에 대한 투자를 늘리고 수백 개의 하위 도메인에서 연합 강화학습을 통해 장문 컨텍스트 처리와 작업 실행 환경을 개선했다고 강조했다. 주목할 점은 이러한 발전이 구조적 차이를 보인다는 것이다—HLE 전체 문제 테스트에서는 도구를 활성화한 경우 Pro가 70.0%로 Opus 5.5보다 높았으나, 도구를 비활성화한 경우에는 51.1%에 그쳐 Opus의 59.8%보다 낮았다; AA 장문 컨텍스트 추론 테스트에서는 K3(Max)가 88.7%를 기록한 반면 Pro는 86.3%에 머물러, 그 우위가 순수한 텍스트 기반 심층 추론보다는 도구 호출에 의한 폐쇄 루프 실행에 더 집중되어 있음을 시사한다.
가장 중요한 신호로는 공식 인체 보행 시뮬레이션 시연이 꼽힌다: K3.1 Pro가 전 과정에서 주도적으로 제어기 학습을 수행했으며, 가상 인간의 팔 동작이 지속적으로 이상을 보일 때에도 모델은 보상 함수 조정에 그치지 않고, 오히려 시뮬레이터 코드를 적극적으로 점검해 어깨 근육의 힘臂 계산 오류 36곳을 찾아내고 이를 수정한 뒤 다시 학습을 재개했다. 이러한 ‘진단–수정–재훈련’의 폐쇄 루프는 전통적인 RLHF 패러다임을 넘어, 물리 시뮬레이션 시스템의 내재된 논리를 이해하고 이를 직접 개입·조정하는 능력을 보여주며, 체화형 지능 연구개발의 핵심 역량의 초석으로 널리 평가되고 있다.
상용화 전략이 고주파 상호작용 지원으로 동시에 전환됨: 일반 Pro 버전의 API 출력 가격은 100만 토큰당 68위안으로 인하되었으며(K3는 100위안), 다만 Highspeed 버전은 136위안으로 설정되어 모델 출력 단계에만 가속이 적용된다. 파일 읽기·쓰기, 명령 실행 등 기타 처리 과정에서 소요되는 시간은 여전히 감소하지 않는다. 사용자들의 실측 결과에 따르면, 3D 핸들 조작 모델링이나 펠리컨 자전거 타기 애니메이션과 같은 복잡한 작업에서는 다중 라운드 반복이 발생할 경우 할당량 한도에 쉽게 도달하며, 특히 199위안 요금제 이용자는 세 번의 수정만으로 할당량이 소진되는 반면, 599위안 요금제 이용자들은 소모 속도에서 현저한 차이를 보여, 현재 토큰 계산 규칙이 긴 작업의 전 과정(생성→검증→수정→내보내기)을 얼마나 포괄하고 있는지 아직 명확히 드러나지 않는다는 점을 시사한다.
기술 동향과 조직 움직임을 종합하면, Kimi의 신체 지능 구축 전략은 이미 개념에서 실천으로 이어지고 있다. 앞서 언급한 시뮬레이션 역량 외에도, 공개 보도에 따르면 월의 어둠 면이 신체 지능 및 로봇 분야 인재를 집중적으로 영입하고 있으며, 일부 후보자는 일선 로봇 기업 출신이다. 기술 라인에서는 Google Gemini Robotics ER 2와 상응하는 구조를 형성하는데, 후자는 Flash 모델로 환경 인식과 작업 계획을 담당하고 하부 동작 모델이 이를 실행한다. 반면 K3.1 Pro가 보여주는 시뮬레이션 설계 및 진단 능력은 바로 학습 측의 ‘에이전트 두뇌’ 역할을 맡기에 적합하다. 향후 저지연·저비용의 Flash 변종이 출시된다면, 실시간 인식–계획–실행의 폐쇄 루프를 완성할 수 있을 것으로 기대된다.