月之暗面创始人、CEO杨植麟。图片经由AI生成
文丨晓静
编辑丨徐青阳
10月24日凌晨，月之暗面正式发布Kimi K3.1 Pro。这是K3.1系列的首个模型，也是Kimi迄今能力最强的旗舰模型，3万亿参数级别，支持100万Token上下文，并具备原生视觉理解能力。
此次发布包含两个版本：Kimi K3.1 Pro，以及保持相同模型能力、输出速度提升约2—3倍的K3.1 Pro Highspeed。两款模型已经通过Kimi网页端、App、Kimi Work、Kimi Code及API开放使用，完整模型权重计划于11月4日前发布。
从官方披露的测试结果看，K3.1 Pro在代码、Agent、3D建模及专业知识工作等领域取得了明显进展。
在考察真实终端编程任务的Terminal-Bench 4.0测试中，K3.1 Pro获得65.7%的成绩，超过GPT-6 Astra的58.2%，距离Claude Opus 5.5的66.4%仅差0.7个百分点。在金融文档分析测试OfficeQA Pro v2中，K3.1 Pro取得64.4分，达到该项测试的最优水平。它还能调用Blender、CAD及游戏引擎等专业工具，完成复杂3D建模、游戏场景开发和长时间、多步骤的软件工程任务。
值得关注的是，这次能力提升并没有依赖一次全新的、规模更大的预训练。
月之暗面选择了K3.1 Pro这个命名，某种程度上也暗示了此次升级的技术逻辑。K3.1 Pro沿用了今年7月发布的Kimi K3基座，通过大幅增加后训练算力，将强化学习扩展至数百个下游领域，同时优化训练框架、长上下文推理、沙箱环境及任务调度系统。
模型的能力提升，越来越依赖真实任务中的反复尝试和反馈。以编程为例，模型需要实际修改代码、运行测试、根据报错继续调整；3D建模和金融研究则需要各自的工具环境与验证机制。任务越复杂，训练消耗的推理算力越多，对基础设施的要求也越高。
因此，Kimi此次扩大的不仅是强化学习的计算规模，还有支撑数百类任务同时训练的工程能力。如何高效生成训练轨迹、判断结果是否正确、避免GPU空转，都会影响最终的训练效果。
这背后反映出一个产业趋势，模型迭代开始可以与基座迭代分离。 一次大规模预训练完成后，模型的潜力远没有被充分挖掘。相比不断训练更大的基座，如何通过后训练持续释放已有模型的能力，也在成为大模型竞争的另一条重要路线。
01 跑分涨了，调用成本降了
先看最直观的性能与价格。
在第三方测评机构Artificial Analysis最新公布的Intelligence Index（智力指数）榜单中，K3.1 Pro拿下了55分，较前代K3的44分增长11分，直接升至全球第四位，仅次于Claude Opus 5.5（58分）、Claude Sonnet 5.5（56 分）与Muse Wonder Full（56 分）。
Artificial Analysis Terminal-Bench 4.0及Agent综合测评榜单
终端编程能力的变化更为直观。在Terminal-Bench 4.0测试中，Artificial Analysis测得K3.1 Pro的得分达到67.2%（月之暗面官方测试为 65.7%），超越了Claude Sonnet 5.5的63.6%，而前代K3在该项上的成绩仅为12.6%。
Terminal-Bench的特点在于强调真实工程环境。模型不仅要写代码，还要在命令行中运行指令、读取错误日志并反复调整方案，直到任务完全解决。
价格方面，按照月之暗面公布的API计费规则，K3.1 Pro每百万Token的输入、输出和缓存命中价格分别为2美元、10美元和0.2美元，三项费率相较前代整体下调了33%。
由于智能体与代码任务往往需要多次调用工具和多轮迭代，单次调用的Token价格下降，能让长流程自动化任务在商业落地时更具经济可行性。
从使用成本来看，根据Artificial Analysis的测算，K3.1 Pro在处理单项智力任务时消耗的输出Token（55K）比前代（48K）增加了14%。但由于API 单价下调了33%，两者相互抵消后，K3.1 Pro完成单个任务的平均花费依然维持在前代K3的1.98美元左右。
02 从写代码到“造世界”
这次更新最吸引眼球的部分，是K3.1 Pro展示的一系列3D创作和游戏开发案例。
过去，想用AI制作一款3D游戏，通常需要开发者自己搭建工程、编写脚本、配置场景，再一点点修复模型和物理系统中的问题。AI可以帮忙写代码，但要把这些零散的工作整合成一个能够运行的作品，仍然需要大量人工干预。
K3.1 Pro展示的方向，是让模型承担更多环节：
