---
url: /lm/kimi-k3.1-pro/introduction.md
description: >-
  Kimi K3.1 Pro 是月之暗面（Moonshot AI）2026 年 10 月 24 日发布的 3 万亿级参数开源大模型，Artificial
  Analysis 智能指数 55 分位列全球第四、开源第一，权重将于 11 月 4 日前开放。本文带你快速认识它是什么、强在哪、怎么用。
---

# 认识 Kimi K3.1 Pro：开源阵营第一次摸到闭源前沿的肩膀

前几天 Arena 盲测里冒出来一个代号「Kibitz」的匿名模型，让人有点摸不着头脑：有人反复抽卡，用它搓出了一张又一张 SVG、网页和可交互的 3D 场景，评论区全在猜这是谁家的。有人猜 OpenAI，有人猜 Anthropic，就是没人敢猜国产。

10 月 24 日凌晨，谜底揭晓——月之暗面站出来认领：**Kibitz 就是 Kimi K3.1 Pro**。

说实话，这个桥段我挺买账的。不是因为它戏剧性，而是因为\*\*「匿名上盲测、打完再亮身份」本身就是一种底气\*\*。以前国产开源模型被默认是「追赶者」，闭源厂商发布时从不需要匿名——人家本来就在牌桌上。这次反过来了。

## 什么是 Kimi K3.1 Pro

Kimi K3.1 Pro 是月之暗面（Moonshot AI）于 **2026 年 10 月 24 日**发布的旗舰模型，是全新 K3.1 系列的第一款，总参数量 **3 万亿级**（官方口径 2.8 万亿），**支持 100 万 token 上下文**。

有一个关键点必须先说清楚：**它不是新基座，而是 K3 的大规模后训练版本**。今年 7 月发布的 Kimi K3 是当时全球最大的开源权重模型，K3.1 Pro 沿用了它的底座——稀疏 MoE 架构、896 个路由专家、每 token 只激活 16 个专家、KDA（Kimi Delta Attention）线性注意力 + Attention Residuals。底座规格没变，钱和算力全部砸在了后训练上。

> 这其实是一个行业信号：基座架构趋于成熟之后，模型间的差距正从「预训练堆多少参数」转向「后训练的强化学习工程做得多细」。算力投入的重心，明显往后移了。

同步发布的还有 **Kimi K3.1 Pro Highspeed** 高速版，智能水平一致，输出速度约为标准版的 **2 到 3 倍**，价格是 2 倍。

## Kimi K3.1 Pro 有什么特点

* **3 万亿级参数 + 稀疏 MoE**：沿用 K3 底座的 896 专家路由，每 token 只激活 16 个（第三方口径激活参数约 1040 亿），大容量和可控推理成本两头都要。
* **100 万 token 原生上下文**：不是事后插值硬撑的，是预训练阶段就撑起来的真长上下文。
* **原生多模态**：文本、图像、视频统一进同一个模型，不用外接视觉适配器。
* **RL 拉满的后训练**：后训练算力「大幅增加」，覆盖数百个下游领域的大规模联合强化学习，对 RL 框架、长上下文推理、沙箱基础设施、调度系统逐层改造。
* **Terminal-Bench 4.0 65.7%**：超过 GPT-6 Astra 的 58.2%，距 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都落在「性能 / 单任务成本」的帕累托前沿上。
* **前端与 3D 创作**：自己调 Unity、Unreal Engine、Godot，直接编写并运行 Blender、FreeCAD 脚本做参数化建模，不依赖 MCP 连接器。
* **事实幻觉大幅收敛**：内部压力测试 Kimi Hallu Bench Hard 上，单项事实陈述错误率从 K3 的 23.4% 降到 **8.3%**，低于 Claude Opus 5.5 的 15.0%。
* **价格砍了三分之一**：输入 1.3 元（缓存命中）/ 13 元（未命中），输出 68 元，对比 K3 的 2 元 / 20 元 / 100 元全线下调。

> 别只盯着「全球第四」这个排名。真正有意思的是 Artificial Analysis 的那句判断：权重一旦发布，K3.1 Pro 将成为**得分最高的开放权重模型**，开放权重与闭源模型在智能指数上的差距会从 **12 分缩小到 3 分**。

## Kimi K3.1 Pro 能用在哪（真实案例）

### 代码与长程 Agent

47 项基准对比中，K3.1 Pro 拿下 **16 项最高分**（其中 3 项为月之暗面内部基准）。考察真实知识工作的 GDPval-AA 上 Elo 分较 K3 提高 312 分、达到 **1846** 分；SaaS 工作流自动化的 AutomationBench-AA 从 58% 升到 **73%**；长程软件工程 SWE Marathon v1.1 得 **51.7** 分，领先 Opus 5.5 和 Astra 五个点以上；带工具的 HLE 拿 **70.0**、BrowseComp 拿 **92.1**，都是榜上最高。

