Moonshot 公司推出了 Kimi K3.1 Pro 模型，這是一款擁有 2.8 兆總參數和 1040 億活躍參數的混合專家模型，並承諾在 2026 年發布開放權重版本。獨立評測顯示其在代理任務上表現出色，整體智能指數排名第四，且高速 API 速度可提升 2 到 3 倍。儘管其開放權重發布時間引發討論，但其性能已足以與頂尖閉源模型競爭，有望大幅縮小開放權重模型與閉源 AI 之間的差距。
Kimi 對其最新模型 K3.1 Pro 顯然感到非常自豪，其精美的登陸頁面可見一斑。如同以往，我們沒有獲得太多研究細節，這次更新類似於 Z.ai 的 5.2-5.3 版本升級，是透過大量後續訓練實現的小版本躍進。
Kimi K3.1 Pro 是 Kimi K3 的後續訓練版本，投入了顯著更多的後續訓練運算資源。為了在數百個下游領域實現大規模聯合強化學習（RL），Kimi 優化了技術堆疊的每一層，包括 RL 框架、長上下文推論、訓練效率、沙盒基礎設施、部署排程以及環境品質檢查的共享平台。這確保了每次 RL 運算增量都能帶來穩定且可預測的回報，因此 K3.1 Pro 在各個領域都取得了持續的進步。
Moonshot 公司推出了 Kimi K3.1 Pro 模型，其獨立基準測試結果接近業界前沿水準，模型規模顯著增加，並承諾將於 2026 年 11 月 4 日發布開放權重版本。Moonshot 將 K3.1 Pro 描述為一個多模態的「3 兆級」混合專家模型，擁有 2.8 兆總參數、1040 億活躍參數以及 100 萬個 token 的上下文視窗。
其宣傳的優勢包括完整的專案編碼、Blender/CAD 工作、金融建模以及長時間運行的代理功能。
Kimi 3.1 Pro 的標準版和高速版已在 Kimi 網站、應用程式、Kimi Work、Kimi Code 和 API 上線。Moonshot 聲稱高速版在保持智能的同時，輸出速度可提升 2 到 3 倍；官方帳號的摘要指出其費用是標準版的兩倍。此次發布還包括 Kimi Hosted Agents，這是一個託管式框架，提供全天候執行環境，適用於長時間運行任務和多代理協作。
在獨立的通用能力評測方面，Artificial Analysis 將 K3.1 Pro 在其智能指數上排名第四，得分為 55 分，僅次於 Opus 5.5 的 58 分，以及 Sonnet 5.5 和 Muse Wonder Full 的 56 分。Kimi 3.1 Pro 最顯著的改進體現在代理能力上，而非均勻分佈於知識和科學測試。
在獨立編碼評測中，Arena 將 Kimi 3.1 Pro 在 Code Arena: WebDev 中排名第八，獲得 1,692 分，比 Kimi K3 提升了九個名次和 37 分，使 Moonshot 重返 Arena 的前四大實驗室。
儘管 Moonshot 刻意減少了網路安全相關的訓練，Kimi 3.1 Pro 在 Artificial Analysis 的網路指數上仍獲得 64% 的分數，這是公開可用的最高分數，總體排名第二，僅次於信任存取版 GPT-6 Sol Daybreak Blue 的 69%。
對於 Kimi 3.1 Pro 作為潛在的開放權重前沿競爭者，市場反應呈現兩極化。一方面是熱情，另一方面則是對推論經濟性、某些互動任務表現較弱、基準測試呈現方式以及未公開付費推廣指控的擔憂。這些是不同的問題，基準測試的品質並不能決定部署的經濟效益，而推廣不當的指控也無法證明模型的實際能力。
在發布時，Kimi 3.1 Pro 的 API 已可使用，但模型權重尚未公開。Moonshot 承諾將於 2026 年 11 月 4 日發布權重。然而，相關推文並未說明最終的授權、再分發條件、商業使用限制、檢查點精度或完整的推論要求。因此，將其描述為「即將開放權重」比許多反應中使用的「開源軟體（OSS）」或「開源」更為精確。Artificial Analysis 也明確指出其權重尚未發布。
這次發布的順序引發了一些混亂。早期的報導根據謠言和洩露預測模型將「今天」發布，並可能成為最強大的開放權重模型，隨後也有正面傳聞的重申，但這些都不是實際評估。預告片引發了關於 11 月 5 日的猜測，包括 Moonshot 是否會在發布權重前先透過網站存取獲利，但官方公告隨後明確指出發布日期為 11 月 4 日。
