月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 指数升至第四名
Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5
月之暗面（Moonshot AI）发布 Kimi K3.1 Pro，是 Kimi K3 加大后训练算力的版本，在 Artificial Analysis Intelligence Index 得 55 分、排名第四，仅比 Claude Opus 5.5（58 分）低 3 分。
原文汇总了 K3.1 Pro 的基准成绩、定价和开放权重计划，可帮助读者比较开源与闭源前沿模型的差距变化。
Moonshot AI 的新推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数上排名第四，仅比顶级专有模型落后 3 分。
中国 AI 公司 Moonshot AI 发布了 Kimi K3.1 Pro，这是其前代模型 Kimi K3 经过后训练的版本，使用了明显更多的后训练算力。该模型在 Artificial Analysis 智能指数上得分为 55 分，比 K3 提高了 11 分，排名第四。
根据 Artificial Analysis 的数据，排名更高的只有 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。如果 Moonshot 按计划在 2026 年 11 月 4 日发布模型权重，K3.1 Pro 将成为可用的高分开源权重模型中最强的一个。届时开源模型与专有模型之间的差距将从 12 分缩小到仅 3 分，前提是到那时没有其他变化。
除 K3.1 Pro 外，Moonshot 还推出了一个名为 K3.1 Pro Highspeed 的变体，据该公司称其运行速度快两到三倍。两者现已通过 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 提供。
| 项目 | Kimi-K3.1-Pro | Kimi-K3.1-Pro-Highspeed |
|---|---|---|
| 输入 | $2.00 / 百万 token | $4.00 / 百万 token |
| 输出 | $10.00 / 百万 token | $20.00 / 百万 token |
| 缓存输入 | $0.20 / 百万 token | $0.20 / 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。根据 Artificial Analysis 的数据，在 GDPval-AA 基准测试中，它达到 1,846 Elo，比 K3 高出 312 分。这使它仅次于 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%），并仅略低于 Claude Opus 5.5（66.4%）。K3 在同一测试中仅得 13%。
幻觉率也大幅下降。据该公司称，在 Moonshot 内部的 Kimi Hallu Bench Hard 测试中，断言级幻觉率从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是一个压力测试，并非对总体错误率的衡量。GPT-6 Astra 在同一基准上为 5.5%，因此仍有优势。
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，在一般办公任务方面，该模型在 OfficeQA Pro v2 上超越了所有受测模型。
| 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（使用工具） | 92.7 | 96.2 | 95.9 | 92.6 | 81.6 | -- |
| HLE-Full（使用工具） | 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为 "max" 的情况下得出。
3D 建模与编程
据 Moonshot 称，K3.1 Pro 可直接与 Unity、Unreal Engine 和 Godot 等游戏引擎协作，既能处理快速修复，也能完成完整项目构建。在 BenchCAD 基准测试中，它使用工具的得分为 92.7%，接近 Claude Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）。不使用工具时，它的得分为 72.8%，几乎与 Claude Opus 5.5（73.0%）持平。
月之暗面表示，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 连接器即可编写并运行 Blender 和 CAD 软件的脚本。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，总参数量达 2.8 万亿，激活参数为 1040 亿。上下文窗口达 100 万 token，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，没有哪个在智能指数上得分更高。
Token 价格下降 33%。输入价格为每百万 token 2 美元（原为 3 美元），输出价格为 10 美元（原为 15 美元），缓存命中价格为 0.20 美元（原为 0.30 美元）。每项智能指数任务的成本为 1.98 美元，与 K3（2.00 美元）几乎相同，因为该模型多生成了 14% 的输出 token。
网络安全与对攻击能力的有意限制
月之暗面在其 技术博客文章中用整整一个章节专门讨论网络安全。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，因为网络相关内容被嵌入到通用的中期训练语料库中，相关任务也是 RL 环境组合的一部分。
在开放权重版本发布中，月之暗面从两个训练阶段中剔除了网络相关数据。在其内部的 xdev-bench-hard 基准上——该基准复现了 Linux 内核、Node.js 和 JavaScriptCore 等软件中近期披露的漏洞——未清洗的版本可解决 90.5% 的任务。经过数据清洗后，K3.1 Pro 可解决 81.0%。DeepSeek-V4.1-Flash 在同一测试中达到 85.7%，而 Kimi K3 得分为 33.3%。
月之暗面表示，任何开放权重模型都不应推动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，因为它们也服务于防御性目的，例如审计遗留系统。Anthropic 此前表明，即使是 在 AA 指数上得分为 45 的 GLM-5.3，也能写出接近 Claude Mythos 水平的漏洞利用代码。
没有炒作的 AI 新闻 – 由人工精选
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区的访问权限。
来源： The Decoder · the-decoder.com