### 3D 创作：一句 brief 交付一个能跑的作品

在通过 CAD 代码生成、从多视角渲染图重建 3D 模型的 BenchCAD 上，K3.1 Pro 借助工具得分 **92.7%**（Claude Opus 5.5 为 96.2%，GPT-6 Astra 为 95.9%），不借助工具 72.8%，与 Opus 5.5 的 73.0% 几乎持平。

官方放出的案例一个比一个离谱：

* **虚幻引擎 5.8** 里搭起一座半径 1750 米、36 开间柱廊的「云海天宫」，场景达 **3600 万个源三角形**；
* **Godot 4.7.2** 做出一款有五个可探索区域、两阶段 Boss 战和昼夜循环的 3D 冒险游戏；
* **FreeCAD** 里用 **2100 个实体**拼出一台可分步装配的涡扇发动机。

配套的 **3D Make** 功能同步上线，支持在线预览和编辑，做好的模型可以直接下载去 3D 打印。

### 一个让我印象最深的内部案例

月之暗面让 K3.1 Pro 基于开源人体解剖学模型 human-atlas（**296 个骨骼组件 + 402 个肌肉组件**）构建人类行走动力学仿真器。在 **167 项任务、420 次独立评审**中，仿真出来的「人」一开始走不了几步就摔倒，最终学会交替迈步、连续行走 **11.2 秒**。

中间有个转折很值得玩味：手臂动作怎么调奖励都不见效，K3.1 Pro 没有死磕奖励函数，而是转头对仿真器动力学做开环探测，**揪出肩部肌肉力臂计算里的 36 处错误**，修完再重新训练控制器。

> 这意味着模型的调试对象，已经从「代码本身」延伸到了「代码所模拟的物理世界」。长程任务里最难的从来不是写出第一版，而是看懂失败、知道问题出在哪一层。

### 金融：从 Excel 到经营沙盘

* **OfficeQA Pro v2 拿下 64.4 分**（当前最优），高于 Claude Opus 5.5 的 62.2，以及 Claude Fable 5.1、GPT-6 Astra 的 54 分左右；
* **Frontier Finance 得 58.6 分**，覆盖从标的筛选到盈利分析全流程；
* 官方放出三份实战交付物：公式全部联动、可按情景调整驱动因子的**英伟达财务模型**，挖掘与市场一致预期之间预期差的**宁德时代投委会报告**，以及所有引用可追溯至一手来源的**量子计算行业深度报告**。

## 初体验：怎么上手 Kimi K3.1 Pro

**先泼一盆冷水：截至发稿，完整模型权重还没开放，官方承诺最晚 11 月 4 日前发布。** 所以现阶段想本地部署是没戏的，老老实实走 API 或者网页端。

个人用户直接在 **kimi.com**、Kimi App（iOS / Android / 鸿蒙）和 Kimi Work 桌面端就能用；开发者在 **Kimi Code** 里切换模型即可。API 侧模型标识是 `kimi-k3.1-pro`：

```bash
pip install openai
```

```python
from openai import OpenAI

client = OpenAI(base_url="https://api.moonshot.cn/v1", api_key="你的KEY")
resp = client.chat.completions.create(
    model="kimi-k3.1-pro",           # 高速版：kimi-k3.1-pro-highspeed
    messages=[{"role": "user", "content": "用一句话介绍你自己"}],
    max_tokens=4096,
)
print(resp.choices[0].message.content)
```

价格参考（每百万 token）：输入 **1.3 元**（命中缓存）/ **13 元**（未命中），输出 **68 元**；高速版整体为 2 倍。作为参照，GPT-6 Astra 是输入 10 美元、输出 50 美元，按当前汇率折算，**K3.1 Pro 的输入输出价格都只有 Astra 的五分之一左右**。

To B 配套也补齐了：API 客户可选**零数据保留**，**Kimi 企业版**提供个人与企业数据完全隔离，**Kimi Hosted Agents** 把 Agent 运行框架做成云服务、提供 7×24 小时托管环境。

等 11 月 4 日权重落地之后，玩法就变了——企业可以把一个 3 万亿参数的前沿模型**部署在自己的机房里，数据不出域、按需微调**。这是闭源模型给不了的选项，也是这次发布真正的杀伤力所在。

## 进阶

更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。