Kimi K3.1 Pro评测：2.8万亿参数开放权重，终端任务贴近旗舰、科学任务掉队

结构决定了使用门槛：2.8 万亿总参数并不意味着每次计算都动用全部参数，路由器每 token 从 896 个专家中选 16 个，另有 2 个共享专家一同运行，激活量 1040 亿；文本解码器共 93 层，注意力结合 KDA 与门控深度稀疏注意力（Gated DSA），门控稀疏注意力每查询最多选取 2048 个历史位置；图像经 4.01 亿参数的 MoonViT-V2 视觉编码器处理；权重为 MXFP4、激活为 MXFP8，经量化感知训练。

1. 发布方与时间：月之暗面，2026 年 10 月 23 日发布，11 月 4 日在 Hugging Face 公开完整权重
2. 模型：Kimi K3.1 Pro，K3.1 系列首款，为 K3 的后训练版本；原生多模态智能体模型，文本与图像输入、文本输出
3. 规模与上下文：总参数 2.8 万亿，每 token 激活 1040 亿，1,048,576 token 上下文窗口
4. 推理档位：模型卡注明，全部厂商分数均在最高推理档位、温度 1.0、top-p 0.95 下取得
5. 获取渠道：Hugging Face 仓库 moonshotai/Kimi-K3.1-Pro，截至 11 月 9 日共 112 个文件；API 经 Kimi API（kimi-k3.1-pro 与 kimi-k3.1-pro-highspeed）与 18 家服务商提供；自托管推荐 vLLM、SGLang 与 TokenSpeed
6. 价格：API 每百万 token 输入 2.00 美元、缓存输入 0.20 美元、输出 10.00 美元；Highspeed 版输入 4.00 美元、输出 20.00 美元，厂商称速度为 2 至 3 倍；较 K3 的输入 3.00 美元与输出 15.00 美元下调 33%
7. 许可：Kimi K3.1 Pro License；模型即服务年收入合计超 2000 万美元的运营方，商业使用前须与月之暗面另签协议；月活超 1 亿或月收入超 2000 万美元的产品须标注“Kimi K3.1-Pro”

编码是厂商对照表最强的部分：Terminal-Bench 4.0 为 65.7%，高于 GPT-6 Astra 的 58.2%，低于 Claude Opus 5.5 的 66.4%，差距 0.7 个百分点；SWE Marathon v1.1 为 51.7%，高于 Opus 5.5 的 46.3% 与 GPT-6 Astra 的 42.5%；DeepSWE v1.1 为 75.5%，高于 Opus 5.5 的 74.2% 与 GPT-6 Astra 的 74.1%，低于 DeepSeek V4.1 Flash 的 77.0%；BenchCAD 带工具为 92.7%，低于 Opus 5.5 的 96.2% 与 GPT-6 Astra 的 95.9%，不带工具为 72.8%，与 Opus 5.5 的 73.0% 相近；内部长程基准 Kimi Code Bench 3.0 为 61.2%，高于 K3 的 55.95%。

智能体与知识工作是厂商对照表的另一组数字：带工具的人类最后考试（HLE-Full w/ tools）为 70.0%，高于 Opus 5.5 的 67.7% 与 GPT-6 Astra 的 57.2%；BrowseComp 浏览检索为 92.1%，高于 Opus 5.5 的 90.8% 与 GPT-6 Astra 的 91.5%；Agents' Last Exam 为 43.2%，高于 Opus 5.5 的 42.6% 与 GPT-6 Astra 的 41.8%；AutomationBench-AA 为 73.3%，高于 Opus 5.5 的 69.5% 与 GPT-6 Astra 的 68.5%；GDPval-AA v2.1 为 1846 Elo，高于 GPT-6 Astra 的 1573 Elo，低于 Opus 5.5 的 1866 Elo；OfficeQA Pro v2 财报文档分析为 64.4%，高于 Opus 5.5 的 62.2% 与 GPT-6 Astra 的 54.4%，为厂商对照表中该项最高；GPQA-Diamond 为 94.2%，高于 Opus 5.5 的 93.9%，低于 GPT-6 Astra 的 96.1%。事实准确性为内部基准数字：Kimi Hallu Bench Hard 带工具版的断言级幻觉率为 8.3%，低于 K3 的 23.4%，但高于 GPT-6 Astra 的 5.5%。

