2026 年 10 月 24 日发布 · 3 万亿参数 · 100 万上下文 · Terminal-Bench 4.0 得 65.7% 超 GPT-6 Astra · 完整权重 11 月 4 日前开源
🔥 一、速览：国产旗舰的又一次"顶格"更新
10 月 24 日凌晨，月之暗面正式推出 Kimi K3.1 系列首款模型 K3.1 Pro——公司迄今能力最强的 3 万亿级参数模型，支持 100 万 token 上下文，并继续坐稳全球参数规模最大的开源模型。
铺垫与背景：今年 7 月发布的 Kimi K3（2.8 万亿参数）曾在评测榜单上跑赢多个前沿闭源模型，被海外投资者称为"来自中国的惊喜"；此后月之暗面估值一路走高（据报约 500 亿美元，计划明年一季度赴港 IPO），K3 还接入 Codex 企业通道、API 原生兼容 Codex 与 Claude Code。K3.1 Pro 就是在这样的势头上"继续练"出来的——人民日报评论把它称作"Kimi 时刻"的延续。
🧩 二、主要新增功能特性
1️⃣ 后训练 Scaling：不是堆参数，是把算力砸向强化学习
参数只从 2.8 万亿加到 3 万亿，真正的提升来自后训练阶段算力大幅加大——让模型在数百个领域的反复训练中"越练越聪明"，同时对训练框架、推理效率、调度系统逐层优化。
2️⃣ 编程智能体：正式反超 GPT-6 Astra
Terminal-Bench 4.0（真实环境资源受限的终端任务，每项有专项测试）得分 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅一步之遥。自家 Kimi Code Bench 3.0 Long-horizon 从 K3 的 55.95% 升至 61.2%（考察多步执行、工具调用、端到端解决问题）。
3️⃣ 3D 创作与空间推理：本版最大惊喜
BenchCAD 92.7%（借助工具），逼近 Claude Opus 5.5 的 96.2%、GPT-6 Astra 的 95.9%；
给一段文字、一张草图或参考图，即可推断形状、比例与空间关系并重建可用 3D 模型；
无需 MCP 连接器，直接编写并运行 Blender、CAD 脚本，完成机械零件、建筑模型、定制家具的建模与细化；
熟练使用 Unity、Unreal Engine、Godot，结合搜索与 3D 生成做完整交互体验；
Kimi App 同步上线 3D Make：在线预览编辑、直接下载去 3D 打印、导出视频或实况照片。
4️⃣ 金融工作流：拿到一项全球 SoTA
OfficeQA Pro v2 得分 64.4，当前全球最佳（考察真实金融文档的检索、跨文档核对与多步数值推理）；内部基准全面超过 K3——财务建模 +14%、金融研究 +20%、商业运营约为 4.2 倍。
5️⃣ 事实准确性：大幅收敛幻觉
内部压力测试 Kimi Hallu Bench Hard 中，单项事实陈述错误率从 K3 的 23.4% 降至 8.3%，含至少一处错误的回答比例仅为此前约 42.4%。（官方说明：样本刻意聚焦易错场景，不代表日常整体水平。）
6️⃣ 开发者与工程侧：该有的都有了
API 支持流式输出、结构化输出、工具调用、动态加载工具、TTL 上下文缓存；面向高频调用场景推出 Highspeed 版（同智能、输出速度约 2-3 倍、价格 2 倍），相当于把"延迟敏感型业务"单独拆了一条产品线——这对实时客服、IDE 补全、Agent 循环等场景很关键。
⚔️ 三、与国内外顶级模型对比：特色与优势
三点特有优势：
🏆 "最大开源模型"的稀缺性——3 万亿参数 + 即将开放权重，全球开发者可直接改、直接部署，这是闭源模型给不了的；
🏆 性价比碾压——API 输入 13 元/百万 token、输出 68 元，测算价格仅为 GPT-6 Astra 的五分之一，却能拿到接近头部的成绩；
🏆 "能动手"的智能体——不只跑分漂亮：直接操作 Blender/CAD/游戏引擎、端到端交付金融工作流，落地感强于纯对话型模型。
在国内阵营中的位置：与 DeepSeek V4 系、阿里 Qwen3.8 系、智谱 GLM-5.3 系相比，Kimi K3.1 Pro 的差异化不在"总分最高"，而在三条专精路线——参数规模最大（3 万亿）+ 开源权重 + 3D/金融两类垂直 SoTA。换句话说：别人比"通用能力全面性"，Kimi 比"专业场景必须能干活"。
一个更有说服力的细节：官方透露的一次内部实验中，模型搭建模拟人体行走系统，从"几步就倒地"进步到连续行走 11.2 秒，并自动修正 36 处计算错误——这类长程任务的自我纠错能力，比刷榜更能说明 Agent 成熟度。
⚠️ 四、不足与挑战
综合智能尚未登顶：Artificial Analysis 智能指数上仍次于 Opus 5.5、Sonnet 5.5 等（部分单项领先 ≠ 全面领先）；
上线即"翻车"：10 月 26 日凌晨 Kimi 官方致歉——会员使用 K3.1 Pro 出现限流与不必要的额度消耗，已为所有订阅会员重置并补偿月度额度 25%（约一周用量），同时减少不必要的子 Agent 调用与输出长度。算力供给跟不上热度，是国产旗舰的通病；
权重还没到手：11 月 4 日前才发布，现在买到的只是 API 与自家客户端；
外部争议缠身：同期"OpenAI 称遭有组织蒸馏、矛头指向月之暗面"的报道，为技术路线带来额外舆论压力；
"跑分赢、口碑待考"：Terminal-Bench 单项反超，但真实开发者的长期使用反馈仍需时间积累，且 3D/CAD 能力高度依赖工具链稳定性（脚本执行失败率、Blender 版本兼容等）。
🔮 五、未来技术发展趋势
📌 六、总结：三个核心信号
🏆 国产旗舰已进入"单项反超、综合逼近"阶段——编程超 GPT-6 Astra、金融拿全球 SoTA，但综合智能指数仍落后半个身位；
🏆 "后训练 Scaling"成了新的胜负手——参数只增 7%，能力却大幅跃升，说明数据和强化学习工程比堆参数更划算；
🏆 开源 + 低价是国产模型最有效的进攻武器——3 万亿参数要开放权重、价格打到对手 1/5，这套打法正在真实切走调用量。
📌 一句话总结：K3.1 Pro 证明国产模型能在单项上赢下全球最强闭源模型；但要把"跑分胜利"变成"口碑胜利"，先得解决限流和算力供给这道现实考题。
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