文章核心观点 - 月之暗面正式发布Kimi K3.1 Pro，认领Arena盲测匿名模型Kibitz身份，为全新K3.1系列首个模型，参数量达3万亿量级[3] - 该模型被市场称为"最强开源模型易主"，支持100万token上下文，同步推出高速版Kimi K3.1 Pro Highspeed，智能水平一致、输出速度约为普通版2到3倍[4][6] - 模型即日起在Kimi网页版、App、Kimi Work、Kimi Code和API上线，完整模型权重将于11月4日前发布[6] - K3.1 Pro在K3底座上进行大规模后训练，公司把筹码押在强化学习上，大幅增加后训练算力，对RL框架、长上下文推理、训练效率、沙箱基础设施、调度系统等逐层改造[11] - 从7月K3到K3.1 Pro，公司用三个月完成一次Pro级迭代，验证大体量模型加大规模后训练路线仍可继续向上[68] 产品发布背景与行业格局 - 过去几个月全球前沿AI模型进步加速，从OpenAI的GPT-6 Astra、GPT-6.1 Sol到Anthropic的Claude Fable 5.1、Opus 5.5，在研究级数学和长程编程方向持续取得进展[9] - 国产模型更新加速但端出的多是Flash级别轻量版本，K3.1 Pro被视为打响国产阵营反击第一枪[9] - 今年7月公司发布Kimi K3，2.8万亿参数，为当时最大开源权重模型，在Frontend Code Arena以1679分超过Claude Fable 5登顶，在Artificial Analysis智能指数排名第三，仅次于Claude Fable 5和GPT-5.6 Sol[9] - K3发布当天美股科技股集体走低，多家美国媒体把原因归到K3身上，Elon Musk在评测帖下留言"Impressive"[9] 第三方评测表现 - 在独立评测机构Artificial Analysis智能指数上，K3.1 Pro拿下55分，较K3提升11分，位列全球第四，前面只有Claude Opus 5.5（58分）、Claude Sonnet 5.5和Muse Wonder Full（均为56分）[12] - Artificial Analysis指出，一旦权重发布，K3.1 Pro将成为得分最高的开放权重模型，开放权重模型与闭源模型在智能指数上的差距将从12分缩小到3分[12] - Agent能力提升最大：在GDPval-AA上Elo分较K3提高312分达到1846分，位居第三；在Terminal-Bench 4.0测试中以67%成绩拿下所有模型最高分，而K3只有13%；AutomationBench-AA从58%升到73%[18] - 知识与推理类评测提升较温和，Humanity's Last Exam从47%升至52%，与公司押注强化学习的路线吻合，RL加得最多的地方涨得也最多[24] - 在官方公布的47项基准对比中，K3.1 Pro有16项拿下最高分（其中3项为公司内部基准）；SWE Marathon v1.1以51.7分领先Opus 5.5和Astra五个点以上；带工具的HLE拿到70.0，BrowseComp拿到92.1，均为表中最高[39] - 在HLE-Diamond、ProgramBench等高难推理和程序复现任务上，K3.1 Pro与闭源旗舰仍有距离[39] - Terminal-Bench 4.0考察编程Agent在资源受限真实终端干活能力，K3.1 Pro拿下65.7%，超过GPT-6 Astra的58.2%，与Claude Opus 5.5的66.4%只差0.7个百分点，且在不同思考强度下都落在性能与单任务成本的帕累托前沿[36] 前端与3D创作能力 - 前端与3D创作是K3.1 Pro升级重点，可实现"一句brief做出一个能跑的作品"，模型会自己调用Unity、Unreal Engine、Godot等游戏引擎，结合网络搜索与3D生成做出完整交互体验[41] - 在BenchCAD上，K3.1 Pro借助工具得分92.7%，接近Claude Opus 5.5的96.2%和GPT-6 Astra的95.9%；不借助工具时得分72.8%，与Opus 5.5的73.0%几乎持平[41] - 模型擅长参数化建模，从机械零件、建筑模型到可配置产品和定制家具都能做，直接编写并运行Blender、FreeCAD等专业建模工具脚本，不依赖MCP连接器[42] - 