同一條 Terminal-Bench 4.0，月之暗面自己跑出 65.7%，Artificial Analysis 獨立跑出 67%。兩個數字都把 OpenAI 的 GPT-6 Astra 拋在後面，也都還沒碰到 Claude Opus 5.5 官方卡上的 66.4%。差的是 harness 與取數方式：官方註腳寫，K3.1 Pro 用 Claude Code harness，Astra 的 58.2% 取各家部落格或官方榜的最高值；獨立榜則把 K3.1 Pro 標成目前所有受測模型裡 Terminal-Bench 4.0 最高，並把 Opus 5.5（max、含 fallback）寫成 60%。
Kimi 技術部落格把產品定義寫成：K3.1 系列第一顆，也是迄今最能的 3 兆級開放權重模型，原生視覺，上下文窗口 100 萬 Token。它不是新骨架，是 K3 的後訓練加碼版，為了在數百個下游領域做大規模聯合強化學習，連 RL 框架、長上下文推理、訓練效率、沙盒、rollout 排程、環境品質共用平台都重做過。同步放的 Highspeed 宣稱同等智能、速度約 2 到 3 倍。產品今天已在 Kimi.ai、Kimi Work、Kimi Code 與 Kimi API 上線。完整模型權重寫「11 月 4 日前」開放。
The full model weights will be released by Nov 4.
在那之前，Artificial Analysis 仍把它標成 Proprietary。獨立榜智力指數 55，在 215 個模型裡排第 4，只落後 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）與 Muse Wonder Full（56）。相對 K3（max）的 44，這次加了 11 分。權重一旦落地，獨立機構寫，開放權重第一名與閉源第一名的智力差距會從 12 分收到 3 分。
官方表與獨立表，對得上的只有量級
先把能核到的規格放在同一張表。人民幣價來自 Kimi 定價頁，美元價來自同一套 API 的國際標價與 Artificial Analysis 採集；兩者不是即時匯率換算，而是兩套公開價目。
| 項目 | 官方／第一方 | 獨立（Artificial Analysis） |
|---|---|---|
| 總參數／激活 | 3 兆級；平台文寫 2.8 兆、激活 1040 億 | 2.8T／104B |
| 上下文 | 1,048,576 token，不依長度分階計費 | 1M |
| Terminal-Bench 4.0 | 65.7%（Claude Code harness） | 67%；K3 僅 13% |
| 智力指數 | 未公布綜合分 | 55（第 4）；K3 max 為 44 |
| GDPval-AA | 未公布 | 1,846 Elo，第 3，K3 加了 312 Elo |
| AutomationBench-AA | 未公布 | 73%，K3 為 58% |
| 輸入／輸出 | ¥13／¥68 每百萬 token；Highspeed ¥26／¥136 | $2／$10；快取命中 $0.20 |
| 快取命中／寫入 | ¥1.30／¥13（Highspeed 寫入 ¥26） | 快取折扣 90% |
| 單任務成本 | 未公布 | 約 $1.98–$2.11；輸出約 55K token／任務 |
| 速度 | Highspeed 約 2–3 倍 | 標準 77 token／秒，Highspeed 126 token／秒 |
| 權重 | 11 月 4 日前放 | 目前標 Proprietary |
官方還給了自家榜。Kimi Code Bench 3.0 Long-horizon 61.2%，高於 K3 的 55.95%。BenchCAD 搭配工具 92.7%，接近 Opus 5.5 的 96.2% 與 Astra 的 95.9%。OfficeQA Pro v2 拿 64.4，測的是真實財務文件上的檢索、跨文件核對與多步數值推理。內部財務三項：Financial Modeling 比 K3 高 7.2 分，Financial Research 高 11.6 分，Business Operation 約為 K3 的 4.2 倍。Kimi Hallu Bench Hard 這項壓力測試上，宣稱層級幻覺率從 K3 的 23.4% 降到 8.3%，至少含一處事實錯誤的回覆比例是前代的 42.4%。官方自己加註：這是刻意找容易錯的題，不代表日常錯誤率。
獨立榜把進步集中在代理與終端機任務，知識與科學的升幅較小：Humanity's Last Exam 47% 到 52%，CritPt 23% 到 25%，SciCode 59% 到 61%。AA-Omniscience 從 20 到 30，幻覺率 53% 降到 44%，正確率 48% 到 51%。換句話說，這次加的算力主要長在「會連續操作」而不是「更博學」。相對 Claude Opus 5.5，獨立對照頁寫 K3.1 Pro 輸入半價（$2 對 $4）、輸出半價（$10 對 $20）、跑完整智力指數約 $3,117 對 $8,708，但 Omniscience 30 對 46、HLE 52% 對 61%，知識可靠度仍明顯落後。
