过去两个月，全球大模型市场迎来一轮密集更新。

9 月，OpenAI 接连推出 GPT-6 Astra、GPT-6 Sol 等新模型，Anthropic 也发布了 Claude Opus 5.5 和 Claude Sonnet 5.5。

相比之下，中国头部大模型厂商的新一代旗舰模型发布节奏相对平静。自今年 7 月 Kimi K3 发布以来，已经有三个多月没有推出同等规模的旗舰升级。

10 月 23 日，月之暗面正式发布 Kimi K3.1 Pro，重新加入这场竞争。新模型拥有 2.8 万亿总参数，每次推理激活 1040 亿参数，支持 100 万 token 上下文窗口，在编程、智能体、3D 创作和金融研究等领域实现升级。官方宣布，完整模型权重将在 11 月 4 日前开放。

这次发布最重要的依旧是性能成绩。在月之暗面公布的 Terminal-Bench 4.0 编程测试中，K3.1 Pro 获得 65.7% 的成绩，超过 GPT-6 Astra 的 58.2%，距离 Claude Opus 5.5 的 66.4% 仅差 0.7 个百分点。

在考察长周期软件工程任务的 SWE-Marathon v1.1 中，K3.1 Pro 以 51.7% 的成绩超过 Claude Opus 5.5 的 46.3% 和 GPT-6 Astra 的 42.5%。

智能体方面，K3.1 Pro 在 Agents' Last Exam 测试中获得 43.2 分，超过 Claude Opus 5.5 的 42.6 分和 GPT-6 Astra 的 32.8 分。在允许调用工具的完整版 Humanity's Last Exam 中，它也以 70.0% 的成绩位列官方对比模型首位。

不过，在科学计算终端任务、部分知识推理和 3D 重建测试中，GPT-6 Astra 和 Claude Opus 5.5 仍保持优势。

独立评测机构 Artificial Analysis 随后公布了自己的测试结果。K3.1 Pro 在其最新智能指数中获得 55 分，排名全球第四，仅次于 Claude Opus 5.5、Claude Sonnet 5.5 和Muse Wonder Full。相比上一代 K3 的 44 分，提高了 11 分。

（来源：Artificial Analysis）

开源模型的排名也将发生变化。Artificial Analysis 指出，一旦 K3.1 Pro 按计划公开模型权重，它将成为该指数中得分最高的开放权重模型。领先开放权重模型与顶级闭源模型之间的分差，也将从此前的 12 分缩小至 3 分。

从写代码到开发 3D 游戏，Kimi 的审美能力再次升级

这次公布的大量演示作品，更直观地展示了它的变化。

在编程之外，Kimi 一直重视网页、演示文稿和交互内容的视觉表现。新模型进一步加强了这方面的能力，能够同时处理代码逻辑、页面构图、材质、光照和动画设计。

此次 K3.1 Pro 展示的作品，已经从普通网页扩展到完整的 3D 游戏和复杂场景。

例如，月之暗面展示了一款使用虚幻引擎 5.8 开发的天宫对战游戏。模型通过编写代码和调用工具，构建大型建筑场景，并结合程序化建模、实时光照及外部素材，完成可运行的游戏环境。

(来源：Kimi ）

另一项演示则是一款东方仙侠风格的 3D 角色扮演游戏。作品使用 Godot 引擎开发，包含五个可探索区域、两阶段 Boss 战、昼夜循环和篝火传送等机制，同时整合了角色动画、战斗和场景交互。

还有一款 3D 汽车登录页面。相比传统的静态登录界面，这个作品将汽车三维模型与网页交互结合起来，通过车身材质、灯光、空间布局和动态效果，呈现出更接近汽车品牌官网的视觉体验。它也体现了 K3.1Pro 在前端开发上的一个优势：除了实现页面功能，还能够兼顾视觉设计和交互体验，让生成的网页具有更高的完成度。

（来源：Kimi）

这些案例展示了模型处理复杂游戏工程的能力。过去，AI 生成游戏通常需要开发者手动拼接大量素材和功能模块，如今 K3.1 Pro 已经能够承担更多从设计、代码编写到运行调试的连续工作。

此外，K3.1 Pro 在 3D 建模上的提升也很明显。模型能够根据文字描述、草图或参考图片，理解物体的结构、比例和空间关系，并生成对应的三维模型。

它还可以自行编写和运行 Blender、CAD 等设计软件的脚本，修改几何结构、材质和场景布局，无须专门通过 MCP 连接器完成所有操作。

例如，官方展示了一款以福建土楼为灵感的 3D 打印台灯。模型将传统圆形建筑转化为镂空格栅结构，设计出五个可以分别打印的部件。

（来源：Kimi）

在另一项演示中，K3.1 Pro 使用Blender构建机场室内雨林场景，生成了一段 19.5 秒、1920×1080 分辨率、每秒 60 帧的展示视频。

为此，月之暗面还同步推出了 3D Make 功能。用户可以直接在 Kimi 网页和 App 中创建、预览和编辑 3D 模型，下载用于 3D 打印的文件，或将作品导出为视频和实况照片。

