Kimi K3.1 Pro 发布：104B 激活参数追到 Opus 5.5 差 0.7 个点，还主动「删掉」了自己的网络攻击能力

TL;DR：10 月 23 日，月之暗面发布 Kimi K3.1 Pro——K3 的后训练强化版，2.8 万亿总参、每次激活 1040 亿（MoE），100 万 token 上下文，API 价格全线降 33%。官方说它 Terminal-Bench 4.0 拿了 65.7%，比 GPT-6 Astra 高 7.5 个点、只差 Claude Opus 5.5 一线；独立评测机构 Artificial Analysis 给出 55 分、全场第 4，并预判权重一放出就是开源权重第一。完整权重承诺 11 月 4 日前放出。这次发布还有个少见细节：官方为了开放权重安全，主动删掉了训练数据里的网络攻防内容，代价是内部漏洞基准从 90.5% 掉到 81.0%——明码标价的安全自削，值得单独一节。

资源在哪看

官方技术博客（基准全表 + 安全章节）：kimi.ai/blog/kimi-k…

Artificial Analysis 独立评测：artificialanalysis.ai

Bloomberg 报道：Moonshot Debuts First AI Upgrade Since Its Own DeepSeek Moment

即刻接入：Kimi API（kimi-k3.1-pro）、OpenRouter、Vercel AI Gateway 均已上线

🚀 发生了什么：K3 的「后训练大力出奇迹」版

先说清楚这不是从零训的新模型。K3.1 Pro 是 K3 的后训练（post-training）版本，后训练算力大幅加码：为了在数百个下游域同时做大规模强化学习，官方把整层栈都翻新了一遍——RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度，连环境质量检查都做了共享平台。用大白话讲：底子还是 K3，但「教练团队」和「训练场」全换了，每个 RL 算力增量都要产出稳定回报。

规格上，它是 2.8 万亿总参数、每次前向激活 1040 亿的 MoE（混合专家架构，总参数大但每次只激活一小部分上场），100 万 token 上下文，支持文本和图片输入。同步发布的还有 K3.1 Pro Highspeed 版，输出速度 2-3 倍，给交互场景兜底。

Bloomberg 把这次发布定调为月之暗面「自家的 DeepSeek moment 以来首次大升级」，并点名三个对标美国对手的方向：金融研究、编程、3D 建模。

📊 到底多强：官方和第三方各给了一本账

官方口径：Terminal-Bench 4.0（考核编程智能体在真实、资源受限的终端任务上的表现）得分 65.7%——超过 GPT-6 Astra 的 58.2%，以 0.7 个点之差落后 Claude Opus 5.5 的 66.4%。3D 方向的 BenchCAD 上，带工具 92.7%，落在 Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）身后，但把 Claude Fable 5.1（92.6%）和 DeepSeek-V4.1-Flash-1017（81.6%）甩在身后。金融文档分析 OfficeQA Pro v2 拿下 64.4 的 SOTA。

第三方口径：Artificial Analysis 同日给出独立评测——Intelligence Index 55 分，全场第 4，比 K3 的 44 分直涨 11 分，前面只剩 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）三个闭源模型。最有分量的是这句判断：权重放出后，它将成为开源权重模型第一，开源与闭源旗舰的指数差距从 12 分缩到 3 分。

两本账有一处对不上，值得点破：AA 给出的 Terminal-Bench 4.0 分数是 67%、称全场最高，官方自己写的是 65.7%、只说「仅次于 Opus 5.5」。这不是谁造假——两边 harness 和推理配置不完全一致，各自都标注了评测设置。结论层面倒是高度一致：编程智能体这个主战场，K3.1 Pro 已经站在了闭源旗舰的门槛上。

不是所有项都涨得凶。AA 数据里知识类提升温和：HLE 47%→52%、SciCode 59%→61%、CritPt 23%→25%。MarkTechPost 还翻出了官方图表里的最弱项：Terminal-Bench Science 0.1 只有 38.1，对照 GPT-6 Astra 的 68.1——科学终端任务仍是明显短板。这些官方也没藏着，都摆在自家博客的图表里。

