
Moonshot 发布 Kimi K3.1 Pro:Terminal-Bench 逼近 Claude Opus 5.5,11 月 4 日前开源权重
Moonshot AI 于 10 月 23 日发布 Kimi K3.1 Pro,3T 级开源权重模型、100 万 token 上下文,Terminal-Bench 4.0 得分 65.7%,仅次于 Claude Opus 5.5、领先 GPT-6 Astra,完整权重承诺 11 月 4 日前发布。
Moonshot AI 于 10 月 23 日发布 Kimi K3.1 Pro,这是其 K3.1 系列的首个模型,也是迄今最强的 3T 级开源权重模型。模型现已上线 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API,完整权重承诺于 11 月 4 日前发布。
最受关注的数字来自 Terminal-Bench 4.0,这项基准用严格的任务测试衡量编程智能体在真实、资源受限的终端任务上的表现。K3.1 Pro 得分 65.7%,领先 OpenAI GPT-6 Astra 的 58.2%,仅次于 Anthropic Claude Opus 5.5 的 66.4%。这些均为厂商自报数据,Moonshot 称 K3.1 Pro 以 Claude Code 评估框架、在最大推理强度下测得。
模型是什么
K3.1 Pro 是 Kimi K3 的后训练版本,后训练算力大幅增加。Moonshot 将其描述为 3T 级混合专家模型,上下文窗口 100 万 token,接受文本、图像和视频输入,推理始终开启。第三方报道称其总参数约 2.8 万亿,每 token 激活约 1040 亿。
同时发布的还有更快的变体 Kimi K3.1 Pro Highspeed,速度为标准版的 2 至 3 倍。API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元,据发布报道引用的 Moonshot 定价页。
除编程外,Moonshot 报告了多项内部基准的提升。在 BenchCAD(通过 CAD 代码生成从多视角渲染重建 3D 模型)上,K3.1 Pro 带工具得分 92.7%,接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。在 OfficeQA Pro v2(基于真实财报文档的复杂财会数据分析)上得分 64.4,Moonshot 称之为最优成绩。在长程编程基准 Kimi Code Bench 3.0 上得分 61.2%,高于 K3 的 55.95%。
公司还报告了幻觉率的大幅下降:在自家压力测试中,声明级幻觉率从 K3 的 23.4% 降至 K3.1 Pro 的 8.3%。Moonshot 提醒,这是一项刻意对抗的压力测试,不能代表日常使用中的错误率。
最值得注意的是网络安全章节
在一篇模型发布博文中辟出大段讲网络安全,并不常见。随着 K3.1 Pro 能力增强,Moonshot 称其发现漏洞研究能力的上升源于通用中期训练语料中嵌入的网络安全相关内容,以及强化学习环境中混入的网络安全任务。针对开源权重发布,公司从两个训练阶段都识别并移除了网络安全相关数据,同时保留了保证模型实用性所需的通用编程任务。
效果在其内部基准 xdev-bench-hard 上可以量化:这套专家精选的漏洞发现与利用任务复现了 Linux 内核、Node.js、JavaScriptCore 等软件中近期披露的漏洞。若不做数据清理,同一训练管线可解出 90.5% 的任务;最终版 K3.1 Pro 为 81.0%。这仍比 K3 的 33.3% 大幅提升,Moonshot 将其归因于更强的通用编程与长程调试能力即便在定向清理后也会泛化到网络安全任务。
Moonshot 给出了两条决策原则。第一,不发布会把网络攻击能力前沿再往前推的开源权重:K3.1 Pro 的进攻性网络能力按设计低于其管线所能达到的水平,也落后于前沿闭源模型。第二,打算逐步提高开源权重中的网络能力,理由是让这一能力逐步扩散、而非集中在少数闭源系统手中,最终会让所有软件更安全。
为什么重要
如果权重如期在 11 月 4 日前发布,据 The Decoder 对 Artificial Analysis 智能指数的分析,K3.1 Pro 将成为该指数上得分最高的开源权重模型,开源与闭源模型的差距将从 12 分缩小到约 3 分。许可证尚未公布,而 K3 的权重约 1.6 TB,这意味着它面向 GPU 服务器,而非个人电脑。
时机对开源竞赛同样重要。2026 年 DeepSeek、Qwen、GLM 和现在的 Moonshot 相继推出大型开源模型,每一次发布都在缩小“任何人都能下载的模型”与“顶级闭源实验室出售的模型”之间的实际差距。K3.1 Pro 是首个在主流智能体编程基准上与最强闭源模型只差不到 1 分的开源权重模型。
两个提醒值得保留。第一,这里所有基准数字均为 Moonshot 自报、在最大推理强度下测得,独立评测结果尚未出炉。第二,开源承诺目前只是承诺:在 11 月 4 日之前,K3.1 Pro 还只是一个 API 产品,而非开源模型。真正值得盯住的发布,是权重本身。
