月之暗面发布 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上逼近 Claude Opus 5.5
Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5
月之暗面发布推理模型 Kimi K3.1 Pro，它是 K3 的后续训练版本，训练后算力大幅增加；在 Artificial Analysis 智能指数上得分 55，比 K3 提升 11 分，排名第四，仅比 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）低 3 分以内。
文章用第三方榜单和官方基准并列展示开源模型与闭源前沿的差距缩小到 3 分，可作为开源模型追赶节奏的对照参考。
Moonshot AI 的新推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数中位列第四，仅落后顶级闭源模型 3 分。
中国 AI 公司 Moonshot AI 发布了 Kimi K3.1 Pro，这是其前代 Kimi K3 的后训练版本，后训练算力显著增加。该模型在 Artificial Analysis 智能指数上得分 55 分，比 K3 提升了 11 分，位列第四。
根据 Artificial Analysis 的数据，只有 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）排名更高。如果 Moonshot 按计划在 2026 年 11 月 4 日前发布模型权重，K3.1 Pro 将成为得分最高的开源权重模型。假设届时其他情况不变，这将把开源与闭源模型之间的差距从 12 分缩小到仅 3 分。
除 K3.1 Pro 外，Moonshot 还推出了一款名为 K3.1 Pro Highspeed 的变体，据该公司称运行速度快两到三倍。两款模型现均可通过 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 使用。
| 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 |
智能体任务提升最大
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%，超过 GPT-6 Astra（58.2%），仅略低于 Claude Opus 5.5（66.4%）。K3 在同一测试中仅取得 13%。
幻觉率也大幅下降。据该公司称，在 Moonshot 内部的 Kimi Hallu Bench Hard 上，断言级幻觉率从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是压力测试，并非对一般错误率的衡量。GPT-6 Astra 在同一基准测试中达到 5.5%，因此仍占优势。
在内部金融基准测试中，K3.1 Pro 在 Financial Modeling 上提升了 7.2 分，在 Financial Research 上提升了 11.6 分。据 Moonshot 称，在通用办公任务方面，该模型在 OfficeQA Pro v2 上超过所有测试模型。
| 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。所有结果均在推理强度设为“max”下测得。
3D 建模与编程
据 Moonshot 称，K3.1 Pro 可直接与 Unity、Unreal Engine 和 Godot 等游戏引擎配合工作，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，其使用工具时得分 92.7%，接近 Claude Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）。不使用工具时得分为 72.8%，几乎追平 Claude Opus 5.5（73.0%）。
Moonshot 表示，该模型在机械零件、建筑模型和可配置产品的参数化建模方面表现最强。它能够为 Blender 和 CAD 软件编写并运行脚本，无需 MCP 连接器。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。
同等规模，更低价格
K3.1 Pro 保持与 K3 相同的规模，总参数为 2.8 万亿，激活参数为 1040 亿。上下文窗口跨度达一百万个 token，该模型可同时处理文本和图像。据 Artificial Analysis 称，它位于帕累托前沿的顶端。在 Intelligence Index 上，没有任何参数规模相当的模型得分更高。
Token 价格下降 33%。输入价格为每百万 token 2 美元（从 3 美元下降），输出价格为 10 美元（从 15 美元下降），缓存命中价格为 0.20 美元（从 0.30 美元下降）。每个 Intelligence Index 任务的成本为 1.98 美元，与 K3（2.00 美元）几乎相同，因为该模型生成的输出 token 多了 14%。
网络安全与对攻击性能力的刻意限制
Moonshot 在技术博客文章中用了一整个章节来讨论网络安全。该公司表示，它观察到漏洞研究能力随着后训练规模扩大而持续增长，因为网络相关内容被嵌入了通用中期训练语料库，相关任务也被纳入了 RL 环境组合。
对于开放权重版本，Moonshot 从两个训练阶段中都剔除了网络相关数据。在其内部的 xdev-bench-hard 上（该测试复现了 Linux 内核、Node.js 和 JavaScriptCore 等软件近期披露的漏洞），未清理版本能解决 90.5% 的任务。经过数据清理后，K3.1 Pro 能解决 81.0%。DeepSeek-V4.1-Flash 在同一测试中达到 85.7%，而 Kimi K3 得分为 33.3%。
Moonshot 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，因为它们也有防御用途，例如审计遗留系统。Anthropic 此前曾展示，即使是在 AA Index 上得分 45 的 GLM-5.3，也能编写出接近 Claude Mythos 水平的漏洞利用程序。
没有炒作的 AI 新闻——由人类精选
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻简报、每年六次独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。
来源：The Decoder · the-decoder.com