月之暗面发布 Kimi K3.1 Pro，3万亿参数开源模型价格仅为 GPT-6 Astra 五分之一

10月24日凌晨，月之暗面发布新一代开源大模型Kimi K3.1 Pro。该模型参数规模达3万亿，支持100万词元上下文窗口，继续成为全球参数规模最大的开源模型。

据发布信息，Kimi K3.1 Pro综合智能水平已接近全球领先的闭源模型，价格却仅为GPT-6 Astra的五分之一。相比此前2.8万亿参数的Kimi K3，此次升级重点强化了代码编写、3D创作、金融研究和长程Agent能力。

发布与参数规模

此次发布的Kimi K3.1 Pro延续了Kimi系列在参数规模上的扩张路线。几个月前，Kimi推出2.8万亿参数的Kimi K3，成为当时全球参数最大的开源模型；K3.1 Pro将这一数字提升至3万亿，继续位居全球开源模型参数规模首位。

发布信息显示，其综合智能水平已接近全球领先的闭源模型，这一表述将开源模型的能力定位从性价比与轻量化，推向与头部闭源产品同台比较的区间。

过去较长一段时间，全球大模型形成了相对固定的发展框架：闭源模型掌握顶尖能力，开源赛道更多追求性价比与轻量化，在综合推理和复杂任务上较难与头部闭源产品竞争。国产大模型起步阶段也长期处于这一格局之下，Kimi系列的迭代被视为对这一路径的逐步改写。

相比K3版本，K3.1 Pro的升级重点集中在四个方向：代码编写、3D创作、金融研究和长程Agent能力。发布信息称，这些强化使其能够完成更长时间的多步骤复杂任务。

长程Agent能力的攻坚与政策导向存在呼应。今年7月发布的《北京市关于加快智能体引领发展的若干措施》明确提出“提升模型在线学习、持续学习和自主进化能力”“提升复杂任务链路长度和长程任务执行稳定性”等要求，为智能体发展提供政策支撑。

月之暗面扎根北京，从K3到K3.1 Pro持续投入长程Agent方向。来源文章将其描述为在北京的场景资源与开源生态中，把前沿构想逐步转化为成果的样本，并称其与北京在人工智能领域的系统性布局高度同频。

在一项内部测试中，研发人员让Kimi K3.1 Pro搭建模拟人体行走系统。模型需要持续分析实验结果、定位问题并迭代优化控制器，这一过程考察的是多步骤任务中的排错与稳定输出能力。

测试结果显示，仿真人体从最初几步便倒地，进步到能够交替迈步、连续行走11.2秒。其间，模型还修正了肩部肌肉力臂计算中的36处错误，并据此重新训练控制器。

来源文章据此提出，相比榜单分数，在真实闭环任务中持续排错迭代、稳定输出的整套工程能力，才是大模型走向实用更具价值的增量。这一判断针对的是模型在复杂任务链条中的实际表现，而非单一评测指标。

价格是此次发布的另一项关键信息。据发布信息，Kimi K3.1 Pro的价格仅为GPT-6 Astra的五分之一，而综合智能水平已接近全球领先的闭源模型，形成性能接近前沿、价格明显低于闭源的组合。

来源文章将闭源与开源两条路线作了对比：闭源竞赛比的是“谁攥住门票”，开源路线回答的则是“路能铺多宽”。文章认为，在模型迭代日益演变为高投入竞赛的背景下，闭源模型较高的使用门槛会加剧智能化时代的发展落差。

文章进一步称，中国开源模型推出性能接近前沿、价格远低于闭源的产品，背后不只有商业考量，也涉及让更多人共享智能化发展机遇的普惠取向，并为全球人工智能生态注入开放包容的动能。

Kimi的迭代并非孤立事件。来源文章指出，今年以来一大批国产模型相继更新，勾勒出一条清晰的开源加速曲线，Kimi的突破是国内开源大模型梯队共同向前的缩影。

文章列举了两个近期案例：DeepSeek-V4.1-Flash-1017在提升任务表现的同时，缩短任务运行时间、减少输出消耗和词元费用；智谱GLM-5.3-Flash作为首个采用稀疏注意力与线性注意力混合架构的开源前沿模型，在保持精准长上下文能力的同时，大幅降低长上下文服务成本。

文章认为，在良性竞逐中互相启发、彼此参照，此起彼伏的技术突破汇聚成国产大模型向上的合力，抬升着中国大模型在全球开源生态中的整体水位。这一判断将单家企业的发布置于国产开源模型集体推进的背景之下。