Moonshot AI 的新推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数上位列第四，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 11 分，位列第四。
只有 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）排名更高，据 Artificial Analysis 称。如果 Moonshot 按计划在 2026 年 11 月 4 日前发布模型权重，K3.1 Pro 将成为可用的最高分开源权重模型。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 还推出了名为 K3.1 Pro Highspeed 的变体，据该公司称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 / MTok | $4.00 / MTok |
| 输出 | $10.00 / MTok | $20.00 / MTok |
| 缓存输入 | $0.20 / MTok | $0.20 / MTok |
智能体任务提升最大
K3.1 Pro 最强的提升体现在智能体任务上。据 Artificial Analysis 称，在 GDPval-AA 基准测试上它达到 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 报告为 65.7%，领先 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，陈述级幻觉从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是一项压力测试，并非衡量一般错误率。GPT-6 Astra 在同一基准测试上达到 5.5%，因此仍占优势。
在内部财务基准测试中，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 等游戏引擎配合使用，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，它达到 72.8%，几乎与 Claude Opus 5.5（73.0%）持平。
Moonshot 表示，该模型最擅长机械零件、建筑模型和可配置产品的参数化建模。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。上下文窗口达 100 万 token，该模型可处理文本和图像。据 Artificial Analysis 称，它位于帕累托前沿的顶端。在 Intelligence Index 上，没有参数规模相当的模型得分更高。
Token 价格下降 33%。输入成本为每百万 token 2 美元（从 3 美元下降），输出成本为 10 美元（从 15 美元下降），缓存命中成本为 0.20 美元（从 0.30 美元下降）。每个 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 多出 14%。
网络安全与对攻击性能力的刻意限制
Moonshot 将整个一节用于其技术博客文章讨论网络安全。该公司表示，它观察到随着后训练规模扩大，漏洞研究能力持续增长，因为网络相关内容被嵌入到通用中期训练语料中，相关任务也被纳入 RL 环境组合。
对于开源权重发布，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 在同一测试上达到 85.7%，而 Kimi K3 得分为 33.3%。
Moonshot 表示，任何开源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，该公司希望逐步提高开放模型的能力，因为它们也服务于审计遗留系统等防御目的。Anthropic 此前曾表明，即便是在 AA Index 上得分 45 的 GLM-5.3，也能以接近 Claude Mythos 的水平编写漏洞利用程序。