最初有用戶報告 kimi.com 比 kimi.ai 更早提供使用，隨後也有人表示獲得了存取權限。這些只是發布過程中的觀察，並非長期區域限制的證據。關於懸念和象徵性發布時間的重複抱怨，反映了當時的發布氛圍，而非確認的排程資訊。
從架構上看，1040 億的活躍參數並不等同於儲存一個 1040 億的密集模型，因為部署時必須容納更大的專家池以及運行時狀態。僅以說明性計算為例，而非實際測量配置，2.8 兆參數本身就意味著在 16 位元下約 5.6 TB，或在 4 位元下約 1.4 TB，這還未計入量化元數據和服務開銷。
相關貼文並未揭露層級佈局、專家路由配置、注意力機制設計、訓練運算預算或測量的完整上下文服務佔用空間。這對於「本地模型」的說法至關重要。一篇熱情的貼文稱其為可在本地使用的 Fable 5.1 級智能，隨後又更正權重將於 11 月 4 日發布。另外，@giffmana 警告不要將兆級參數模型稱為「本地模型」，因為其部署需要大量的加速器基礎設施。可自行託管與可在消費級設備上本地運行是兩種不同的特性。
官方發布中並未提及 Flash 模型。市場反應從失望到猜測「Pro」的命名暗示未來會有更小的版本。早期的一種理論認為，這個命名反映了服務限制；然而，這些貼文都沒有證實 Flash 版本的發布或其具體規格。
在獨立評估方面，Kimi 3.1 Pro 在代理能力上取得了顯著提升，知識獲取方面則有較小增長。Artificial Analysis 提供了本次收集到最強大的廣泛獨立證據，其報告了 Kimi 3.1 Pro 與 Kimi K3 的比較結果。
Artificial Analysis 額外報告指出，在 AA-Omniscience 評測中，Kimi 3.1 Pro 的準確度從 48% 上升到 51%，幻覺率從 53% 下降到 44%。這表示在該評估中幻覺減少了九個百分點，與 Moonshot 宣傳的金融工作幻覺減少 65% 並非相同的測量標準。
Artificial Analysis 表示，一旦權重發布，其領先的開放權重模型與專有模型之間的智能指數差距將從 12 分縮小到 3 分。Nathan Lambert 強調 Kimi 3.1 Pro 的得分高於 Fable 5.1 和 Astra 6；Simon Willison 則將其描述為第一個有望與當前前沿模型可靠競爭的開放權重版本。
Arena 的獨立偏好評估提供了更具補充性且範圍較窄的視角。在 WebDev 方面，Kimi 3.1 Pro 排名第八，獲得 1,692 分，而 K3 則排名第十七，獲得 1,655 分。在品牌與行銷方面，從第九名上升到第七名；在模擬方面，從第二十名上升到第九名。
Arena 表示 Kimi 3.1 Pro 在所有類別中都有所改進，發布後將成為其排名最高的開放權重模型，超越 DeepSeek V4.1 Flash。在這些設定下，它的表現大致與 Opus 5 Max 相當，但不一定能與較新的 Opus 5.5 匹敵。
另一個獨立彙總報告指出，根據已發布的基準測試，Kimi 3.1 Pro 的初步 ECI 為 164.7，90% 的引導區間範圍較廣，介於 152.5 至 169.0 之間。發布者隨後建議 160 至 165 為合理範圍。這是一個不確定的彙總，而非額外獨立執行的任務套件。
預測與實際結果的反轉值得注意。在測試之前，@teortaxesTex 預測 Kimi 3.1 Pro 在 AA 評測中得分 52，Vals 65，CritPt V2 76，Terminal-Bench 4.0 49，WeirdML V3 官方約 20 分，最佳約 28 分，ECI 為 164，同時預期其實際性能將低於 Sonnet 5.5 和 GPT-6.1 Sol。
發布後，同一位評論員承認結果超出預期，並接受了與 K3 成本相同、在 AA 評測中比 DeepSeek-1017 高約十分的結果。這些初始數字明確是預測，而非洩露的測量數據。
價格方面，更便宜的 token 並不保證完成工作的成本更低。標準的第一方定價為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，以及每百萬快取輸入 token 0.20 美元，比 K3 的 3 美元、15 美元、0.30 美元降低了三分之一。