💸 价格账：降 33% 之后，性价比曲线有多陡

API 定价 $2 /$ 10 / $0.20（每百万 token 的输入 / 输出 / 缓存命中），比 K3 全线降 33%；机器之心标注的标准版输出价 68 元/百万 tokens 与之吻合。Highspeed 版$ 4 / $20。

单价降了，但模型更能「说」了——AA 测出每个任务平均输出 55K token，比 K3 多 14%。两相抵消，每任务成本 $1.98，和 K3 基本持平。换句话说：这不是降价促销，是同等账单下多给你 11 个点的智能。HN 上那个「placed on the Pareto line」的标题说的就是这个——它把性价比前沿曲线往外推了一截。

要注意的另一面：2.8T 总参数意味着这基本不是个人玩家能自托管的模型（K3 时代的参考配置是 64+ 加速器超节点、MXFP4 权重）。对绝大多数开发者，消费方式就是 API 或托管端点。

🧯 少见的细节：给开放权重「主动减配」安全

这次官方披露里最值得琢磨的，不是哪张榜第几，而是网络安全章节。

事情是这样的：训练过程中团队观察到，后训练规模一大，模型的漏洞研究（vulnerability research）能力跟着涨。溯源发现，网络攻防内容混在通用 mid-training 语料和 RL 环境里——训练数据够宽，这种东西自然会渗进来。对照实验显示，如果不做处理，网络攻击能力会显著上涨。

于是官方做了一个明码标价的决定：为开放权重版本，在 mid-training 和 RL 两个阶段主动识别并移除网络攻防数据。代价可以量化——内部漏洞基准 xdev-bench-hard（pass@3）上，没做风控的对照检查点能解 90.5%，最终发布的 K3.1 Pro 是 81.0%。少了 9.5 个点，买的是「开放权重不扩展网络攻击绝对前沿」这条发布原则。

这个操作的少见之处在于可验证性：绝大多数厂商谈安全都是定性表态，这里给了对照组数字。至于「能力渐进扩散好于集中于少数专有系统」这个开放理由能否说服所有人，就见仁见智了——但把账摆出来的做法，值得同行抄。

🤔 「open-weight」三个字，目前还是期票

有个口径要帮读者厘清：发布时权重还没有放出。官方承诺 11 月 4 日前放出完整权重，AA 的「开源第一」判断也以此前提成立。在此之前，「3T 级开放权重旗舰」是一张期票——兑现了，开源格局重排；跳票了，上面所有叙事都要打折。11 月 4 日是个值得记在日历上的日子。

顺带一提， hallucination（幻觉）数据倒是第三方和官方互相印证得不错：AA 测到幻觉率从 53% 降到 44%，官方内部压力测试 Kimi Hallu Bench 上 claim 级幻觉率从 23.4% 降到 8.3%，无工具档甚至压到了 Opus 5.5 之下（5.4 vs 6.8，GPT-6 Astra 4.2 仍是第一）。金融研究这个主打方向，恰恰是幻觉代价最高的场景，这个改进是打在点子上的。

🛠 开发者怎么接

产品端：Kimi.ai 与移动 App（iOS / Android / HarmonyOS）、Kimi Work 桌面版（≥3.1.0）、Kimi Code（/model 切换）即日可用
API：kimi-k3.1-pro / kimi-k3.1-pro-highspeed，OpenAI 兼容接口，API 客户可选 Zero Data Retention；Kimi Enterprise 默认不启用需管理员开启
第三方托管：OpenRouter、Vercel AI Gateway 已 Day-0 接入
自托管：等 11 月 4 日权重，但先评估你的集群够不够 3T 级 MoE 吃一顿的

把话说明白：K3.1 Pro 不是又一次「国产模型发榜」，它是开源阵营第一次把「编程智能体追平闭源旗舰」这件事写进了第三方评测的判断里——前提是 11 月 4 日权重如期落地。对天天用 Claude Code 和 GPT 的开发者，多一个 1/3 价格、100 万上下文、还把安全账摊开给你看的选项，怎么看都不是坏事。剩下的悬念只有一个：11 月 4 日，见真章。