要点
- 中国AI公司月之暗面发布了Kimi K3.1 Pro，该模型以55分跃升至Artificial Analysis Intelligence Index第四名，仅次于Claude Opus 5.5。
- 该模型在智能体任务、编程和3D建模方面有显著提升。
- 参数量保持在2.8万亿不变，但API价格下降33%。月之暗面计划在2026年11月之前发布模型权重。
月之暗面的新推理模型Kimi K3.1 Pro在Artificial Analysis Intelligence Index上位列第四，仅比顶级专有模型落后3分。
中国AI公司月之暗面发布了 Kimi K3.1 Pro，这是其前代模型Kimi K3的后训练版本，使用了显著更多的后训练算力。该模型取得了55分的成绩，对应的是 Artificial Analysis Intelligence Index上得分55分，比K3高出11分，排名第四。
只有Claude Opus 5.5（58分）、Claude Sonnet 5.5（56分）和Muse Wonder Full（56分）排名更高， 据Artificial Analysis称。如果月之暗面按计划在2026年11月4日之前发布模型权重，K3.1 Pro将成为可用的得分最高的开放权重模型。假设届时其他情况不变，这将使开放模型与专有模型之间的差距从12分缩小至仅3分。
与K3.1 Pro一同发布的还有一个名为K3.1 Pro Highspeed的变体，据该公司称其运行速度快两到三倍。两者现已可通过 Kimi.ai、Kimi Work、Kimi Code和 Kimi API使用。广告
| 项目 | Kimi-K3.1-Pro | Kimi-K3.1-Pro-Highspeed |
|---|---|---|
| 输入 | $2.00 / MTok | $4.00 / MTok |
| 输出 | 10.00美元 / 百万token | 20.00美元 / 百万token |
| 缓存输入 | 0.20美元 / 百万token | 0.20美元 / 百万token |
智能体任务收益最大
K3.1 Pro 最显著的提升体现在智能体任务上。据 Artificial Analysis 数据，在 GDPval-AA 基准测试中，它达到了 1,846 Elo，比 K3 高出 312 分。这使其仅次于 Claude Opus 5.5（1,866）和 Muse Wonder Full（1,857）。在 Terminal-Bench 4.0 上，Moonshot 报告的成绩为 65.7%，领先于 GPT-6 Astra（58.2%），仅略微落后于 Claude Opus 5.5（66.4%）。K3 在同一测试中仅得到 13%。
幻觉率也大幅下降。据该公司数据，在 Moonshot 内部的 Kimi Hallu Bench Hard 测试中，声明级幻觉率从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是一个压力测试，并非对一般错误率的衡量。GPT-6 Astra 在同一基准上达到 5.5%，因此它仍具有一定优势。
在内部金融基准测试中，K3.1 Pro 在 Financial Modeling 上提高了 7.2 分，在 Financial Research 上提高了 11.6 分。据 Moonshot 称，对于一般办公任务，该模型在 OfficeQA Pro v2 上超过了所有受测模型。
| 基准测试 | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | Claude Fable 5.1 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 65.7 | 66.4 | 58.2 | 57.9 | 42.3 | 41.8 |
| SWE Marathon v1.1 | 51.7 | 46.3 | 42.5 | 45.6 | 40.0 | 42.5 |
| DeepSWE v1.1 | 75.5 | 74.2 | 74.1 | 67.4 | 77.0 | 66.9 |
| BenchCAD(带工具) | 92.7 | 96.2 | 95.9 | 92.6 | 81.6 | -- |
| HLE-Full(带工具) | 70.0 | 67.7 | 57.2 | 65.6 | 58.8 | 62.5 |
| BrowseComp | 92.1 | 90.8 | 91.5 | -- | -- | -- |
| OfficeQA Pro v2 | 64.4 | 62.2 | 54.4 | 54.5 | 40.4 | 31.1 |
| Automation Bench-AA | 73.3 | 69.5 | 68.5 | 59.4 | 66.6 | 62.2 |
| GDPval-AA v2.1(Elo) | 1,846 | 1,866 | 1,573 | 1,754 | 1,746 | 1,650 |
| GPQA-Diamond | 94.2 | 93.9 | 96.1 | 93.7 | 92.2 | 91.7 |
| ExploitBench | 74.7 | 91.0 | 100 | 83.0 | -- | 54.4 |
Moonshot 的 Kimi K3.1 Pro 基准测试表。所有结果均在推理力度设置为“max”的情况下得出。广告
3D 建模与编程
据 Moonshot 介绍，K3.1 Pro 可以直接与 Unity、Unreal Engine 和 Godot 等游戏引擎配合工作，既能处理快速修复，也能完成完整的项目构建。在 BenchCAD 基准测试中，它带工具得分 92.7%,接近 Claude Opus 5.5(96.2%)和 GPT-6 Astra(95.9%)。不带工具时，其得分为 72.8%,几乎与 Claude Opus 5.5(73.0%)持平。
Moonshot 表示，该模型在机械零件的参数化建模、建筑模型以及可配置产品方面表现最强。它无需 MCP 连接器即可为 Blender 和 CAD 软件编写并运行脚本。该公司还在 Kimi.com 上推出了一项名为“3D Make”的功能，让用户可以预览、编辑和导出 3D 模型。
尺寸相同，价格更低
K3.1 Pro 保持了与 K3 相同的规模，总参数量为 2.8 万亿，活跃参数量为 1040 亿。上下文窗口达一百万 token,并且该模型同时支持文本和图像。据 Artificial Analysis 称，它位于帕累托前沿的顶端。在参数量相当的模型中，没有任何模型在 Intelligence Index 上得分更高。
Token 价格下降 33%。输入成本为每百万 token 2 美元(从 3 美元下调)，输出成本为 10 美元(从 15 美元下调)，缓存命中成本为 0.20 美元(从 0.30 美元下调)。每项 Intelligence Index 任务成本为 1.98 美元，与 K3(2.00 美元)几乎相同，因为该模型生成的输出 token 多了 14%。
网络安全与对攻击能力的刻意限制
Moonshot 在其 技术博客文章 中用整整一个章节讲述网络安全。该公司表示，他们观察到随着后训练规模的扩大，漏洞研究能力持续增长，因为与网络相关的内容嵌入在通用中期训练语料库中，且相关任务是 RL 环境组合的一部分。
在开放权重版本中，Moonshot 从两个训练阶段中剥离了与网络相关的数据。在其内部的 xdev-bench-hard 测试上——该测试复现了 Linux 内核、Node.js 和 JavaScriptCore 等软件中近期披露的漏洞——未清理版本解决了 90.5% 的任务。数据清理后，K3.1 Pro 解决了 81.0%。DeepSeek-V4.1-Flash 在同一测试中达到 85.7%,而 Kimi K3 得分为 33.3%。
Moonshot 表示，任何开放权重模型都不应推进攻击性网络能力的绝对前沿。与此同时，该公司希望逐步提升开放模型的能力，因为它们也承担防御用途，例如审计遗留系统。Anthropic 此前曾表明，即使在 AA Index 上得分为 45 的 在 AA 指数上得分为 45 的 GLM-5.3 能够以接近 Claude Mythos 的水平编写漏洞利用程序.
来源： Kimi 博客 | Artificial Analysis