Kimi K3.1 Pro:权重 11 月 4 日才开箱,厂商榜单和独立评测已经先吵起来了
10 月 23 日,月之暗面发布了 Kimi K3.1 Pro——K3.1 系列的第一个模型,也是这家公司迄今能力最强的 3 万亿参数级模型。按官方承诺,完整模型权重会在 11 月 4 日前开源。
但一个有意思的局面先出现了:权重还没到,关于它的榜单之争已经先打起来了。官方自报的数字、第三方机构 Artificial Analysis 的独立实测、再加上 Mistral 大模型发布时自己放的对照图——三份材料放在一起,互相打架的地方不少。
这篇文章就把这三份材料摊开讲清楚:哪些是厂商自报、哪些是独立实测、哪些争议真正值得关心;顺带给中文读者算一笔部署和使用的现实账。
▲ 封面图:Kimi K3.1 Pro 关键数字速览(封面以正文表格为准)

一、先看基本盘:它到底是个什么模型
先把无争议的事实摆出来:
- 参数规模:2.8 万亿参数,MoE 架构,每次推理激活约 1040 亿参数(896 个专家中激活 16 个,外加 2 个共享专家);
- 上下文:100 万 token,原生图像与视频理解;
- 出身:不是从零训练的新基座,而是基于今年 7 月发布的 Kimi K3 做大规模后训练——” substantially larger post-training compute”,架构没变,变的是训练投入;
- API:标识符
kimi-k3-1-pro与kimi-k3-1-pro-highspeed,输入 10 / 百万 token,比 K3 的 15 降了三分之一;高速版快 2–3 倍,价格翻倍(20); - 推理强度:始终开启推理模式,可选 low / high / max 三档(默认 max),支持工具调用、流式输出、结构化输出。
值得注意的一个细节:发布一周了,权重至今还没上架——10 月 29 日月之暗面的 Hugging Face 页面上仍然没有 K3.1 的仓库,许可协议也还没公布。参考 K3 的先例(7 月 16 日发布、承诺 7 月 27 日开权重、当天准时兑现),月之暗面的开权重承诺信用记录是良好的,但”什么时候开、用什么许可”这两个问题,写这篇文章的此刻答案仍然是”不知道”。把这个不确定性先写在前面:所有”开源最强”的头衔,今天都还只是预支。
二、打架现场一:厂商自报 65.7%,独立实测 67%
Kimi K3.1 Pro 最吸睛的成绩是 Terminal-Bench 4.0——这个榜专门考编程 Agent 在真实终端环境里完成受限任务的能力,是目前最难”刷”的代码榜之一。
- 月之暗面自报(厂商自报、未独立验证):K3.1 Pro 65.7%,高于 OpenAI GPT-6 Astra 的 58.2%,略低于 Anthropic Claude Opus 5.5 的 66.4%;
- Artificial Analysis 独立实测:K3.1 Pro 67%,是该机构自己测过的所有模型里的最高分,超过了 Claude Sonnet 5.5 的 64%。
这里先给独立评测记一功:独立实测的分数反而比厂商自报更高,这种情况在模型发布史上不算常见。
但别急着开香槟。厂商自报的对照表里有个注脚必须看:K3.1 Pro 跑在 Claude Code harness 里,而很多对手的分数取自公开榜单或对手自己的报告——这不是一次受控的同场对决。此外,Artificial Analysis 也提醒开发者:K3.1 Pro 在 max 推理强度下完成任务的输出 token 数比 K3 多 14%,所以token 单价降了三分之一,不等于每完成一个任务的成本降了三分之一——按该机构的测算,单个 Intelligence Index 任务的成本 K3.1 Pro 是 2.00。
其他厂商自报的数字(均为厂商自报、未独立验证),列出来供参考:内部 Kimi Code Bench 3.0 长程任务 61.2%(K3 是 55.95%);BenchCAD 92.7%(Opus 5.5 是 96.2%);金融文档榜 OfficeQA Pro v2 得 64.4;内部幻觉压力测试的事实错误率从 23.4% 降到 8.3%——官方自己也强调,这是刻意挑难的压力集,不代表日常使用的真实错误率。
