月之暗面发布 Kimi K3.1 Pro：K3 基座加大后训练，编程跑分距 Opus 5.5 仅 0.7 个百分点

2026 年 10 月 24 日——月之暗面于 10 月 24 日凌晨正式发布 Kimi K3.1 Pro 与高速版 K3.1 Pro Highspeed：这是 K3.1 系列的首个模型，也是官方口径下迄今能力最强的 3 万亿级参数模型，支持 100 万 token 上下文；在考察真实终端编程任务的 Terminal-Bench 4.0 测试中得分 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅差 0.7 个百分点，API 定价较上一代 K3 整体下调约 33%，完整模型权重计划于 11 月 4 日前发布。

2026-10-24 · 大模型 · 智能体编程 · 开源权重

一、概览

据官方文档与蓝鲸新闻报道，Kimi K3.1 Pro 于 2026 年 10 月 24 日凌晨发布，包含标准版与高速版两款：标准版即 Kimi K3.1 Pro，高速版 Kimi K3.1 Pro Highspeed 在同等智能水平下输出速度约为标准版的 2 至 3 倍。两款模型即日起通过 kimi.com、Kimi App、Kimi Work、Kimi Code 和 Kimi API（platform.kimi.com）开放使用，完整模型权重计划于 11 月 4 日前发布。

官方文档称，K3.1 Pro「在代码、3D 创作、金融研究和其他长程 Agent 能力上的提升尤为显著」；Kimi 官网首页的上线宣传语为「轻松应对复杂编程项目、构建 3D 模型、开展深度金融研究」。第三方渠道方面，据一档早报梳理，模型已同步上线 OpenRouter、Command Code 与 OpenCode，其中 Command Code 全部套餐均可使用。

此次发布有两个值得注意的背景。其一，本次升级没有依赖一次全新的大规模预训练：K3.1 Pro 沿用 2026 年 7 月发布的 Kimi K3 基座，通过大幅增加后训练算力实现能力跃升，K3.1 的版本命名在某种程度上对应了这一技术路线。其二，9 月 28 日 K3.1 的标识曾提前出现在 Kimi API 平台后台模型注册表中并被开发者探测到，据野村证券报告及快科技等媒体报道，月之暗面另有一款 5 万亿至 6 万亿参数模型在研，本次发布的 K3.1 Pro 并非该模型（详见 Kimi K3.1 标识泄露报道）。

二、版本与技术路线

2.1 两个版本与使用门槛

标准版与高速版的模型 ID 分别为 kimi-k3.1-pro 与 kimi-k3.1-pro-highspeed。两款模型均始终开启思考模式，支持通过请求顶层 reasoning_effort 参数在 low、high、max 三档之间调节推理强度，默认 max，上下文窗口为 1,048,576 token。

访问方面，Kimi K3.1 Pro 属于旗舰模型：需在开放平台完成充值（最低充值金额 10 元）后解锁调用，新用户注册认证赠送的 15 元代金券不可用于该模型。累计充值金额决定账户的并发、RPM、TPM、TPD 限速等级。

2.2 不换基座：把算力与工程能力投进后训练

官方文档说明，K3.1 Pro 的研发「大幅增加了强化学习（RL）环节的算力投入」，为支撑数百个下游领域的大规模联合训练，团队对技术栈的每一层做了优化，包括 RL 框架、长上下文推理、训练效率、沙箱基础设施、调度系统，以及用于环境质量检查的共享平台，目标是「确保每一份新增的 RL 算力都能转化为稳定、高效的回报」。

基座本身来自 K3：据官方平台文档，Kimi K3 拥有 2.8 万亿参数，基于 KDA 混合线性注意力机制（Kimi Delta Attention）与注意力残差（Attention Residuals）技术构建，MoE 稀疏度为 896 个专家激活 16 个，是首个 3 万亿级别的开源模型。媒体报道称，K3.1 Pro 每 token 激活约 1040 亿参数，官方宣传口径统一表述为「3 万亿级参数模型」。

