Moonshot AI 发布推理模型 Kimi K3.1 Pro，Artificial Analysis Intelligence Index 排名第四
Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5
Moonshot AI 发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 上获得 55 分，比 K3 高 11 分，排名第四，距 Claude Opus 5.5 的 58 分相差 3 分。
Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 上比 K3 提升 11 分，并与榜首专有模型相差 3 分，呈现了其推理表现的变化。
Moonshot AI 的全新推理模型 Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index 中排名第四，仅比顶尖专有模型低 3 分。
中国 AI 公司 Moonshot AI 发布了 Kimi K3.1 Pro，这是前代模型 Kimi K3 的后训练版本，使用了显著更多的后训练算力。该模型在 Artificial Analysis Intelligence Index 中获得 55 分，比 K3 高 11 分，排名第四。
据 Artificial Analysis 称，排名更高的只有 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）。如果 Moonshot 按计划于 2026 年 11 月 4 日前发布模型权重，K3.1 Pro 将成为目前得分最高的开放权重模型。若届时没有其他变化，开放模型与专有模型之间的差距将从 12 分缩小至仅 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，其运行速度快两到三倍。目前，两款模型均可通过 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 / MTok | $4.00 / MTok |
| 输出 | $10.00 / MTok | $20.00 / MTok |
| 缓存输入 | $0.20 / MTok | $0.20 / MTok |
智能体任务提升最显著
K3.1 Pro 最明显的提升体现在智能体任务上。据 Artificial Analysis 称，该模型在 GDPval-AA 基准测试中达到 1,846 Elo，比 K3 高 312 分，仅次于 Claude Opus 5.5（1,866）和 Muse Wonder Full（1,857）。Moonshot 报告称，该模型在 Terminal-Bench 4.0 中得分为 65.7%，高于 GPT-6 Astra（58.2%），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，K3 的声明级幻觉率为 23.4%，K3.1 Pro 则降至 8.3%。Moonshot 表示，这是一项压力测试，并非对一般错误率的衡量。GPT-6 Astra 在同一基准测试中的得分为 5.5%，因此仍略胜一筹。
在内部金融基准测试中，K3.1 Pro 的 Financial Modeling 得分提高了 7.2 分，Financial Research 得分提高了 11.6 分。对于一般办公任务，Moonshot 称，该模型在 OfficeQA Pro v2 中超过所有受测模型。
| 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。所有结果均为推理强度设为“max”时的数据。
3D 建模与编程
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，也能构建完整项目。在 BenchCAD 基准测试中，该模型使用工具时得分为 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%，与 Claude Opus 5.5（73.0%）几乎持平。
Moonshot 表示，该模型最擅长对机械零件、建筑模型和可配置产品进行参数化建模。它无需 MCP 连接器，就能编写并运行 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，允许用户预览、编辑和导出 3D 模型。
尺寸相同，价格更低
K3.1 Pro 与 K3 的规模相同，总参数量为 2.8 万亿，激活参数量为 1040 亿。其上下文窗口为 100 万个 token，并能处理文本和图像。根据 Artificial Analysis 的数据，它位于帕累托前沿顶端。在参数量相近的模型中，没有任何模型的 Intelligence Index 得分更高。
Token 价格下调 33%。输入费用为每百万个 token $2（原为 $3），输出费用为 $10（原为 $15），缓存命中费用为 $0.20（原为 $0.30）。每项 Intelligence Index 测试任务的成本为 $1.98，与 K3 的 $2.00 几乎相同，因为该模型生成的输出 token 多 14%。
网络安全与对进攻能力的刻意限制
Moonshot 在其技术博客文章中专门用整整一节讨论网络安全。该公司表示，随着后训练规模扩大，其观察到漏洞研究能力持续增强，这是因为与网络安全相关的内容被纳入通用的中期训练语料，相关任务也包含在强化学习环境组合中。
在开放权重版本发布前，Moonshot 从两个训练阶段中都剔除了网络安全相关数据。在其内部基准 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；未经清理的版本能解决 90.5% 的任务。数据清理后，K3.1 Pro 能解决 81.0% 的任务。DeepSeek-V4.1-Flash 在同一测试中的得分为 85.7%，而 Kimi K3 的得分为 33.3%。
Moonshot 表示，任何开放权重模型都不应将进攻性网络安全能力推至绝对前沿。与此同时，该公司希望逐步提升开放模型的能力，因为这些模型也可用于审计旧系统等防御用途。Anthropic 此前展示过，即使是在 AA Index 中得分为 45 的 GLM-5.3，也能编写出接近 Claude Mythos 水平的漏洞利用程序。
不炒作的 AI 新闻——由人工精选
订阅 THE DECODER，即可享受无广告阅读体验、每周 AI 简报、每年六期独家“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