Moonshot AI 发布 Kimi K3.1 Pro，Artificial Analysis 榜单升至第四
Chinese AI model Kimi K3.1 Pro is closing in on Anthropic's Claude Opus 5.5
Moonshot AI 发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 得 55 分，较 K3 提升 11 分升至第四，仅比 Claude Opus 5.5（58 分）低 3 分。
同一件事，精选收录的是《Kimi K3.1 Pro 发布，以 55 分位列 Artificial Analysis Intelligence Index 第 4》
Moonshot AI 的新推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数上位列第四，仅落后排名最高的闭源模型 3 分。
中国 AI 公司 Moonshot AI 发布了 Kimi K3.1 Pro，这是在前代 Kimi K3 基础上经过后训练的版本，后训练算力大幅增加。该模型在 Artificial Analysis 智能指数上得分 55 分，比 K3 提升 11 分，排名第四。
据 Artificial Analysis 数据，排名更高的只有 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）。如果 Moonshot 按计划在 2026 年 11 月 4 日前开放模型权重，K3.1 Pro 将成为得分最高的开源权重模型。假设届时其他模型没有变化，开源与闭源模型之间的差距将从 12 分缩小到仅 3 分。
除 K3.1 Pro 外，Moonshot 还推出了名为 K3.1 Pro Highspeed 的变体，据公司称运行速度快两到三倍。两款模型现已通过 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 提供。
| 项目 | Kimi-K3.1-Pro | Kimi-K3.1-Pro-Highspeed |
|---|---|---|
| 输入 | $2.00 / 百万 token | $4.00 / 百万 token |
| 输出 | $10.00 / 百万 token | $20.00 / 百万 token |
| 缓存输入 | $0.20 / 百万 token | $0.20 / 百万 token |
智能体任务提升最大
K3.1 Pro 最明显的进步体现在智能体任务上。据 Artificial Analysis 数据，在 GDPval-AA 基准上它达到 1,846 Elo，比 K3 高 312 分，仅次于 Claude Opus 5.5（1,866）和 Muse Wonder Full（1,857）。在 Terminal-Bench 4.0 上，Moonshot 报告的成绩为 65.7%，领先 GPT-6 Astra（58.2%），仅略低于 Claude Opus 5.5（66.4%）。K3 在同一测试中仅得 13%。
幻觉率也大幅下降。据公司称，在 Moonshot 内部的 Kimi Hallu Bench Hard 上，陈述级幻觉率从 K3 的 23.4% 降至 8.3%。Moonshot 表示这是一项压力测试，并不代表一般错误率。GPT-6 Astra 在同一基准上的成绩为 5.5%，仍占优势。
在内部金融基准上，K3.1 Pro 在 Financial Modeling 上提升 7.2 分，在 Financial Research 上提升 11.6 分。据 Moonshot 称，在通用办公任务方面，该模型在 OfficeQA Pro v2 上超过所有受测模型。
| 基准 | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | Claude Fable 5.1 | DeepSeek-V4.1-Flash | GLM-5.3 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 65.7 | 66.4 | 58.2 | 57.9 | 42.3 | 41.8 |
| SWE Marathon v1.1 | 51.7 | 46.3 | 42.5 | 45.6 | 40.0 | 42.5 |
| DeepSWE v1.1 | 75.5 | 74.2 | 74.1 | 67.4 | 77.0 | 66.9 |
| BenchCAD（带工具） | 92.7 | 96.2 | 95.9 | 92.6 | 81.6 | -- |
| HLE-Full（带工具） | 70.0 | 67.7 | 57.2 | 65.6 | 58.8 | 62.5 |
| BrowseComp | 92.1 | 90.8 | 91.5 | -- | -- | -- |
| OfficeQA Pro v2 | 64.4 | 62.2 | 54.4 | 54.5 | 40.4 | 31.1 |
| Automation Bench-AA | 73.3 | 69.5 | 68.5 | 59.4 | 66.6 | 62.2 |
| GDPval-AA v2.1（Elo） | 1,846 | 1,866 | 1,573 | 1,754 | 1,746 | 1,650 |
| GPQA-Diamond | 94.2 | 93.9 | 96.1 | 93.7 | 92.2 | 91.7 |
| ExploitBench | 74.7 | 91.0 | 100 | 83.0 | -- | 54.4 |
Moonshot 的 Kimi K3.1 Pro 基准测试表。所有结果均在推理强度设为“max”下测得。
3D 建模与编程
据 Moonshot 称，K3.1 Pro 可直接对接 Unity、Unreal Engine 和 Godot 等游戏引擎，既能处理快速修复，也能完成完整项目构建。在 BenchCAD 基准上，带工具时得分 92.7%，接近 Claude Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）。不带工具时得分为 72.8%，几乎与 Claude Opus 5.5（73.0%）持平。
Moonshot 表示，该模型在机械零件、建筑模型和可配置产品的参数化建模方面表现最强。它无需 MCP 连接器，就能为 Blender 和 CAD 软件编写并运行脚本。公司还在 Kimi.com 上线了名为“3D Make”的功能，让用户可以预览、编辑和导出 3D 模型。
参数规模不变，价格更低
K3.1 Pro 的尺寸与 K3 相同，总参数 2.8 万亿，激活参数 1040 亿。上下文窗口为 100 万 token，模型同时处理文本和图像。据 Artificial Analysis 称，它位于帕累托前沿的顶端。在参数规模相当的模型中，没有哪个在智能指数上得分更高。
Token 价格下降 33%。输入为每百万 token 2 美元（原为 3 美元），输出为 10 美元（原为 15 美元），缓存命中为 0.20 美元（原为 0.30 美元）。每项智能指数任务成本为 1.98 美元，与 K3（2.00 美元）几乎相同，因为该模型生成的输出 token 多了 14%。
网络安全与对攻击能力的刻意限制
Moonshot 在技术博客文章中用整整一节讨论网络安全。公司称，它观察到随着后训练规模扩大，漏洞研究能力持续增长，因为网络相关内容已嵌入通用中期训练语料，相关任务也属于强化学习环境组合的一部分。
在开放权重版本中，Moonshot 从两个训练阶段都剔除了网络相关数据。在其内部的 xdev-bench-hard 上（该测试复现 Linux 内核、Node.js 和 JavaScriptCore 等软件近期披露的漏洞），未清洗版本能解决 90.5% 的任务。数据清洗后，K3.1 Pro 解决 81.0%。DeepSeek-V4.1-Flash 在同一测试中达到 85.7%，而 Kimi K3 得分为 33.3%。
Moonshot 表示，任何开放权重模型都不应推动攻击性网络能力的绝对前沿。同时，公司希望逐步提升开放模型的能力，因为它们也用于审计遗留系统等防御目的。Anthropic 此前曾展示，即便是在 AA 指数上得分 45 的 GLM-5.3，也能写出接近 Claude Mythos 水平的漏洞利用。
没有炒作的 AI 新闻——由人工精选
订阅 THE DECODER，即可享受无广告阅读、每周 AI 新闻通讯、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。
来源：The Decoder：AI News · the-decoder.com