腾讯新闻旗下《问AI》栏目评论认为，这次能力提升对应一个产业趋势：一次大规模预训练完成后，模型潜力远未被充分挖掘，模型迭代开始与基座迭代分离，「相比不断训练更大的基座，如何通过后训练持续释放已有模型的能力，正在成为大模型竞争的另一条重要路线」。

三、跑分与官方实测

3.1 编程与 Agent：同一测试从 12.6% 到 65.7%

编程是本次更新提升最直观的方向。官方文档给出的核心成绩如下表，其中 Artificial Analysis 复测数据由腾讯新闻《问AI》栏目整理：

Artificial Analysis 智能指数榜单上，K3.1 Pro 以 55 分位列全球第四，前三名依次为 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）与 Muse Wonder Full（56 分）。Terminal-Bench 4.0 的测试特点是模型需要在命令行中运行指令、读取错误日志并反复调整方案，官方强调该项测试「通过真实环境中资源受限的终端任务考察编程智能体的能力，每项任务均设有严格的专项测试」。

成本侧，据 Artificial Analysis 测算，K3.1 Pro 完成单项智力任务消耗的输出 token 为 55K，较 K3 的 48K 增加 14%；但 API 单价整体下调 33% 后，两项相抵，K3.1 Pro 完成单个任务的平均花费仍维持在约 1.98 美元，与前代 K3 基本持平。官方也随文档发布了 Terminal-Bench 4.0 得分与单任务成本的对比图。

短板方面，有科技自媒体对官方基准总览图解读后指出，K3.1 Pro 在科学类终端任务上仅得 38.1 分，与其编程主项存在明显差距；该数字出自官方图表读图，官方文档正文未单独说明。

3.2 3D 创作与工程建模：不接 MCP 直写专业软件脚本

3D 创作与空间推理是官方重点展示的能力。在多视角图片重建 CAD 模型的 BenchCAD 测试中，K3.1 Pro 借助工具得分 92.7%，接近 Claude Opus 5.5 的 96.2% 与 GPT-6 Astra 的 95.9%（官方基准图数据，蓝鲸新闻转述）。官方称，模型可以从一段文字描述、一张草图或一张参考图推断物体形状、比例与空间关系，并且无需依赖 MCP 连接器，直接编写并运行 Blender、SolidWorks、Rhino 等专业建模软件的脚本，擅长机械零件、建筑模型、多参数可配置产品与定制家具等参数化建模。

官方文档列出的端到端案例覆盖游戏引擎、影视渲染与工程建模三类场景：

上述案例的资源细节也有官方说明：天宫场景使用了 Cloud Forge VDB 云、Poly Haven/ambientCG 的 8K 材质与 NASA LRO/LOLA 月球数据；RPG 预告片的概念设计灵感标注来自 Rednote 创作者，佛像素材使用明尼阿波利斯艺术博物馆的 CC0 3D 扫描数据。面向普通用户，月之暗面在网页端和 App 端推出了 3D Make 功能，支持在线预览、编辑 3D 模型并导出 3D 打印文件或动态视频（据腾讯新闻《问AI》报道）。

3.3 金融研究与事实准确性

金融方向，官方文档称 K3.1 Pro 在两个外部基准上均取得最佳成绩且超过 Opus 5.5、Fable 5.1 与 GPT-6 Astra：OfficeQA Pro v2 考察基于真实金融文档的检索、跨文档核对与多步数值推理，K3.1 Pro 得分 64.4；SpreadsheetBench 2 评估端到端电子表格工作流，包括财务建模、跨表公式依赖与错误诊断。在衡量从标的筛选到盈利能力分析完整投资工作流的 Frontier Finance 上，K3.1 Pro 较 K3 也有提升。

三个内部金融基准全面超过 K3：财务建模基准 Financial Modelling 提高 14%；金融研究基准 Financial Research 提升 20%；商业运营基准 Business Operation 得分 37.0，约为 K3 的 4.2 倍。官方还展示了通过 Kimi Work 构建英伟达估值模型的案例，模型将公式与不同假设关联起来，支持跨情景敏感性分析。

事实准确性方面，官方文档披露：在用户标记过事实错误的一组去标识化对话压力测试中，单项事实陈述错误率从 K3 的 23.35% 降至 6.85%，包含至少一处事实错误的回答比例仅为前代的约 46.4%。

