月之暗面发布 Kimi K3.1 Pro：2.8万亿参数，多项测试超越 GPT-6 Astra

10月23日，月之暗面正式发布新一代旗舰模型 Kimi K3.1 Pro，重新加入全球大模型的密集更新周期。新模型拥有2.8万亿总参数，每次推理激活1040亿参数，支持100万 token 上下文窗口，官方宣布完整模型权重将在11月4日前开放。

据月之暗面公布的测试结果，K3.1 Pro 在编程、智能体、3D 创作和金融研究等方向均有升级，多项成绩超过 OpenAI 的 GPT-6 Astra，在部分项目上逼近或超过 Claude Opus 5.5。独立评测机构 Artificial Analysis 给出的智能指数为55分，排名全球第四。

发布与规格

此次发布距上一代 Kimi K3 推出已有三个多月。过去两个月，全球大模型市场经历了一轮密集更新：9 月 OpenAI 接连推出 GPT-6 Astra、GPT-6 Sol 等模型，Anthropic 也发布了 Claude Opus 5.5 和 Claude Sonnet 5.5，而中国头部厂商的新一代旗舰发布节奏相对平静。K3.1 Pro 的推出使月之暗面重新回到这一竞争序列中。

规格方面，K3.1 Pro 总参数为 2.8 万亿，每次推理激活 1040 亿参数，上下文窗口为 100 万 token。官方表示，完整模型权重将在 11 月 4 日前开放，延续了 K3 以来大规模开放权重的路线。

关键测试成绩

月之暗面公布的编程测试中，K3.1 Pro 在 Terminal-Bench 4.0 上取得 65.7%，高于 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 相差 0.7 个百分点。在考察长周期软件工程任务的 SWE-Marathon v1.1 中，它以 51.7% 超过 Claude Opus 5.5 的 46.3% 和 GPT-6 Astra 的 42.5%。

智能体方向上，K3.1 Pro 在 Agents' Last Exam 中获得 43.2 分，高于 Claude Opus 5.5 的 42.6 分和 GPT-6 Astra 的 32.8 分；在允许调用工具的完整版 Humanity's Last Exam 中，以 70.0% 位列官方对比模型首位。官方同时说明，在科学计算终端任务、部分知识推理和 3D 重建测试中，GPT-6 Astra 与 Claude Opus 5.5 仍保持优势。

独立评测机构 Artificial Analysis 给出的智能指数为 55 分，全球排名第四，仅次于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full，较上一代 K3 的 44 分提高 11 分。该机构指出，一旦权重按计划公开，K3.1 Pro 将成为该指数中得分最高的开放权重模型，领先开放权重模型与顶级闭源模型的分差也将从此前的 12 分缩小至 3 分。

3D 与前端演示

官方公布的作品显示，K3.1 Pro 在视觉与交互内容上的能力有所扩展，可同时处理代码逻辑、页面构图、材质、光照和动画设计。演示包括一款使用虚幻引擎 5.8 开发的天宫对战游戏，模型通过编写代码和调用工具构建大型建筑场景，并结合程序化建模、实时光照及外部素材形成可运行的游戏环境。

另一项演示是使用 Godot 引擎开发的东方仙侠风格 3D 角色扮演游戏，包含五个可探索区域、两阶段 Boss 战、昼夜循环和篝火传送等机制。此外还有一款 3D 汽车登录页面，将三维车模与网页交互结合，体现模型在前端开发中兼顾功能、视觉与交互的完成度。

3D 建模方面，模型可根据文字描述、草图或参考图片理解物体结构、比例和空间关系并生成三维模型，也能自行编写和运行 Blender、CAD 等软件脚本，修改几何结构、材质与场景布局。演示包括以福建土楼为灵感、由五个可分别打印部件组成的 3D 打印台灯，以及用 Blender 构建的机场室内雨林场景，后者输出为 19.5 秒、1920×1080 分辨率、每秒 60 帧的视频。月之暗面同步推出 3D Make 功能，用户可在 Kimi 网页和 App 中创建、预览、编辑 3D 模型，下载 3D 打印文件或导出为视频和实况照片。

后训练与强化学习

据月之暗面介绍，K3.1 Pro 是在 K3 基础上进行更大规模后训练得到的，并未从头训练新模型。团队重点扩大了强化学习的计算投入，同时调整强化学习框架、长上下文推理、训练效率、沙盒环境和任务调度系统，使模型能在数百个不同领域的任务中持续学习，并根据执行结果调整策略。这也解释了其进步为何集中在编程、智能体和长周期任务，而非所有知识与推理测试同步大幅领先。

长时间任务能力方面，官方给出一个人体行走模拟实验：模型基于包含 296 个骨骼组件、402 个肌肉组件的开源人体模型编写模拟器并训练虚拟人行走，过程中经历 167 项任务和 420 次独立评审。当手臂运动始终无法改善时，模型回头检查模拟器计算方法，发现并修复 36 处肩部肌肉力臂计算错误，随后重新训练控制器。

金融研究是另一提升明显的领域。在 OfficeQA Pro v2 中，模型需处理真实金融文件，完成信息检索、跨文档核对及多步骤计算，K3.1 Pro 获得 64.4 分，高于 Claude Opus 5.5 的 62.2 分和 GPT-6 Astra 的 54.4 分。内部测试显示，相比 K3，其金融建模成绩提高 7.2 分，金融研究提高 11.6 分，模拟商业运营成绩提升至原来的约 4.2 倍；演示任务包括英伟达财务预测与估值模型、宁德时代投委会报告和量子计算行业研究报告。事实准确性方面，内部 Kimi Hallu Bench Hard 压力测试中，单条事实错误率从 K3 的 23.4% 降至 8.3%，该测试专门挑选易产生事实错误的复杂任务，官方未将其等同于日常使用的总体幻觉率。

定价与可用性

K3.1 Pro 的 API 价格为每百万输入 token 2 美元、每百万输出 token 10 美元，较上一代 K3 对应价格下降约三分之一。官方另推出 Highspeed 版本，称在维持相同模型能力的情况下输出速度提升约 2 至 3 倍，价格相应翻倍。

Artificial Analysis 测得标准版输出速度约为每秒 73.5 个 token，低于同类模型平均水平，完成测试任务时的输出篇幅也偏长，因此实际使用成本和任务耗时仍需结合具体场景判断。目前 K3.1 Pro 已上线 Kimi 网页端、移动端、Kimi Work、Kimi Code 和 API 平台。官方承认，在部分科学推理、工程任务和运行效率上，领先的闭源模型仍保持优势。

要点

• K3.1 Pro 总参数2.8万亿，推理激活1040亿参数
• 支持100万 token 上下文窗口
• Terminal-Bench 4.0 得分65.7%，高于 GPT-6 Astra 的58.2%
• Artificial Analysis 智能指数55分，较 K3 提高11分
• API 价格每百万输入 token 2美元、输出10美元