▲ 图:厂商自报 vs 独立实测对照(数字口径见图注)

三、打架现场二:Mistral 自己的图,把自家”最强”打了脸
10 月 29 日,Mistral 开放了 Large 4(万亿参数、52B 激活)的权重,自称”开源权重最强编码模型”:Terminal-Bench 4.0 41%、FrontierCode 2.0 19.7%(厂商自报)。
但独立媒体 The Decoder 扒了一下 Mistral 自己发布时放的对照图,发现了一个尴尬的事实:
- Mistral 自称 Large 4 在 Artificial Analysis 的 Cyber Index(考模型找漏洞、复现并修复的能力)上”开源模型第一”,得分 51%。但它自己图上排在前面的有两个开源模型:DeepSeek V4.1 Flash 57%、MiMo-V2.6-Pro 56%。Large 4 实际是第三。
- 而整张图上 Cyber Index 得分最高的,是 Kimi K3.1 Pro 的 64%;Terminal-Bench 4.0 一栏,Kimi K3.1 Pro 是 67%,Large 4 是 41%。
Mistral 的辩解是”技术上公平”:Kimi K3.1 Pro 的权重还没公开,不算严格意义上的开源模型,所以对照表里没放它。但权重一开(11 月 4 日),这个”最强”头衔大概率要易主——The Decoder 的原话是”after that, Mistral probably won’t have much of a lead left”。
这个小插曲说明两件事:第一,看发布会图表时要看被省略了谁,省略本身就是一种修辞;第二,Kimi K3.1 Pro 目前的独立评测口碑确实压了同期的开源对手一头——DeepSeek V4.1 Flash、GLM-5.3、MiMo-V2.6-Pro 都在它后面。
四、打架现场三:新版综合榜一出,Kimi 从第 4 掉到第 9
10 月 28 日,Artificial Analysis 发布了 Intelligence Index v5——该机构称这是”自 1 月 v4 上线以来最大的一次升级”。v5 里 60% 的测试题是私有的、不公开的”held-out”题目,目的就是打击”benchmaxxing”(针对公开题库备考刷榜的做法)。
效果立竿见影:Kimi K3.1 Pro 从 v4 的第 4 名(55 分,史上最高的开源权重得分)掉到了 v5 的第 9 名。Artificial Analysis 自己在公告里写:“The open weights gap widens from 3 points to 12”——开源与闭源的差距从 3 分拉回到了 12 分。
这个反转值得认真对待,它提出了一个真问题:Kimi K3.1 Pro 在 v4 上的高分里,有多少是真实能力、有多少是备考红利?v5 的设计哲学是”防刷榜优先”,它惩罚的可能不只是 Kimi 一家——但 Kimi 是跌得最显眼的那个。在 11 月 4 日权重开源、更多人能独立复测之前,对它的综合智能水平,建议按”v4 是上限、v5 是下限”来理解,真实位置大概率在两者之间。
顺带一提,v5 的新科状元是 Google 的 Gemini 4 Carbon(59 分),领先 Claude Opus 5.5(58 分)1 分。
五、一个必须单独讲的安全章节:月之暗面主动砍掉了网攻能力
这次发布最不寻常的部分,是月之暗面在技术博客里用整整一个章节讲了它主动移除了网络攻防相关的训练数据。
按官方说法(厂商自报、未独立验证):随着后训练规模扩大,模型的漏洞研究得分跟着水涨船高,工程师追查发现是网络攻防内容混进了中期训练语料、攻防任务混进了强化学习环境。为这次开源发布,他们在两个阶段都识别并移除了这类数据,只保留通用编程任务。
