Moonshot AI（月之暗面）在 2026 年 10 月 23 日发布 Kimi K3.1 Pro，K3.1 系列第一款模型，也是官方目前最强的开源权重模型。思路很直接：架构不动，后训练（post-training）预算大幅拉高，价格砍掉三分之一。独立评测机构 Artificial Analysis 的成绩单里最刺眼的一项是 Terminal-Bench 4.0 从 13% 跳到 67%——这不是版本号加 0.1 该有的幅度。
Kimi K3.1 Pro 是什么：同一个 2.8T 架构，换了后训练
官方说得很明确：K3.1 Pro 是 Kimi K3 的后训练版本，架构与参数规模完全一致，变得只是”练完之后怎么教”——跨数百个领域的大规模强化学习，加上 RL 框架、长上下文推理和沙盒基础设施的改造。
- 参数规模：2.8 万亿总参数，104B 激活（MoE），与 K3 相同
- 上下文：100 万 token，单次最大输出约 94 万 token
- 输入模态：文本、图像（OpenRouter 标注还含视频输入），输出为文本
- 两个版本：标准版与 K3.1 Pro Highspeed，官方称快 2–3 倍，价格翻倍
- 入口：Kimi.com、Kimi Work、Kimi Code、Kimi API（OpenAI 兼容）
基准成绩：全球第 4，开源阵营第 1
Artificial Analysis 的 Intelligence Index 把 K3.1 Pro 放在 第 4 名，得分 55，比 K3 的 44 提升 11 分。排在前面的是 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）和 Meta Muse Wonder Full（56）。关键点在于：权重一放出它就是开源第一，开源与闭源旗舰的差距会从 12 分压到 3 分。
| 测试项 | Kimi K3 | Kimi K3.1 Pro | 说明 |
|---|---|---|---|
| Intelligence Index | 44 | 55 | 全球第 4，开源第一 |
| Terminal-Bench 4.0 | 13% | 67% | 全场最高，超过 Sonnet 5.5 的 64% |
| GDPval-AA | 1534 Elo | 1846 Elo | 第 3 名，+312 Elo |
| AutomationBench-AA | 58% | 73% | Agent 化的 SaaS 工作流 |
| Humanity’s Last Exam | 47% | 52% | 提升温和 |
| 幻觉率（AA 口径） | 53% | 44% | 事实准确率 48% → 51% |
这组数据指向一个结论：提升集中在 Agent 和长周期任务，不在通用知识。Terminal-Bench +54 个百分点与 HLE 只有 +5 放在一起看，差异大得不像同一个模型。官方口径也印证：Terminal-Bench 4.0 上它 65.7、Opus 5.5 是 66.4，差距缩到一个点内；在 DeepSWE v1.1、SWE-Marathon 上它反而领先。这些是厂商自测、未经第三方复现，但方向足够清楚——这是一款为长跑 Agent 优化的模型。
价格：单价便宜三分之一，单位任务成本却没降
- 输入：$2 / 百万 token（K3 是 $3）
- 输出：$10 / 百万 token（K3 是 $15）
- 缓存命中读取：$0.20 / 百万 token（K3 是 $0.30）
- Highspeed 版：$4 / $20，换 2–3 倍速度
- 缓存写入另计：5 分钟缓存 $2 / 百万，1 小时 $4 / 百万
但有个容易忽略的坑：Artificial Analysis 测出的每任务成本是 $1.98，与 K3 几乎持平。因为 K3.1 Pro 完成同一道题平均输出 55K token，比 K3 的 48K 多 14%，把 33% 的降价吃掉大半。所以短问答场景能全额享受降价；长链推理、Agent 反复试错的场景，账单可能和换模型之前差不多。迁移前用自己真实的 prompt 跑一遍，别只看价目表。
部署：自托管门槛和 K3 一模一样
架构没变，K3 的自托管账可以照抄：MXFP4 格式权重约 1.56 TB，需要 2TB 以上聚合显存的多节点集群加高速互联，个人电脑和单卡工作站别想。对绝大多数团队来说现实路径只有 API；好在接口是 OpenAI 兼容的，换 base URL 和模型名就能接上。官方承诺完整权重 11 月 4 日前放出，但许可证未公布——K3 用的是自定义 Kimi K3 License（非 OSI 认可协议），商用前务必等许可证细则落地。
使用体验与局限：三个保留意见
