月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 指数升至第四名
Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5
月之暗面（Moonshot AI）发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 得 55 分，比 K3 高 11 分，排名第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Muse Wonder Full（56）。
同一件事，精选收录的是《Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis 智能指数第 4》
Moonshot AI 的新推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数上位列第四，仅落后顶级专有模型 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，后训练算力大幅增加。该模型在 Artificial Analysis 智能指数上得分 55 分，比 K3 跃升 11 分，位列第四。
据 Artificial Analysis 称，只有 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）排名更高。如果 Moonshot 按计划在 2026 年 11 月 4 日前发布模型权重，K3.1 Pro 将成为可获得的最高分开源权重模型。假设届时其他一切不变，这将把开源模型与专有模型之间的差距从 12 分缩小到仅 3 分。
除 K3.1 Pro 外，Moonshot 还推出了一款名为 K3.1 Pro Highspeed 的变体，据该公司称其运行速度快两到三倍。两者目前均可通过 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 |
智能体任务提升最大
K3.1 Pro 最显著的改进体现在智能体任务上。据 Artificial Analysis 称，在 GDPval-AA 基准测试中，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，陈述级幻觉率从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是一项压力测试，并非一般错误率的衡量标准。GPT-6 Astra 在同一基准上为 5.5%，因此它仍具优势。
在内部金融基准测试中，K3.1 Pro 在 Financial Modeling 上提升 7.2 分，在 Financial Research 上提升 11.6 分。据 Moonshot 称，在一般办公任务方面，该模型在 OfficeQA Pro v2 上超越了所有受测模型。
| 基准 | 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（带工具） | 92.7 | 96.2 | 95.9 | 92.6 | 81.6 | -- |
| HLE-Full（带工具） | 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”下取得。
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，带工具时得分 92.7%，接近 Claude Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）。不带工具时达到 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 连接器即可为 Blender 和 CAD 软件编写并运行脚本。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。上下文窗口跨度达一百万 token，该模型可同时处理文本和图像。据 Artificial Analysis 称，它位于帕累托前沿的顶端。在智能指数上，没有参数规模相当的模型得分更高。
Token 价格下降 33%。输入为每百万 token 2 美元（从 3 美元下调），输出为 10 美元（从 15 美元下调），缓存命中为 0.20 美元（从 0.30 美元下调）。每个智能指数任务成本为 1.98 美元，与 K3（2.00 美元）几乎相同，因为该模型生成多出 14% 的输出 token。
网络安全与对攻击能力的刻意限制
Moonshot 在其技术博客文章中用了一整节来讨论网络安全。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，且相关任务是 RL 环境组合的一部分。
对于开放权重版本，Moonshot 从两个训练阶段中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。经过数据清理后，K3.1 Pro 解决了 81.0%。DeepSeek-V4.1-Flash 在同一测试中达到 85.7%，而 Kimi K3 得分为 33.3%。
Moonshot 表示，任何开放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，该公司希望逐步提升开放模型的能力，因为它们也服务于审计遗留系统等防御目的。Anthropic 此前表明，即使是在 AA 指数上得分 45 的 GLM-5.3，也能以接近 Claude Mythos 的水平编写漏洞利用程序。
没有炒作的人工智能新闻——由人工策划
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、我们每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权。
来源：The Decoder：AI News · the-decoder.com