Kimi K3.1 Pro：月之暗面端出第一个Pro

编辑｜泽南、张倩、Panda 谜底揭晓了。 过去几天，Arena 盲测里一个代号「Kibitz」的匿名模型频频让人意外：有人反复抽卡，用它做出了一张又一张 SVG、网页和可交互的 3D 场景，评论区都在猜它出自谁家。 今天凌晨，答案来了。月之暗面正式推出 Kimi K3.1 Pro ，并认领了 Kibitz 的身份。这是全新 K3.1 系列的第一个模型，参数量在 3 万亿量级。 消息一出，「最强开源模型易主」迅速在网上刷屏，网友们的实测案例也接连晒了出来： K3.1 Pro 支持 100 万 token 上下文。同时发布的还有高速版 Kimi K3.1 Pro Highspeed ，智能水平一致，输出速度约为普通版的 2 到 3 倍。两款模型即日起在 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。 久违的 Pro 级模型 过去几个月，全球前沿 AI 模型的进步速度越来越快，从 OpenAI 的 GPT-6 Astra、GPT-6.1 Sol 到 Anthropic 的 Claude Fable 5.1、Opus 5.5，新一代模型在研究级数学和长程编程等方向持续取得进展。国产模型的更新也在加速，但端出的多是 Flash 级别的「轻量」版本， K3.1 Pro 可以说是打响了国产阵营反击的第一枪 。 它也不是凭空出现的。今年 7 月，月之暗面发布 Kimi K3，2.8 万亿参数，是当时最大的开源权重模型，在 Frontend Code Arena 上以 1679 分超过 Claude Fable 5 登顶，在 Artificial Analysis 智能指数上排名第三，仅次于 Claude Fable 5 和 GPT-5.6 Sol，连 Elon Musk 都在评测帖下留了一句「Impressive」。发布当天美股科技股集体走低，多家美国媒体把原因归到了 K3 身上。 K3.1 Pro 正是在 K3 的底座上做的大规模后训练 ，这一次，月之暗面把筹码押在了强化学习上。 据官方博客介绍，团队大幅增加了后训练算力。为支撑数百个下游领域的大规模联合 RL，团队对技术栈逐层改造，覆盖 RL 框架、长上下文推理、训练效率、沙箱基础设施、调度系统，以及用于环境质量检查的共享平台，目标是让每一份新增的 RL 算力都换来稳定、可预期的回报。 效果如何？先看第三方的评价。 在独立评测机构 Artificial Analysis 的智能指数上， 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）。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，也将从 12 分缩小到 3 分。 提升最大的是 Agent 能力。在衡量真实知识工作的 GDPval-AA 上，K3.1 Pro 的 Elo 分较 K3 提高 312 分， 达到 1846 分 ，位居第三；在 Artificial Analysis 自己的 Terminal-Bench 4.0 测试中， 它以 67% 的成绩拿下所有模型中的最高分 ，而 K3 只有 13%；考察 SaaS 工作流自动化的 AutomationBench-AA 也从 58% 升到了 73% 。 相比之下，知识与推理类评测的提升更温和，Humanity's Last Exam 从 47% 升至 52%。 这和月之暗面「把筹码押在强化学习上」的路线完全吻合：RL 加得最多的地方，涨得也最多。 官方公布的成绩也印证了这一判断：K3.1 Pro 在几乎所有领域都获得了可观的性能提升。 最受关注的 Terminal-Bench 4.0 考察编程 Agent 在资源受限的真实终端里干活的能力，每项任务都设有严格的专项测试。K3.1 Pro 在这里拿下 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。而且 在不同思考强度下，它都落在性能与单任务成本的帕累托前沿 ：无论你愿意让它想多久，花出去的每一分钱都换到了同档位里最好的结果。 放眼官方公布的完整榜单，在与 Claude Fable 5.1、GPT-6 Astra、Claude Opus 5.5 等模型对比的 47 项基准中， K3.1 Pro 有 16 项拿下最高分 （其中 3 项为月之暗面内部基准）。考察长程软件工程的 SWE Marathon v1.