基准是混合口径。Moonshot 用 Claude Code 的 harness 跑 K3.1 Pro，其他模型分数取自各家报告或公开榜单，严格说不是同一把尺子，Intelligence Index 是唯一的独立数据源。安全取舍是明确的。官方承认在 mid-training 和 RL 数据里主动移除了网络攻击相关内容，用部分漏洞研究能力换更安全的开源模型——做安全研究的团队要知道这是”故意不给”而非”能力不足”。幻觉数据两套口径差很远。官方内部测试称 claim-level 幻觉率从 23.4% 降到 8.3%，AA 测的却是 53% → 44%，真实体验大概率在两者之间：有改善，但远没到不用核对的程度。
与其他同类模型横向对比
| 模型 | 规模 / 形态 | 核心定位 | 本站评分 |
|---|---|---|---|
| Kimi K3.1 Pro | 2.8T 总参 / 104B 激活，1M 上下文 | 长周期 Agent + 编程，开源权重 | 8.8 |
| Kimi K3 | 同架构上一代，$3/$15 | Bedrock 上架，企业采购路径成熟 | — |
| DeepSeek V4 Pro | MoE，1M 上下文 | 极致性价比，国内 API 主力 | 8.9 |
| GLM 5.3 | 智谱百万上下文推理 | 中文场景 + 编程 Agent | 8.4 |
| Claude Opus 5.5 | 闭源旗舰 | 对齐能力与安全最强 | 8.9 |
| Claude Sonnet 5.5 | 闭源中端主力 | 性价比均衡，Agent 通用 | 8.8 |
| Muse Wonder Full | Meta 首个前沿模型 | MemoryBench 强项 | 8.3 |
| Qwen3.8 2.4T A95B | 2.4T 开源权重 | 国产开源旗舰，多模态 | 8.5 |
在这张坐标系里，K3.1 Pro 的位置是：能力逼近闭源第一梯队，价格是开源旗舰里的上沿。单价约是 DeepSeek V4 Pro 的 2.5 倍、GLM 5.3 的两倍，换的是 Terminal-Bench 这类 Agent 硬指标的明显领先。跑”简单问答、量大”的，用 Mistral Large 4 或 DeepSeek 更划算；跑”AI 自己写代码、连续几十步不出错”的，这 3 分差距值这个价。同类开源里 Reflection Beam 和 Recursive Flint 走的是小参数本地路线，与它不是同一场竞争。
综合评分
| 维度 | 评分 | 评价 |
|---|---|---|
| 功能完整度 | 9.0 / 10 | 1M 上下文 + 94 万输出 + 原生工具调用，Agent 需要的都有 |
| 易用性 | 8.3 / 10 | API 好接，但自托管 1.56TB，个人只能走云 |
| 性价比 | 8.6 / 10 | 单价比 K3 低 33%，输出 token 变多抵消了一部分 |
| 中文支持 | 9.2 / 10 | 国产模型的中文语感仍是第一梯队 |
| 输出质量 | 9.0 / 10 | Agent 与编程已贴闭源旗舰，通用知识提升有限 |
综合评分：8.8 / 10
常见问题（FAQ）
Kimi K3.1 Pro 免费吗？
API 收费：输入 $2 / 百万 token，输出 $10 / 百万，缓存命中读取 $0.20。Kimi.com 网页端有免费额度，但旗舰模型的实际可用量受会员与额度限制。权重虽承诺开源，跑起来需要多节点集群，不等于个人免费用。
Kimi K3.1 Pro 的权重什么时候开源？
官方承诺 2026 年 11 月 4 日前放出完整权重，但许可证尚未公布。参考 K3 使用自定义 Kimi K3 License 而非 OSI 认可协议，商用前建议等许可证细则。
本地部署 Kimi K3.1 Pro 需要什么配置？
MXFP4 权重约 1.56 TB，需要 2TB 以上聚合 GPU 显存的多节点集群加高速互联，普通工作站跑不动。个人和小团队现实的选择是走 API。
Kimi K3.1 Pro 和 Claude Opus 5.5 该选哪个？
看任务类型。纯 Agent 与终端操作差距已很小，官方口径 Terminal-Bench 4.0 是 65.7 对 66.4；Intelligence Index 上 K3.1 Pro 落后 3 分，通用知识与安全对齐仍是 Opus 5.5 更强。量大追成本的团队优先选 K3.1 Pro，高合规要求场景仍建议 Opus 5.5。
总结：开源阵营第一次真正贴上闭源旗舰
K3.1 Pro 的意义不在”又发了个新版本”，而在于把开源与闭源的 Intelligence Index 差距从 12 分压到 3 分，同时把价格往下调。真正的分水岭在 11 月 4 日——权重落地、许可证公开之后，才能判断它是”能自己跑的旗舰”还是”只能租的旗舰”。
想发现更多好用的 AI 工具？查看我们的 AI 模型库 与 工具对比引擎，或继续阅读：DeepSeek V4 Pro 深度评测 · GLM 5.3 深度评测 · Recursive Flint 深度评测 · 全部评测列表。