月之暗面发布Kimi K3.1 Pro：逼近最强模型
10 月 23 日，中国大模型公司月之暗面（Moonshot AI）发布了 Kimi K3.1 Pro，这是 K3 系列的首款模型，即日起通过 Kimi 应用与 API 上线。公司同时承诺，模型的完整权重将于 11 月 4 日前发布，届时开发者可以下载并自行部署。
K3.1 Pro 是今年 7 月发布的 Kimi K3 的后训练升级版。月之暗面表示，新模型在后训练阶段投入了远超以往的算力，并升级了后训练技术栈，加入了自动化质量检查、提升了底层基础设施效率。随模型一同上线的高性能版本（Highspeed）运行速度据称可达标准版的 2 至 3 倍，面向对延迟更敏感的场景。
评测成绩：多项指标贴近 Claude Opus 5.5
在官方公布的评测中，K3.1 Pro 的表现已经贴近当前最强的闭源模型。在终端智能体任务基准 Terminal-Bench 4.0 上，它得分 65.7%，略低于 Claude Opus 5.5 的 66.4%，高于 GPT-6 Astra 的 58.2%；在需要调用工具完成 3D 建模的 BenchCAD 基准上得分 92.7%，与 Opus 5.5 的 96.2% 差距在 4 个百分点以内；在办公文档问答基准 OfficeQA Pro v2 上，它以 64.4 分反超 Opus 5.5 的 62.2 分。
第三方评测机构 Artificial Analysis 的独立测试也给出了接近的结论：K3.1 Pro 的 Intelligence Index 得分为 55 分，在 215 个模型中排名第 4，仅落后榜首 Claude Opus 5.5（58 分）3 分。该机构在自有测试环境下测得的 Terminal-Bench 4.0 成绩为 67%，并测得其在 Humanity’s Last Exam 上的得分为 52%，高于 K3 的 47%，但仍低于 Opus 5.5 的 61%。
幻觉问题是此次升级的另一个重点。在月之暗面内部的压力测试中，K3.1 Pro 的幻觉率为 8.3%，较 K3 的 23.4% 下降约 65%。不过公司同时提醒，这类压力测试的数值并不能代表日常使用中的错误率；在 Artificial Analysis 的知识类评测中，K3.1 Pro 的幻觉率为 44%，较 K3 的 53% 有所改善，但与部分顶级模型的表现仍有差距。两组数字口径不同，放在一起看更能反映真实水平：进步明显，但远未“解决幻觉”。
3D 与智能体能力：从写代码到做游戏
3D 建模是 K3.1 Pro 最亮眼的单项能力之一。与直接画出模型不同，它采用“写代码定义几何形状”的方式生成 3D 模型，并能进一步为模型制作动画：在内部测试中，模型生成了人体运动的动画模拟，还一口气做出了多个 3D 视频游戏——而游戏生成对代码正确性要求极高，一个 bug 就可能导致整个程序崩溃，因此被视为检验模型长代码能力的硬指标。
这背后是月之暗面对“智能体模型”路线的押注：模型不仅要会答题，还要在终端、办公软件和 3D 工具里真正干活。Terminal-Bench 与 BenchCAD 这类成绩，正是为这种场景准备的。结合 1048576 token 的上下文窗口，K3.1 Pro 可以一次性读入超长文档、代码库或项目资料，再完成跨文档的检索、推理与执行。
定价：约为 Opus 5.5 的一半
价格是 K3.1 Pro 冲击市场最直接的武器。API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元，约为 Claude Opus 5.5 的一半，与 Sonnet 5.5 相当；且在整个 100 万 token 上下文内实行统一价，不设分层加价。Highspeed 版本的价格翻倍，为每百万输入 4 美元、输出 20 美元。
按 Artificial Analysis 的估算，完成一项 Intelligence Index 任务，K3.1 Pro 的成本约为 2.11 美元，而 Opus 5.5 在最高推理强度下约为 5.98 美元。当然，这只是该评测体系下的成本估算，不代表所有真实任务都能便宜三分之二，实际成本仍取决于提示词长度、推理强度与任务类型。
背景：开源权重路线与尚未落地的承诺
Kimi K3 在今年 7 月以开源权重形式发布，曾创下当时开源模型的参数规模纪录，也让月之暗面成为开源权重路线上最受关注的中国厂商之一。K3.1 Pro 延续了这条路线，但目前仍处于“先上 API、权重随后”的阶段：权重、许可文本都还没有正式公布，11 月 4 日的承诺能否按时兑现，将直接决定它能否被开发者真正“拿走”并部署到自己的基础设施里。
值得注意的是，K3 此前曾受到 OpenAI 关于模型蒸馏的指控（本站此前已有报道），这也让 K3.1 系列的权重来源与许可细节格外受关注。对月之暗面而言，K3.1 Pro 的成败不仅看榜单分数，更看它在权重发布后能否经受住开源社区的独立检验。
展望：开源模型离前沿还有多远
K3.1 Pro 的意义不在于某一项榜单名次，而在于它把“开源权重模型与最强闭源模型的差距”从一道鸿沟缩短到了 3 分。过去，开源模型往往在发布数月后才追上前代旗舰；如今，新模型在发布当天就能在多项基准上与现役旗舰同台竞技。
但差距依然存在：Humanity’s Last Exam 上 9 个百分点的落后、幻觉率仍处高位，以及权重尚未发布，都提醒人们不要把评测分数等同于实际可用性。11 月 4 日之后，开发者社区的实测、微调与部署反馈，才是检验 K3.1 Pro 成色的下一关。如果权重如期发布且表现稳定，它将成为今年开源大模型领域最重要的一次升级；如果延期或许可受限，市场对它的热情也会迅速降温。