官方文档说明，这是一项针对事实准确性的压力测试，样本刻意聚焦模型容易出错的情形，所报告的错误率不代表日常使用中的整体水平。另有媒体援引官方图表称该项测试错误率由 23.4% 降至 8.3%，与官方文档文字口径（6.85%）存在差异，本文以官方文档为准。

3.4 长程任务：修复仿真器自身的 36 处错误

长程 Agent 能力方面，官方展示了双足行走仿真案例：面对容易摔倒的双足行走控制器，K3.1 Pro 先调整控制器的奖励函数，在无法改善动作后转而检查仿真器的动力学计算，定位并修复肩部肌肉力臂计算中的 36 处错误，修复后仿真人实现了 11.2 秒的连续交替步态行走。据一档深夜专稿转述，该实验基于包含 296 个骨骼组件与 402 个肌肉组件的开源人体模型，经 167 项任务、420 次独立评审完成。

腾讯新闻《问AI》栏目认为，该案例的价值在于模型对「任务失败原因」的归因能力：当调参无法解决问题时，模型能够怀疑并验证工具环境本身，这是长程智能体任务中相对稀缺的行为模式。

四、定价与成本

按月之暗面公布的 API 计费规则，K3.1 Pro 标准版每百万 token 输入 13 元（未命中缓存）、输出 68 元、缓存命中输入 1.3 元，对应国际站价格为 2 美元、10 美元与 0.2 美元；高速版输入与输出为标准版的 2 倍。腾讯新闻《问AI》整理称三项费率较前代整体下调 33%。与上一代 K3 相比，输入价格从 20 元降至 13 元，输出从 100 元降至 68 元。

缓存机制方面，Kimi API 对重复请求前缀自动启用上下文缓存计费，TTL 默认 5 分钟，可选 1 小时档，缓存写入按 TTL 档位单独计费。智能体与代码任务往往需要多轮工具调用，单价下调对长流程任务的成本改善更为明显；据 Artificial Analysis 测算，K3.1 Pro 的输出 token 用量虽增加 14%，单任务平均花费仍与前代持平（约 1.98 美元）。

同步的一个平台变化是，K2 系列模型将于 2026 年 10 月 31 日起停止向新注册用户开放，已注册用户不受影响，官方计划 12 月底下线全部 K2 系列模型，迁移指引直接指向 K3.1 Pro 文档。

订阅产品侧，Kimi Code 提供 99 元套餐；有测评博主以个人体验口径反馈，一轮动画任务跑下来五小时额度已接近用尽，并称高速版额度消耗更快，无特别速度需求的用户可以不选高速版。该反馈为单一样本体验，非官方数据。

五、安全策略：开放权重版本移除网络攻防数据

这是本次发布中信息增量最大、也最具行业参考价值的部分。官方文档完整披露了开放权重版本在攻击性网络安全能力上的控制决策。

能力的来源与追溯。 官方称，在开发过程中观察到随着后训练规模扩大，模型的漏洞研究性能持续提升；追溯发现网络攻防相关内容嵌入了中期训练的通用语料，相关任务也存在于强化学习环境组合中，「这是使用广泛数据进行训练带来的自然副产品」。内部初步实验显示，若中期训练与强化学习阶段均不移除相关数据，下游网络攻防能力将大幅增强。

处理方式与评估结果。 在准备发布开放权重版本时，月之暗面从两个训练阶段均识别并移除了网络攻防相关数据，同时保留保障实用性所需的通用编程任务。评估使用自研的 xdev-bench-hard 基准：由专家策划、基于源代码的漏洞发现与利用任务，多数任务真实复现 Linux 内核、Node.js、JavaScriptCore、Exim、VirGL 等软件中近期披露的漏洞且各项缓解措施均已启用，模型需在独立沙箱中开发漏洞利用程序实现任意代码执行并获取密钥字符串，报告 pass@3 指标。结果显示，未移除数据时模型可解决 90.5% 的问题，最终发布版本为 81.0%。

