10 月 23 日,月之暗面上线新旗舰 Kimi K3.1 Pro。有意思的是:它不是新基座,而是 7 月发布的 Kimi K3 的大规模后训练升级——架构和参数没动,官方把后训练算力大幅加码,对「数百个下游领域」做大规模联合强化学习,配套改造了 RL 框架、长上下文推理、训练效率、沙箱基础设施和 rollout 调度。
同一副骨架,两档速度
规格与 K3 保持一致:2.8 万亿总参数、约 1040 亿激活(MoE)、100 万 token 上下文,支持文本与图像输入。同步推出的 K3.1 Pro Highspeed 在相同效果下速度约 2-3 倍,API 价格也翻倍。工程上有个细节:K3.1 系列仅支持思考模式(low/high/max 三档,默认 max),关闭思考直接返回 400——月之暗面把「必须推理」写进了产品契约。
两套跑分:官方口径与独立实测
官方技术报告给出 Terminal-Bench 4.0 成绩 65.7%(Claude-Code harness),超过 GPT-6 Astra 的 58.2%,略低于 Claude Opus 5.5 的 66.4%;独立评测机构 Artificial Analysis 实测 67%,称是其测过的模型里的最高分,而 K3 当时只有 13%。在 AA Intelligence Index v4.3.2 上,K3.1 Pro 拿到 55.1 分、总榜第 4,较 K3 的 43.6 上涨 11.5 分,距榜首的 Opus 5.5(57.6)还差 2.5 分。
幻觉率是这次发布最有信息量的对照:官方内部压力测试 Kimi Hallu Bench Hard 显示 claim 级幻觉率从 23.4% 降到 8.3%;AA-Omniscience 独立实测则是 53% 降到 44%。改善是真的,幅度取决于谁在测——官方也注明,该测试由刻意构造的易错场景组成,不代表日常使用的错误率。
定价、开源承诺与安全取舍
API 定价 $2/$10(每百万 token 输入/输出,缓存命中 $0.20),较 K3 的 $3/$15 全面下调约三分之一。但 AA 测得 K3.1 Pro 单任务输出 token 多用 14%,单任务成本与 K3 基本持平——降价更像是获客叙事,不是白省三成。
完整权重承诺 11 月 4 日前放出。AA 的预测是:权重落地后,K3.1 Pro 将成为开源权重模型的最高分,开源与闭源旗舰在该指数上的差距从 12 分缩到 3 分。信用记录:K3 当年 7 月 16 日发布、承诺 7 月 27 日放权重、当天兑现。
网络安全是这次发布里最「自觉」的一块:官方承认网络攻击能力会随后训练规模自然增长,于是从 mid-training 语料和 RL 环境里移除了攻击相关数据。在内部 xdev-bench-hard 上,未删减的 checkpoint 通过率 90.5%,正式版为 81.0%(K3 仅 33.3%);官方称其攻击能力仍落后于已公开至少三个月的前沿闭源模型——这组数字目前没有外部机构复核。
所以呢
K3.1 Pro 代表的路线很清楚:这一轮竞争的胜负手不在「更大的基座」,而在「更狠的后训练」。架构不动、RL 管线全面翻新,一样能把指数拉起 11 分。三个观察点:11 月 4 日权重是否准时、8.3% 的幻觉率在第三方场景是否站得住、以及「删了攻击数据但编码更强」能否被独立复现。