月之暗面发布 Kimi K3.1 Pro:2.8 万亿总参数、104B 激活、百万上下文
Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context
Kimi K3.1 Pro 是 K3.1 系列首个模型,2.8 万亿总参数、104B 激活的 MoE,100 万 token 上下文。它在终端编程任务上贴住 Claude Opus 5.5,科学终端任务上则差了近 30 分。
架构上它继承 Kimi K3:Kimi Delta Attention 加 Attention Residuals,896 个专家中激活 16 个,走 Stable LatentMoE 框架,上下文 100 万 token,API 接受文本、图像与视频。K3.1 Pro 的关键变化在后训练——月之暗面在数百个下游领域上跑了联合强化学习,为此重写了 RL 框架、长上下文推理、沙箱基础设施与 rollout 调度。同时发布的 Highspeed 版本据官方博客快 2 到 3 倍。
基准成绩全部由月之暗面自报,多数在 max 推理强度下、使用 Claude Code 作为 harness。Terminal-Bench 4.0 得 65.7%,仅落后 Claude Opus 5.5 的 66.4%;SWE-Marathon 以 51.7 反超 Opus 5.5 的 46.3;内部长程基准 Kimi Code Bench 3.0 从 K3 的 55.95 升到 61.2。带工具的 BenchCAD 得 92.7,Opus 5.5 为 96.2、GPT-6 Astra 为 95.9;不带工具时 72.8,与 Opus 5.5 的 73.0 几乎持平。
短板也很清楚:Terminal-Bench Science 0.1 只有 38.1,同一张表上 GPT-6 Astra 是 68.1、Opus 5.5 是 63.3。这说明它在需要科学推理与实验设计的终端任务上仍有明显代差,编程能力并不自动迁移到科学工作流。金融侧则是亮点:OfficeQA Pro v2 报出 64.4 的最优成绩,Frontier Finance 58.6,内部金融测试相对 K3 在建模上提升 7.2 分、研究上提升 11.6 分。
幻觉控制是这一代最实在的进步。内部压力测试 Kimi Hallu Bench Hard 上,声明级幻觉率从 K3 的 23.4% 降到 8.3%,降幅约 65%;作为参照,GPT-6 Astra 在同一测试上是 5.5%。对一个要跑长程 agent 任务的模型来说,这个指标的边际价值可能高于再涨两分 Terminal-Bench。
价格是竞争武器:kimi-k3.1-pro 输入每百万 token 2 美元、输出 10 美元、缓存命中 0.2 美元,比 K3 的 3 美元 / 15 美元便宜约三分之一;Highspeed 版为 4 美元 / 20 美元。接口兼容 OpenAI,最大输出 100 万 token(默认 13.1 万),温度固定 1.0、top-p 固定 0.95。部署上这不是单卡模型——K3 时代官方就建议 64 张以上加速器的超级节点,MXFP4 权重配 MXFP8 激活。开源权重预计 11 月放出,届时才谈得上真正的「开放」。
- 2.8 万亿总参数 / 104B 激活,896 专家激活 16 个,100 万 token 上下文
- Terminal-Bench 4.0 65.7%,SWE-Marathon 51.7 领先 Opus 5.5 的 46.3
- Terminal-Bench Science 0.1 仅 38.1,GPT-6 Astra 为 68.1
- 声明级幻觉率从 23.4% 降至 8.3%
- API 定价 $2 / $10 每百万 token,较 K3 降约三分之一






