背景
Moonshot AI 发布了 Kimi K3.1 Pro，是在前代 Kimi K3 基础上投入更多后训练算力得到的版本。该模型在 Artificial Analysis 智能指数上拿到 55 分，比 K3 高出 11 分，排名第四，仅落后 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）3 分。如果 Moonshot 按计划在 2026 年 11 月 4 日前开源模型权重，K3.1 Pro 将成为目前得分最高的开源权重模型，开源与闭源模型的差距会从 12 分缩小到 3 分。Moonshot 同时推出了速度更快的 K3.1 Pro Highspeed 版本，运行速度是标准版的 2 到 3 倍。两个版本已经上线 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API。
核心原理
K3.1 Pro 参数规模和 K3 一致，总参数 2.8 万亿，激活参数 1040 亿，上下文窗口 100 万 token，支持文本和图像输入。提升主要来自后训练阶段，增幅集中在 Agent 任务：GDPval-AA 基准上达到 1846 Elo，比 K3 高 312 分，仅次于 Claude Opus 5.5 的 1866；Terminal-Bench 4.0 上拿到 65.7%，超过 GPT-6 Astra 的 58.2%，而 K3 在同一测试中只有 13%。幻觉率同样大幅下降，内部 Hallu Bench Hard 测试中幻觉率从 K3 的 23.4% 降到 8.3%，不过 GPT-6 Astra 在该测试上为 5.5%，仍更低。财务建模和财务研究两个内部基准分别提升 7.2 分和 11.6 分，OfficeQA Pro v2 上成绩超过所有参与对比的模型。3D 建模方面，模型能直接操作 Unity、Unreal Engine、Godot，在 BenchCAD 基准上使用工具时得分 92.7%，接近 Claude Opus 5.5 的 96.2%；不使用工具时得分 72.8%，与 Claude Opus 5.5 的 73.0% 接近。Moonshot 还上线了名为“3D Make”的功能,支持在 Kimi.com 上预览、编辑、导出 3D 模型。API 价格方面,输入从每百万 token 3 美元降到 2 美元,输出从 15 美元降到 10 美元,缓存命中从 0.3 美元降到 0.2 美元,整体降价 33%。由于模型平均生成的输出 token 多了 14%,单个智能指数任务的实际花费为 1.98 美元,和 K3 的 2.00 美元基本持平。
局限
安全能力测试显示,未经处理的模型在内部 xdev-bench-hard 测试（复现 Linux kernel、Node.js、JavaScriptCore 等软件的已披露漏洞）中可解决 90.5% 的任务,这类能力随着后训练规模扩大而持续增长,原因是通用中训练语料里混有网络安全相关内容,RL 环境组合中也包含相关任务。Moonshot 在开源权重版本的两个训练阶段中都剔除了网络安全相关数据,处理后模型在同一测试中的得分降到 81.0%。作为对比,DeepSeek-V4.1-Flash 在该测试上为 85.7%,K3 本身只有 33.3%。另外,ExploitBench 测试中 K3.1 Pro 得分 74.7%,明显低于 Claude Opus 5.5 的 91.0% 和 GPT-6 Astra 的 100%，攻击性安全能力上限受到了限制。GPQA-Diamond 上 94.2 分，略低于 GPT-6 Astra 的 96.1 分，说明在部分学术推理任务上还有差距。
对开发者的意义
对使用开源模型的开发者,K3.1 Pro 如果按期开源,会是目前能本地部署或自行微调的最强模型之一,2.8 万亿参数对硬件要求仍然很高,需要评估部署成本。对调用 API 的开发者,降价 33% 直接降低了 Agent 类应用和长上下文任务的成本,100 万 token 的上下文窗口和对 Blender、CAD 脚本的原生支持,适合用在自动化办公、3D 内容生成这类场景。Moonshot 对网络安全能力做了主动限制,这意味着把该模型用于漏洞研究或安全审计类任务时,效果会弱于 Claude Opus 5.5 或 GPT-6 Astra,需要结合其他工具。总体看,这次更新把开源模型和顶尖闭源模型的能力差距缩小到了个位数,但在部分专项能力（学术推理、攻击性安全测试）上头部闭源模型仍保持优势。
原文地址：tools.wflynn.cn/aitools/tre…
关注公众号「YourTools」，每天推送 GitHub 趋势与开源工具速报：
