10月24日凌晨，月之暗面发布 Kimi K3.1 Pro，这是 K3.1 系列的第一个模型，也是其迄今能力最强的 3 万亿级参数模型，支持 100 万上下文。 新模型总参数规模达 2.8 万亿、采用混合专家（MoE）架构、每次激活 1040 亿参数，基座沿用了 7 月发布的 K3，真正加码的是后训练算力。 完整模型权重将于 11 月 4 日前开放。知乎华尔街见闻
基座没变，变的是后训练算力
官方介绍，为支撑数百个下游领域的大规模联合训练，团队优化了 RL 框架、长上下文推理、沙箱基础设施、调度系统等每一层技术栈，目标是把新增的强化学习算力转化为复杂任务中的持续执行能力，而不是拉高单轮问答表现。在侧重多步执行与端到端工程问题解决的内部基准 Kimi Code Bench 3.0 Long-horizon 中，新模型得分 61.2%，高于 K3 的 55.95%。 而在考察真实终端任务的公开测试 Terminal-Bench 4.0 上，K3.1 Pro 拿到 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 只差 0.7 个百分点。知乎华尔街见闻
编程与 3D：从生成代码到跑通完整项目
最能体现"长程"二字的是官方的仿真器演示：模型基于包含 296 个骨骼组件和 402 个肌肉组件的开源人体解剖学模型，构建了一套集成训练与评估流程的人类行走动力学仿真器。在 167 项任务、420 次独立评审中，它持续分析实验结果、定位问题并迭代优化行走控制器，让仿真人体从最初几步内便倒地，进步到能够交替迈步、连续行走 11.2 秒。 当调整奖励机制无法改善手臂运动时，它没有停留于此，而是转而检查仿真器动力学，定位并修正了肩部肌肉力臂计算中的 36 处错误，再重新训练控制器。 这组数字的意义不在"走完 11.2 秒"本身，而在于模型自己完成了"根据实验反馈定位问题"这一环节——这正是编程智能体与传统代码补全的分界线。知乎华尔街见闻
创作端，它已熟练使用 Unity、Unreal Engine、Godot 等游戏引擎，也能在无需 MCP 连接器的情况下直接编写并运行 Blender、CAD 等专业建模工具的脚本。在 BenchCAD 基准测试中，K3.1 Pro 借助工具得分 92.7%，接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。 kimi.com 和 Kimi App 同步上线了 3D Make 功能，做好的 3D 模型可以直接下载去 3D 打印，也能导出视频或实况照片。知乎
金融：SoTA 之外，准确率被专门优化
金融研究是另一条重点强化线。在考察基于真实金融文档的信息检索、跨文档核对与多步数值推理的 OfficeQA Pro v2 上，K3.1 Pro 得分 64.4，取得当前最优成绩（SoTA）。 三项内部基准较 K3 的提升分别是财务建模 14%、金融研究 20%，商业运营测试约达到前代的 4.2 倍。知乎华尔街见闻
对金融场景而言，更值得注意的是准确率。官方针对高难度真实工作场景和高难度提示词，对 K3.1 Pro 的事实准确性做了专项优化。在内部压力测试 Kimi Hallu Bench Hard 中，新模型的单项事实陈述错误率从 K3 的 23.4% 降至 8.3%，包含至少一处事实错误的回答比例仅为前代的约 42.4%。 月之暗面同时标注，这项测试刻意聚焦模型容易出错的情形，所报错误率不代表日常使用中的整体水平。 能产出完整的财务工作簿或行业研报，不意味着其中每项数据、假设和结论都必然正确——关键数字及其来源仍需核验。知乎
现在就能用，但先看清入口和价格
即日起，Kimi K3.1 Pro 及高速版已可通过 kimi.com、Kimi App（iOS/Android/鸿蒙）、Kimi Work、Kimi Code 和 Kimi API 使用。 API 中的模型名为 kimi-k3.1-pro，高速版为 kimi-k3.1-pro-highspeed，OpenRouter 也已同步上线。标准版 API 定价为每百万 Token 输入 1.3 元（命中缓存）、13 元（未命中缓存），输出 68 元；高速版输出速度约为标准版的 2 至 3 倍，价格为其两倍。 企业侧还推出了 Kimi Hosted Agents 托管智能体服务，把支撑 Agent 运行的框架作为云端服务提供，无需自建即可获得 7×24 小时的长任务执行环境。知乎华尔街见闻
开放权重的另一面：主动删掉网络攻防数据
本次发布对行业格局影响最大的，是权重的开放安排，完整模型权重将于 11 月 4 日前发布。 届时开发者可以下载、研究并在自己的基础设施上部署这个 3 万亿级模型。但月之暗面罕见地同步披露了一个"减法"：为限制模型的漏洞研究能力，开放权重版已从中期训练和强化学习阶段识别并移除了网络攻防相关数据。在自研的 xdev-bench-hard 测试中，未经该处理的模型得分为 90.5%，最终开放版为 81.0%。 公司同时承认，针对性的数据清理降低了漏洞研究能力，但更强的通用编程和长周期调试能力仍可能迁移至网络安全任务。"开源版刻意削弱网安能力"随即在知乎等平台引发讨论：开放与安全的边界该由谁来画，正成为开源旗舰模型必须正面回答的问题。知乎华尔街见闻
真正的考验在 11 月 4 日之后
最后回到分数本身：上述成绩来自不同的测试体系，其中部分为月之暗面内部基准，不同模型的测试环境、工具配置和评估方法可能存在差异，分数不能直接等同于所有实际工作场景中的能力排名。 演示案例也不代表模型在同类任务中都能稳定复现同样的表现。K3.1 Pro 的真实成色——尤其是移除攻防数据后的开源版本能兑现多少基准能力——要等 11 月 4 日权重落地、开发者与第三方机构上手之后，才算全面揭晓。华尔街见闻