官方案例包括：在虚幻引擎5.8搭建半径1750米、36开间柱廊的云海天宫，场景达3600万个源三角形；用Godot 4.7.2做出含五个可探索区域、两阶段Boss战和昼夜循环的3D冒险游戏；在FreeCAD用2100个实体拼出可分步装配的涡扇发动机[42] - 实测SVG动画"五层叠罗汉"任务交付41KB文件，五层角色五套运动逻辑层级不乱，模型还主动补充背景故事[46][47] - 实测二十四节气交互网页为one-shot结果无返工，体现"品味"从偶然惊喜变为可稳定交付的能力[49] - 实测Godot 4制作2.5D横版小游戏，交付带启动脚本的完整工程包，通过20多项渲染测试并从全新解压包复测确认可正常运行[50] - 实测Blender重建天坛祈年殿，模型自主查参考与尺寸、参数化建模并多轮渲染迭代，交付可编辑.blend、脚本和可旋转浏览网页版本[53][55] - 公司同步上线3D Make功能，支持在线预览和编辑3D模型，模型可直接下载用于3D打印或导出视频、实况照片[56] 长程任务与仿真能力 - 内部案例中，K3.1 Pro基于开源人体解剖学模型human-atlas构建人类行走动力学仿真器，模型包含296个骨骼组件（含软骨）和402个肌肉组件[57] - 在167项任务、420次独立评审中，K3.1 Pro持续分析实验结果、定位问题、迭代行走控制器，仿真"人"从走几步就摔倒到最终学会交替迈步、连续行走11.2秒[57] - 手臂动作调奖励不见好转时，模型转向对仿真器动力学做开环探测，揪出肩部肌肉力臂计算里的36处错误后重新训练控制器，调试对象从代码延伸到代码所模拟的物理世界[58] 金融场景能力 - 金融工作对模型要求苛刻：数字要能对上原文、公式要牵一发动全身、结论要经得起复核，K3.1 Pro已开始交付端到端工作流[61] - 外部基准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以64.4分取得当前最优，高于Claude Opus 5.5的62.2以及Claude Fable 5.1、GPT-6 Astra的54分左右[62] - 覆盖从标的筛选到盈利分析全流程的Frontier Finance上，K3.1 Pro得分58.6，较K3进一步提升[62] - 事实准确性专项优化：内部压力测试Kimi Hallu Bench Hard上，单项事实陈述错误率从K3的23.4%降到8.3%，低于Claude Opus 5.5的15.0%，仅次于GPT-6 Astra的5.5%[63] - 官方实战案例包括：公式全部联动、可按情景调整经营驱动因子的英伟达财务模型；挖掘与市场一致预期之间预期差的宁德时代投委会报告；所有引用都能追溯至一手来源的量子计算行业深度报告[64] 定价与商业化 - K3.1 Pro已接入Kimi API，模型标识为kimi-k3.1-pro，每百万token输入1.3元（命中缓存）、13元（未命中缓存），输出68元；高速版kimi-k3.1-pro-highspeed价格为标准版的2倍[66] - 三项价格相比K3的2元、20元、100元全线下调约三分之一，能力还更强[66] - 作为参照，GPT-6 Astra标准定价为每百万token输入10美元、输出50美元，按当前汇率折算K3.1 Pro输入和输出价格都只有Astra的五分之一左右[66] - 9月底OpenAI推出的GPT-6.1 Sol也宣称"接近Astra、价格五分之一"，两者定价几乎落在同一条线上；K3.1 Pro多出的筹码是开放权重，11月4日之后企业可把3万亿参数前沿模型部署在自己机房，数据不出域、按需微调[66] - 个人用户可直接在kimi.com、Kimi App（支持iOS、Android和鸿蒙）和Kimi Work桌面端使用K3.1 Pro，开发者在Kimi Code中切换模型即可体验[67] - To B配套：API客户可选择零数据保留；Kimi企业版提供个人与企业数据完全隔离，管理员可为组织开启K3.1 Pro（上线时默认关闭）；Kimi Hosted Agents把Agent运行框架做成云服务，提供7×24小时托管环境；公司还在招募合作伙伴共建前线部署工程师（FDE）队伍[67]