重型引擎与场景生成：在虚幻引擎5.8中，它构建了一座半径达1750米、包含36开间柱廊的东方天宫战斗场景，并结合Blender的程序化建模能力制作腾空巨龙，再利用Nanite几何体虚拟化技术和Lumen全局光照系统呈现场景。
而在另一个古风RPG演示中，它还生成了剑客御剑穿过云海、进入云上古城的连续镜头。
游戏逻辑与机制整合：在Godot 4.7.2引擎的一个演示项目中，K3.1 Pro构建了包含五个可探索区域的3D动作冒险游戏，并实现了第三人称战斗、双阶段Boss战、资源采集、昼夜循环和篝火快速传送等机制，把复杂的交互玩法串联在一起。
排查仿真器底层错误：在一项双足行走仿真实验中，面对容易摔倒的双足行走控制器，K3.1 Pro不仅调整控制器的奖励函数，还进一步检查仿真器的动力学计算，定位并修复肩部肌肉力臂计算中的36处错误。修复后，仿真人实现了11.2秒的连续交替步态行走。
除了游戏开发，K3.1 Pro还展示了工程建模能力与影视级渲染。例如在Blender搭建的机场室内雨林山谷中自主产出展示短片。
在FreeCAD中通过Python构建了包含风扇、减速齿轮箱、压气机、涡轮等约2100个实体的涡扇发动机模型，并支持分步装配与内部爆炸视图。
利用三维网格处理工具将福建土楼结构转化为可用于3D打印的模块化镂空台灯。
以及展现科隆大教堂约330万三角面构件的肋拱光影建构与末世机器人影视级渲染。
为了让普通用户更容易体验这类能力，月之暗面还在网页端和App端推出了3D Make功能，支持直接在网页上预览、编辑3D模型，并导出为3D打印文件或动态视频。
从这些案例可以看出，AI编程的竞争重点正在发生变化：过去比谁生成代码更快，如今还要看谁能把代码、工具和执行环境组织起来，最终交付一个可运行的成果。
03 真实工作需要效率和准确
现实工作中，更需要的是处理复杂信息和控制错误的能力。财务分析往往需要从多份文件中提取数据，再完成交叉核对、公式计算和情景分析。即使某个数字本身没有算错，只要引用了错误的数据、遗漏了关键假设，最终结论也可能出现偏差。
根据官方披露的测试结果，K3.1 Pro在OfficeQA Pro v2测试中取得64.4分。
月之暗面还展示了通过Kimi Work构建英伟达估值模型的案例，模型不仅生成分析内容，还将公式和不同假设关联起来，支持跨情景敏感性分析。
这类任务的价值，在于减少从数据整理到模型搭建之间的重复劳动。
因此，另一个值得关注的指标是幻觉率。按照Kimi Hallu Bench Hard测试数据，K3.1 Pro的断言级幻觉率由前代K3的23.4%降至8.3%。
断言级幻觉率的下降，为模型处理专业文档提供了一个积极信号。不过，这项指标并不能直接代表金融分析的整体准确率。涉及财务数据、估值假设和投资结论时，模型生成的结果仍需要与原始资料交叉核对，并对计算过程进行复核。
04 能力越强，安全边界越重要
随着大模型在代码编写、自动化终端调用以及智能体任务上的能力突破，网络安全防线也正迎来前所未有的考验。
月之暗面在模型训练阶段采取了针对性的干预机制。团队在预训练与强化学习阶段，专门识别并清洗掉了攻防与漏洞利用相关的特定数据集，同时完整保留了常规软件开发与语法调试所需的通用代码能力，尝试在不损伤模型工程实用性的前提下，降低潜在的滥用风险。
月之暗面公布的数据显示，经过清洗后的K3.1 Pro在内部漏洞发现与利用测试xdev-bench-hard中取得了81.0%的得分。公司团队表示，这一做法旨在防止开源权重单方面突破网络攻击能力上限，同时保留模型在本地代码审计与防御上的实用价值。
对于准备将模型部署于本地的企业而言，安全治理显然不能止步于训练阶段的数据清洗。开源权重的开放虽然赋予了企业对数据与部署环境的绝对掌控权，但在真实业务落地时，严格的访问权限管理、工具调用行为限制、高隔离度的运行环境以及针对模型输出的实时审计，依然是保障系统安全不可或缺的基础设施。
05 开源模型的竞争，开始比谁能把活儿干完
K3.1 Pro的发布，也让国产模型与全球顶尖闭源模型之间的竞争有了新的变化。
根据Artificial Analysis的测试，K3.1 Pro在AutomationBench-AA中取得73%的成绩，较前代提升15个百分点；在衡量智能体工作价值的GDPval-AA测试中，达到1846 Elo，较前代提高312分。
长期以来，价格和私有化部署是国产开源模型争取开发者的重要优势，但面对高难度任务，模型能力往往比调用价格更能决定用户的选择。一次任务失败带来的反复调试，可能远比Token本身昂贵。
当能力差距缩小，价格优势才真正有了发挥空间，国产模型参与全球竞争的方式，也在转向“争夺高价值工作”。
特约编译无忌对本文亦有贡献
月之暗面发布Kimi K3.1 Pro，这把超Astra了？！