除了审美和建模能力，这次升级还体现在长时间执行复杂任务的能力上。

月之暗面提供了一个人体行走模拟实验。K3.1 Pro 需要基于包含 296 个骨骼组件、402 个肌肉组件的开源人体模型，编写模拟器并训练虚拟人行走。整个过程中，模型经历 167 项任务和 420 次独立评审，不断分析实验结果、修改控制程序，最终让原本几秒钟就会倒下的虚拟人，能够连续交替

（来源：Kimi）

当手臂运动始终无法改善时，模型还回头检查模拟器的计算方法，发现并修复了 36 处肩部肌肉力臂计算错误，随后重新训练控制器。模型已经能够在任务失败后检查底层假设，寻找错误原因，并根据结果重新安排工作步骤。

强化学习推动能力提升，金融研究和事实准确性同步改善

K3.1 Pro 为什么能取得如此明显的进步？

根据月之暗面，新模型是在 K3 基础上进行更大规模后训练得到的，并未重新从头训练一个 3 万亿参数模型。

团队重点扩大了强化学习的计算投入，同时调整了强化学习框架、长上下文推理、训练效率、沙盒环境和任务调度系统，使模型能够在数百个不同领域的任务中持续学习。团队让模型在更多真实或模拟任务中反复尝试，根据执行结果调整策略，提高完成复杂工作的能力。

这也解释了为什么 K3.1 Pro 此次最明显的进步集中在编程、智能体以及长周期任务，而不是所有知识和推理测试都同步取得大幅领先。

金融研究是另一个提升明显的领域。在 OfficeQA Pro v2 测试中，模型需要处理真实金融文件，完成信息检索、跨文档核对及多步骤计算。K3.1 Pro 获得 64.4 分，超过 Claude Opus 5.5 的 62.2 分和 GPT-6 Astra 的 54.4 分。

月之暗面的内部测试还显示，相比上一代 K3，K3.1 Pro 的金融建模成绩提高 7.2 分，金融研究提高 11.6 分，模拟商业运营成绩提升至原来的约 4.2 倍。在实际演示中，模型可以完成英伟达财务预测与估值模型、宁德时代投委会报告，以及量子计算行业研究报告等任务。

团队还专门改善了事实准确性。在内部 Kimi Hallu Bench Hard 压力测试中，模型生成内容的单条事实错误率从 K3 的 23.4% 下降至 8.3%。这一测试专门挑选容易产生事实错误的复杂任务，不能直接代表日常使用中的总体幻觉率。

这些进展也体现在模型的定价上。目前，K3.1 Pro 的 API 价格为每百万输入 token 2 美元、输出 token 10 美元，比上一代 K3 对应价格下降约三分之一。官方还推出了 Highspeed 版本，宣称在维持相同模型能力的情况下，输出速度提升约 2 至 3 倍，但价格也相应翻倍。

值得注意的是，Artificial Analysis 测得标准版 K3.1 Pro 的输出速度约为每秒 73.5 个 token，低于同类模型的平均水平，完成测试任务时的输出篇幅也偏长。因此，其实际使用成本和任务耗时，仍需要结合具体场景判断。

目前，K3.1 Pro 已上线 Kimi 网页端、移动端、Kimi Work、Kimi Code 和 API 平台。

对于月之暗面而言，这次发布延续了 K3 以来的大规模开放权重路线。相比单纯扩大参数规模，K3.1 Pro 更充分地利用了已有模型，通过后训练改善复杂任务的执行能力，并进一步拓展到 3D 创作和专业工作。

它仍然存在不足，在部分科学推理、工程任务和运行效率上，领先的闭源模型保持着优势。

但至少从目前的独立评测结果来看，全球顶级闭源模型与开放权重模型之间的差距正在进一步缩小。如果 K3.1 Pro 如期公布完整权重，这一变化也将为更多开发者提供接近前沿水平的模型选择。

参考资料：

1. //www.kimi.com/en/blog/kimi-k3-1-pro

2. //artificialanalysis.ai/models/kimi-k3-1-pro

3.//artificialanalysis.ai/es/articles/kimi-k3-1-pro-launch-benchmarks

4. //www.kimi.com/code/docs/kimi-code/whats-new.html

5. //www.kimi.com/en/blog/kimi-k3

6. //www.anthropic.com/news/models

7. //openai.com/index/introducing-gpt-6-sol-and-luna/