官方对结果的三点解读。 其一，数据移除有效降低了漏洞研究能力，使其明显低于同一训练流程原本会产出的水平；其二，发布版本仍较大幅超过前代 K3，说明针对性移除后，更强的通用编程与长周期调试能力仍会泛化到此类任务；其三，K3.1 Pro 的网络攻防能力目前仍落后于已公开发布至少三个月的前沿闭源模型。

开放权重原则。 官方说明其决策依据为：不希望发布推进网络攻防能力绝对前沿的开放权重；计划逐步提升开放权重中可用的网络攻防能力；认为当能力强大的模型以开放形式提供并运行在用户可控的基础设施上时，更多团队（包括极少接受专门安全审查的遗留系统维护者）将得以审查自身代码，「让这一能力逐步扩散，而非将其集中在少数闭源系统中，最终将使所有软件变得更加安全」。

六、生态与第三方渠道

官方渠道即日可用：kimi.com、Kimi App、Kimi Work、Kimi Code 与 Kimi API 均提供两个版本。官方文档同步给出了主流编程智能体的接入指南，其中「在 Codex 中使用 Kimi K3.1 Pro」一文说明可通过 Kimi Responses API 将 Codex 直连该模型，配置方式为编辑 ~/.codex/config.toml 并填入 API Key；Claude Code、OpenCode、OpenClaw、Hermes Agent 等工具的接入文档也已在开放平台提供。

第三方聚合渠道方面，OpenRouter 已上架 moonshotai/kimi-k3.1-pro，按 token 计费，输入与输出每百万 token 分别为 2 美元和 10 美元，高速版定价 4 美元和 20 美元（据 OpenRouter 页面）。据一档早报报道，模型已上线 Command Code 且全部套餐均可使用，并进入 OpenCode；Code Arena 网页开发榜上 K3.1 Pro 升至第八，较上一代提升 37 分、上升九位，成绩与 Claude Opus 5.5 max 模式相当、成本低约 70%，单任务中位成本 1.23 美元。

截至发稿，Code Arena 榜单页面的实时数据未能独立核验，上述名次与成本数据均转引自一档早报，榜单随投票动态变化，请以页面实时数据为准。

七、行业观察

后训练与基座迭代分离正在成为一条独立的技术路线。 K3.1 Pro 的能力跃升没有来自更大规模的预训练，而是来自数百个下游领域联合训练的强化学习，以及沙箱、调度、环境质量检查等基础设施的配套优化。腾讯新闻《问AI》栏目评论认为，模型迭代与基座迭代分离后，「一次大规模预训练完成后模型的潜力远没有被充分挖掘」，这为没有条件反复预训练超大基座的团队提供了另一条竞争路径；其代价是训练消耗的推理算力大幅上升，对训练基础设施的要求随之提高。

竞争维度从单价转向单任务成本与高价值工作。 单价下调 33% 的同时，Artificial Analysis 口径下的单任务平均花费仅与 K3 持平，原因是模型为完成任务消耗了更多输出 token。腾讯《问AI》认为，当能力差距缩小，价格优势才真正有发挥空间，国产模型参与全球竞争的方式正转向「争夺高价值工作」：一次任务失败的反复调试成本，往往远高于 token 本身。

3 万亿级开源模型的竞赛仍在加码。 K3 于 2026 年 7 月成为首个 3 万亿级开源模型，本次 K3.1 Pro 将该量级模型的能力推近闭源旗舰；另一边，据一份自 10 月 19 日起在投资社区流传的专家交流纪要（未经官方证实，详见 智谱参数报道），智谱下一代基座模型参数规模为 2.5 万亿至 3.5 万亿；野村证券报告则称月之暗面另有 5 万亿至 6 万亿参数模型在研。开源权重层面的规模上限竞争尚未见顶。

待观察事项。 完整权重预计 11 月 4 日前发布，届时许可条款、分片体积与本地部署门槛才会明朗；Highspeed 的推理方案与成本结构官方未披露；网络攻防能力的渐进开放节奏值得持续跟踪，官方称将在每一训练阶段持续采取适当的控制措施。

八、数据与规格汇总