短板同样在厂商对照表里写明：Terminal-Bench Science 0.1 科学终端任务为 38.1%，低于 Opus 5.5 的 63.3% 与 GPT-6 Astra 的 68.1%；HLE-Diamond 为 39.4%，低于 Opus 5.5 的 60.9% 与 GPT-6 Astra 的 65.8%；Program Bench 为 31.5%，低于 Opus 5.5 的 65.0% 与 GPT-6 Astra 的 50.0%；MMMU-Pro 为 84.1%，低于 Opus 5.5 的 87.7%。网络安全一栏经厂商主动降级：内部 xdev-bench-hard 为 81.0%，低于未做网络安全数据清洗的检查点的 90.5%；ExploitBench 为 74.7%，低于 Opus 5.5 的 91.0% 与 GPT-6 Astra 的 100%。厂商在技术博客中写明，开放权重版本剔除了中段训练与强化学习中的网络安全相关数据，保留通用编码任务。

独立榜单与厂商数字分开读：Artificial Analysis 智能指数 v4.3.2（2026 年 10 月 23 日发布文章）为 55 分，总榜第 4，较 K3 的 44 分高 11 分，仅次于 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）与 Muse Wonder Full（56 分）；指数更新到 v5.0.1 后，模型页（2026 年 11 月 9 日核对）为 46 分，高于同类开放权重模型中位数 23 分。Artificial Analysis 自有框架下 Terminal-Bench 4.0 为 67%，高于 K3 的 13% 与 Claude Sonnet 5.5 的 64%，为该机构当时测得的最高分；GDPval-AA 为 1846 Elo，列第 3。LiveBench 2.0（2026 年 11 月 9 日核对）综合 71.3 分，低于 Claude Fable 5.1 的 85.7 分与 GPT-6 Astra 的 85.6 分；分项为推理 91.1%、编码 81.8%、浏览器操作 75.9%、研究 77.9%、长程智能体 39.1%；每成功任务成本 1.044 美元，低于 Claude Opus 5.5 的 4.820 美元与 GPT-6 Astra 的 4.828 美元。速度是独立榜单记录的另一面：Artificial Analysis 实测首个答案 token 需 189.63 秒，每指数任务 37.2 分钟，同类开放权重模型中最慢一档。

换算方法公开列出：取厂商公布数字中五个维度的代表分数，除以 10 换算为 10 分制；总分取五个维度换算分的平均值。换算分只复述基准分数，不加入编辑判断；独立榜单分数单列，不计入总分。

1. 智能体编程 6.6：Terminal-Bench 4.0 65.7 换算，依据为月之暗面公布的模型卡数字
2. 长程编码 5.2：SWE Marathon 51.7 换算，依据为月之暗面公布的模型卡数字
3. 智能体综合 4.3：Agents' Last Exam 43.2 换算，依据为月之暗面公布的模型卡数字
4. 办公文档 6.4：OfficeQA Pro v2 64.4 换算，依据为月之暗面公布的模型卡数字
5. 浏览检索 9.2：BrowseComp 92.1 换算，依据为月之暗面公布的模型卡数字
6. 总分 6.3：五个维度换算分的平均值（6.6＋5.2＋4.3＋6.4＋9.2）÷5
7. 独立榜单单列：Artificial Analysis 智能指数 v5.0.1 46 分，发布时 v4.3.2 为 55 分、总榜第 4；Artificial Analysis 自有框架 Terminal-Bench 4.0 67%，为该机构当时测得最高分；LiveBench 2.0 综合 71.3 分，推理 91.1%、编码 81.8%、长程智能体 39.1%；三项均不计入总分

从功能与价格出发，下列团队已可通过公开渠道拿到权重或经 API 接入：需要在自有硬件上运行 2.8T 级开放权重模型、做长程编码与办公文档智能体任务的团队，模型卡推荐 vLLM、SGLang 与 TokenSpeed 三款推理引擎；经 API 按量使用、接受每百万 token 输入 2.00 美元与输出 10.00 美元定价的团队，缓存输入为每百万 token 0.20 美元；需要 1M token 上下文处理长文档与代码库的团队。

反向看，需要科学终端任务与硬知识问答的团队，Terminal-Bench Science 0.1 的 38.1% 与 HLE-Diamond 的 39.4% 均低于两家闭源旗舰 20 个百分点以上，落地前需要在目标任务上复测；对首 token 等待敏感的交互场景，Artificial Analysis 实测 189.63 秒的首 token 时间需要计入选型；以模型即服务形式对外提供该模型访问、年收入合计超 2000 万美元的运营方，商业使用前须与月之暗面另签协议。