官方中文帳號的摘要顯示，每百萬未快取輸入 token 為人民幣 13 元，輸出 token 為人民幣 68 元，快取輸入 token 為人民幣 1.3 元。高速版的價格據稱是標準版的兩倍。
三種不同的成本視角至關重要。在 Artificial Analysis 智能指數上，Kimi 3.1 Pro 的每任務成本為 1.98 美元，與 K3 大致持平。在 Arena WebDev 上，每任務中位數成本為 1.23 美元，比 K3 低 29%。而在 AA 網路指數上，每任務成本為 2.81 美元，比 K3 高 15%，遠高於 DeepSeek 1017。
在智能指數方面，Kimi 3.1 Pro 每任務產生 5.5 萬個輸出 token，而 K3 為 4.8 萬個，增加了約 14%，抵消了部分 token 價格的降低。在 AA 的網路安全套件中，儘管費率較低，但約兩倍的輸入 token 消耗導致了更高的任務成本。
Arena 更詳細的比較顯示，Kimi 3.1 Pro 的每任務中位數成本為 1.23 美元，比 Opus 5 Max 低 74%，同時多了一個偏好分數。它比 GPT-6 Sol Max 低 24%，多出 11 個分數點；比 Qwen3.8-Max 低 47%，多出 20 個分數點。
發布評論強調，Kimi 3.1 Pro 的標準費率比 Opus 5.5 報價的每百萬輸入/輸出 token 4 美元/20 美元低 50%，比 Astra 的 10 美元/50 美元低 80%。這些比較僅涉及每 token 的標價，而非每個成功任務的實際測量成本。
Terminal-Bench 的成本聲稱在不同反應中存在不一致：有人稱其性能優於 Opus 5.5，成本約為其三分之一，而 Cline 則描述其性能接近，成本為一半。不同的框架、設定或成本核算方式可能解釋了這種差異，但提供的文本並未對其進行調和。
Cline 後來宣布透過 ClinePass 提供 Kimi 3.1 Pro，這是一個每月 9.99 美元的方案，宣傳提供折扣的開放權重存取。
在網路安全方面，Moonshot 獨特的安全性干預措施是在訓練中期和強化學習階段移除網路相關數據，而非僅僅依賴推論時的拒絕。引用報告的貼文指出，其內部評分從 90.5% 下降到 81%，減少了 9.5 個百分點，而編碼和其他能力則持續提升。Moonshot 聲稱，如果沒有這項干預，下游的網路安全能力將會大幅增加。
早期的反應稱該模型「被削弱」，並將其內部網路安全得分與 GPT-5.6 Sol 進行了不利的比較。其他貼文則將其比作早期的 Mythos Preview，或推測未受限制的內部版本可能與更強大的專有系統匹敵。這些跨模型等效性和內部版本估計都只是評論，而非獨立發現。
Kimi 3.1 Pro 在網路安全指數上比 K3 的 41% 提升了 23 個百分點，這主要得益於 CyberGym 從 58% 提升到 95% 的表現。Artificial Analysis 在其任務中沒有觀察到任何安全拒絕。
這區分了討論中經常混淆的兩種機制：訓練時能力降低，即 Moonshot 的干預可能會相對於其反事實模型降低特定的漏洞利用能力。以及 API 拒絕政策，即 Artificial Analysis 的公開防禦任務仍然得到了回應，沒有被拒絕。
Artificial Analysis 警告說，專有模型可能擁有比其公開分數更強大的潛在防禦能力：信任存取版 GPT-6 Sol 的得分比其公開版本高出 32 分。反之，高防禦基準分數並不能證明其對任意目標具有不受限制的攻擊能力。
支持者稱這種數據移除方法是「與前沿同步」的一個範例。Elie Bakouch 讚揚了其能力進步和刻意的網路安全限制，同時認為更多值得信賴的防禦者需要存取強大的網路工具。其他人則警告說，發布如此強大的權重將考驗關於開放的 Mythos 類模型是否安全的假設。
覺得值得一看？分享給朋友。
以上為 AI 自動翻譯導讀。原文版權歸 Latent Space 所有， 建議透過「閱讀原文」前往原始網站，以取得最完整資訊並支持原作者。
43 個來源、每 2 小時更新，太多看不完。電子報每週挑最值得看的幾則，附上 Max 的看法。
