11 月 4 日，月之暗面如约兑现发布时的承诺，把 Kimi K3.1 Pro 的权重放上 Hugging Face。随权重一起公布的还有一份榜单：在 Arena 运营的 Agent Arena 智能体排行榜上，Kimi K3.1 Pro（Max）位列开放权重模型榜首，测评基于 1.75 万次以上的真实用户会话。知乎IT之家
要回答标题里的"比上代强在哪"，先确立一个容易误解的事实：K3.1 Pro 和 7 月的 K3 用的是同一个底座，2.8 万亿总参数、每词元激活 1040 亿、约 104 万词元上下文这些规格一脉相承。真正变的是训练配方：变化来自加大的后训练，官方称在数百个领域上联合做了强化学习。同时，原来用「全注意力」的 24 层被改成了 DeepSeek 提出的「稀疏注意力」，每个 token 只挑出最相关的 2048 个 token 来计算，处理长上下文更省算力。知乎雷峰网知乎
第三方 Artificial Analysis 给出的智能指数是 55 分、位列全球第四，也是该榜得分最高的开源权重模型。同一版指数里，上代 K3 是 44 分。涨幅几乎全落在执行端：终端编程任务 Terminal-Bench 4.0 从 13% 涨到 67%、为全榜最高，模拟真实知识工作的 GDPval-AA 涨了 312 个 Elo 分，而考知识储备和科学推理的项目只涨了 2 到 5 分。36氪知乎雷峰网
Agent Arena 的"登顶"，量的是什么
Agent Arena 和做题式跑分不是一回事。它不看评测题的得分，而是分析用户在日常使用中留下的行为痕迹，覆盖 52 个模型、累计超过 2.1 亿次观测。榜单把它拆成五个维度：模型说自己干完了是否真干完、让它换方向它听不听、命令跑崩了能不能自己救回来、会不会调用根本不存在的工具、用户好评还是差评。它考的不是"难题能不能做对"，而是"干活让不让人省心"。知乎
这个参照系让"登顶"有了具体的比较对象。上代 Kimi K3（Max）在这份总榜排第 17，单项最亮眼的是工具幻觉第 2——它很少编造不存在的工具，但整体名次不在头部梯队。而官方与媒体披露的本代口径里，它登顶 Agent Arena 开源模型榜，在 Shell 执行、可控性等指标大幅优于上代。上代没冲进去的位置，成了这代增量的主要来源，这也与 Terminal-Bench 那条 13% 到 67% 的曲线互为印证。知乎微博
两点口径要交代清楚。其一，这次"登顶"指开放权重组的第一，总榜头部仍是 Claude Opus 5.5 等闭源旗舰。其二，同一套榜单方法此前显示，把区间画出来，前六名的区间是相互重叠的。相邻名次的统计分辨率有限，而支撑这次登顶的 1.75 万次会话还在积累期，头部座次会随会话量继续变动。知乎知乎
真干活的样子：查得到的说实话，查不到的会漏
跑分说明上限，交付才说明体验。雷峰网用 Kimi 网页版 Agent 和桌面端 Kimi Work 出了 12 次真任务，评分标准开考前写好、标准答案封进文件。结果恰好呈现了这代能力涨在哪、缺在哪。
涨的部分是可核验的执行。一道埋了 4 处物理错误的火星着陆器调试题，第一轮只许调控制器，它没有硬凑答案，而是回头检查环境本身，算出按写错的物理最优情况落地速度也有每秒 1.87 米、超出 1 米的规定，直说"规则内做不到"。第二轮放开限制，两个入口都把 4 处错误全部找到、全部修对，没有乱改别的地方，也没有碰评分脚本，复跑全部成功。一道财务建模题要求每个历史数字标出处，交回来的 342 个历史数字雷峰网逐个翻回原文核对，全部对得上，预测部分 351 个格子全是公式；附加题问了 10 件不存在的事，它 10 题全部识破，一条引文还是翻完会议官方目录之后才下的结论。雷峰网
缺的部分是"眼睛"。先说结论，它报出来的数字几乎都是对的，但它写通过、已完成的地方，有 6 处和实际不符，而且都在 3D 题里。细节包括 microSD 卡槽没切开、USB 口低了 1.4 毫米，而它的自检只查"有没有破洞、尺寸对不对"，从不检查"零件插不插得进去"。它查得到的问题会如实说，没查的地方会被写成通过——能算出标准答案的活可以放心交，要靠眼睛验收的活还得人盯着。雷峰网
账单：单价降三分之一，成本几乎没动
能力翻强的另一面是消耗变大。K3.1 Pro 的 API 输入价格从每百万 Token 20 元降到 13 元、输出从 100 元降到 68 元。但换算下来，K3.1 Pro 的 Token 输出量比参与评测的中位模型高出约 72%。单价便宜了，干活更费话，两项相抵，AA 算下来每完成一个评测任务的花费约 1.98 美元，和 K3 差不多。知乎36氪雷峰网
订阅用户的体感比统计更直接，有用户只发了一句"审查项目架构"，模型自行拉起 5 个子 Agent，十几分钟就用满了 5 小时额度窗口。10 月 29 日，月之暗面就限流和不必要的额度消耗公开致歉，为所有套餐订阅者一次性恢复 25% 的月度额度，并表示将减少不必要的子 Agent 调用和输出长度。同时，这是一款默认全程思考、关不掉的模型，文档口径里 kimi-k3.1-pro 始终在想。榜单上的"Max"即最高推理强度档。与标准版一同上线的还有快车道版本 Highspeed，价格是标准版的两倍。能不能把这代能力变成净收益，取决于交给它的任务有多长、多需要自我校验。36氪知乎雷峰网
权重开放改变了什么
放出的权重以 MXFP4 量化、按 96 个分片放出约 1.56 TB。想自己部署的配置要求相当高，按 SGLang 提供的部署方案，英伟达 GB300 需要 8 张。知乎知乎
许可证的主体部分沿用 MIT 协议的写法，个人和公司都能免费使用、修改、二次分发，也能拿去商用。月之暗面只额外设置了两条限制，其中卖模型 API 的大厂，一家公司或它的关联公司整个集团任意连续 12 个月的总营收超过 2000 万美元，商用前就得先联系月之暗面另签协议。另一条针对超级应用：用 K3.1 Pro 做的产品月活超过 1 亿或月收入超过 2000 万美元，界面上需要醒目地标出"Kimi K3.1 Pro"；公司内部自用和走官方渠道均不受限。知乎知乎
对个人用户，1.56TB 的门槛意味着本地部署仍是极少数选项；对把数据留在自己机器上有刚需的团队，这代开放权重让"可私有化的最高能力"换了座次——10 月 20 日刚登顶 Agent Arena 开源模型榜的，还是深度求索最新发布的 DeepSeek-V4.1-Flash-1017。如今这个位置让给了执行分更高的 K3.1 Pro。选型时可以盯两个尚未收口的信号。稀疏注意力只有被 Indexer 选中的位置才进入后续的精细注意力计算，而这部分没有找到 Kimi 官方的消融实验。另一项是 1.75 万次会话量的爬坡，它会决定这次登顶最终落在总榜的哪个位置。知乎知乎
