10 月 24 日凌晨，月之暗面正式发布 Kimi K3.1 Pro：这是 K3.1 系列的第一个模型，也是公司迄今能力最强的 3 万亿级参数模型，支持 100 万上下文，同步上线输出速度快 2~3 倍的 Highspeed 版本。 发布没到半天，独立评测就已经坐实了位置：Artificial Analysis 智能指数给出 55 分，全球总榜第 4，比前代 K3 的 44 分高出 11 分。 换句话说，这篇实测要回答的问题不是它有没有发，而是：开源旗舰离闭源前沿的座位，它到底坐没坐进去。知乎微博小红书
这次真正值得拆的，是路线和定价。K3.1 Pro 没有重训基座，就是在 7 月发布的 K3 上继续做后训练，官方把大部分叙事押在加码的强化学习算力和重建的 RL、沙箱、调度技术栈上。 定价跟着下探：API 输入每百万 token 2 美元、输出 10 美元、缓存输入 0.2 美元，约为前代 K3 的三分之二，高速版价格则是标准版的两倍。 Kimi.ai、App、Kimi Work、Kimi Code 和 API 现在都能用，想自己部署还得再等——官方承诺最晚 11 月 4 日放出完整权重，许可证还没公布。微博知乎
先看官方成绩单。在考察模型在终端里自主干活的 Terminal-Bench 4.0 上，K3.1 Pro 得到 65.7 分，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 只差 0.7 个百分点。 官方重点强调的低幻觉卖点同样激进：在一套专门刁难事实准确性的内部压力测试里，单项事实陈述错误率从 K3 的 23.4% 降到 8.3%——官方自己也注明，这是压力测试，不代表日常使用的整体错误率。 3D 与 CAD 是另一个主推方向，BenchCAD 带工具 92.7%，距离 Claude Opus 5.5 的 96.2% 还有一截，但已经够到第一梯队门口。知乎知乎
官方跑分之外，第一批社区实测给出的画像是：比上代强得多，但和最强者的差距没有整体收窄。B 站 UP 主把 K3.1 Pro 拉进“奶蛙 bench”中文网络梗视觉测试，24 张图的新模型拿到 83.3 分、9 个模型中第 4，前代 K3 只有 62.5 分、第 7。 有国内 UP 主翻译了海外博主用六个自定义项目做的实测——3D 魔方模拟、WebGL 渲染、Blender 攀岩结、游戏全流程克隆、官网改版加恶搞视频，结论是分层的：魔方一次过关堪称最好成绩之一，保护结和动效讲解明显不如 GPT-6.1 Sol，游戏与网页产物能用但一眼有 AI 味。 速度方面，社区有人测得约 117 至 120 tok/s，但均为个人测试、未说明版本，官方没有公布数据。哔哩哔哩哔哩哔哩知乎
把发布放回 10 月的日历里，它的信号才完整。就在正式发布的两天前，Arena 编程盲测区同时出现 Kibitz 和 Kalmia 两个匿名代号，社区经分词器指纹认定前者是 K3.1、后者是阿里的 Qwen 4。 阿里在云栖大会已经披露 Qwen4 正在训练、后续向 5 万亿至 10 万亿参数演进。 卖方机构的排期里，GLM 5.5 和 DeepSeek V4.1 Pro 同样压在十月底。 所以“国模卷旗舰”这一轮卷的并不是参数表：卷后训练能不能不重训基座就把分数抬上去，卷推理成本敢不敢直接砍价，卷开源节奏谁先把权重交出去。知乎微博微博
边界同样清楚。成绩单目前仍是官方自测为主，Artificial Analysis 的 55 分刚收录、尚无长程任务复现；官方还承认 OfficeQA Pro 上有些外部模型联网查到参考答案被直接判零分，横向比较要留余地。引发社区争论的还包括安全策略：官方明确表示这一代开放权重不会推高网络攻防能力的整体前沿。 K3 时代被反复吐槽的慢和贵，这轮用高速版和降价回应了；但底座不动、只加后训练能不能一直扛住闭源对手，答案要等 11 月 4 日权重落地之后，由开源社区的自建复现说了算。知乎