官方给出的对照数字:在自研的 xdev-bench-hard 套件(用 Linux 内核、Node.js 等真实项目的近期漏洞构造任务)上,未过滤的版本 pass@3 能解 90.5%,最终发布的 K3.1 Pro 是 81.0%。月之暗面的原话是:“Open weights must not push the absolute frontier of cyber capability”(开源权重不应推高网络攻击能力的绝对前沿),并表示权重开源时会邀请外部测试。
这件事怎么看:第一,这是个负责任的姿态,尤其在美国 The Information 10 月 28 日爆料”Kimi K3.1 Pro 大量用了 GPT-6 Astra 的输出做训练”(匿名信源、月之暗面未回应)的同一周,主动谈安全是一种对冲;第二,81.0% 这个数字本身依然很高——“砍了一刀之后仍然领先前代”,说明通用编程能力的外溢本身就带着双刃剑属性。写到这里必须划一条线:本文不提供任何漏洞利用的技术细节,以上数字全部引自官方公开材料与路透社等媒体的报道。
六、中文读者的现实账:谁适合现在用,谁该等
部署成本(诚实清单):参考 K3 的公开数据——权重文件约 1.56TB,用 vLLM 跑需要约 1.68TB 显存,大致相当于 8 张 B300,或 4 个节点各 8 张 H100。K3.1 Pro 的硬件需求要等权重落地才知道,但同为 2.8 万亿参数 MoE,只会是同一量级。结论:个人和中小团队本地部署基本没戏,这不是”买张 4090 就能跑”的模型。现实点的本地选项是 Kimi K2.7 Code(约 1 万亿参数、256K 上下文),普通 GPU 服务器能碰。
▲ 图:中文读者的现实账——部署、价格与今天可用的路径

今天就能用的路径:kimi.com 网页与 App、Kimi Work 桌面端、Kimi Code(它的编码 Agent)、Kimi API。API 需要先充值至少 $1 才能解锁。价格上它比 K3 便宜三分之一,但记住上文那条:输出 token 多 14%,按任务算的总成本反而略高于 K3。
对建站和做自动化的读者,说两句实在的:Kimi K3.1 Pro 的强项恰好是”长程 Agent + 工具调用 + 写代码”,Kimi Code 就是官方的编码 Agent。如果你平时用 AI 搭站点、写脚本、做自动化流程,这个模型的 API 是值得在 11 月 4 日前后重点试的——等权重开了,还可以看社区会不会出量化版或蒸馏版,那才是普通人本地可玩的形态。
适合现在上车的:用 API 做 Agent 编程、3D/CAD 参数化建模、金融文档分析的用户——这三块是官方着力最深的领域,独立评测也基本背书了编码 Agent 的部分。
建议等的:想本地部署的(等 11 月 4 日权重+许可协议);对综合智能水平有疑虑的(等 v5 之后更多独立复测);以及在意训练数据争议的(等 The Information 爆料的后续)。
七、一句话总结
Kimi K3.1 Pro 是一次”后训练大力出奇迹”的发布:架构没变,靠堆后训练算力把一个 2.8 万亿参数的 MoE 推到了开源阵营的榜首——至少在权重开箱之前,独立评测愿意给它这个位置。
但三场”打架”之后,冷静的版本是:编码 Agent 能力是真强(独立实测 67% 居首),综合智能水平要打折看(v5 第 9),“开源最强”的头衔要等 11 月 4 日权重落地才算数,本地部署的成本是绝大多数人够不着的。
11 月 4 日之后,如果权重如期开箱、许可协议不苛刻,这篇文章会跟进一篇实测向的续篇——到时候看的是真东西,不是榜单。
本文数字口径说明:标注”厂商自报”的数字来自月之暗面官方技术博客与发布材料,未经独立验证;独立评测数字来自 Artificial Analysis 公开榜单(Intelligence Index v4/v5、Terminal-Bench 4.0、Cyber Index 等),为该机构自行测试结果;Mistral 对照图相关数字引自 The Decoder 10 月 29 日的报道。权重状态核实于 2026 年 10 月 31 日:月之暗面 Hugging Face 页面暂无 K3.1 仓库,许可协议未公布。