2.8 兆那副骨架沒換，換的是後訓練帳單
K3 今年夏天以開源 LLM 旗艦登場時，站內寫過2.8 兆參數開放權重，以及後來完整權重下載、MXFP4 約 594GB。K3.1 Pro 繼續用這副混合專家骨架，官方強調「實質上更大的後訓練算力」。產品形態拆成兩條：長上下文 標準版，以及貴一倍、快兩到三倍的 Highspeed。API 名稱是 kimi-k3.1-pro 與 kimi-k3.1-pro-highspeed。企業管理員可為組織開啟，預設關閉。API 客戶可開 Zero Data Retention。
定價頁沒有依上下文長度分階。Token 計費項目包含快取寫入（TTL 5 分鐘與 1 小時分開）、輸入（命中與未命中分開）與輸出，單價統一。以國際標價計，標準版輸入每百萬 $2、輸出 $10，比 K3 低約 33%；Artificial Analysis 寫，K3.1 Pro 每個智力指數任務多用 14% 輸出 token（55K 對 K3 的 48K），但單價下降把單任務成本壓在跟 K3 差不多的 $2 附近。Highspeed 在中文價目是輸入 ¥26、輸出 ¥136，剛好兩倍，換速度不換智能。
3D 與程式是官方示範重點。BenchCAD 測多視角重建再生成 CAD 程式。官方說不必靠 MCP 連接器，就能寫並跑 Blender 與 CAD 腳本。內部有一則長程測試：在含 296 個骨骼元件（含軟骨）與 402 塊肌肉的 human-atlas 上建行走模擬器，167 個任務、420 次獨立審查之後，模擬人從不穩倒地走到交替步伐連續走 11.2 秒；獎勵塑形改不好手臂時，模型改去開環探測模擬器動力學，修了 36 處肩肌力臂計算錯誤再重訓。這是官方示範，不是第三方複現。kimi.ai 與 App 同步上線 3D Make，可預覽、編輯、下載列印檔或匯出影片。
對照同週的開源旗艦，DeepSeek Flash 換成 1017 走的是官方 DeepSWE 77.0、Search／Fetch 每千次 0.75 美元。K3.1 Pro 沒在技術文主表打 DeepSWE 頭條，而是把 Terminal-Bench 4.0 當門面。兩家都承諾開放權重，節奏不同：DeepSeek 已在放推理框架與權重，Kimi 把完整權重訂在 11 月 4 日前。
把三家公開 API 價放在一起，K3.1 Pro 的位置比較清楚。Astra 發布時輸入 10、輸出 50 美元；Opus 5.5 輸入 4、輸出 20；K3.1 Pro 輸入 2、輸出 10。獨立榜上它距 Opus 只差 3 個智力指數，價大約一半。這是第一方價，不含自行承載 2.8 兆參數的電與卡。Highspeed 把單價乘二換 2 到 3 倍速度，適合互動；長程代理仍可能更吃標準版的思考長度——獨立測到標準版每個智力指數任務約 55K 輸出 token、思考約 35K，Opus 5.5 則是 119K／84K。K3.1 Pro 比較短氣，也比較便宜。
K3 夏天上線 48 小時後，Moonshot 曾因 GPU 逼近上限暫停新訂閱，把洩壓閥押在權重檔。這次官方沒寫算力吃緊，但企業預設關閉、完整權重仍未放，等於先用 API 消化需求。The Context 彙整的 Hacker News 討論，這則發布拿到約 530 分、327 則留言，是當日前沿模型頭條。獨立機構同時警告：權重沒落地前，不要把它算進開源第一名。
網路能力被削過一刀，開放權重原則寫了兩條
後訓練變強之後，官方說他們花更大比例的力氣去看網路安全能力從哪來、能控多少。中期訓練語料與 RL 環境裡，本來就混著漏洞研究內容。初步實驗：中期訓練或 RL 任一階段不清洗，下游攻擊能力會明顯上升。對即將開放權重的 K3.1 Pro，兩個階段的網路相關資料都被拿掉，通用程式任務留下。
內部 xdev-bench-hard 測的是近期公開漏洞的原始碼、簡短提示與對應二進位，智能體要在另一個沙盒做出利用、拿到任意程式執行，再取回一字串供自動驗證。報告 pass@3，沒有硬超時、沒有輸出 token 上限。未做風險削減的檢查點 pass@3 為 90.5%；最終 K3.1 Pro 為 81.0%。官方的讀法：資料清除確實把能力壓低，但通用程式與長程除錯變強後，網路任務分數仍高過前代，且低於「已公開至少三個月的前沿閉源模型」。
開放權重原則寫了兩條。第一，不釋放會把攻擊能力推到絕對前沿的權重；K3.1 Pro 的進攻能力被設計成低於同一條管線能練出的上限。第二，打算逐步提高開放權重裡可得到的網路能力，理由是跑在使用者自己基礎設施上的模型，能幫更多團隊審查包括老舊系統在內的程式。這兩條並排，等於預告：11 月 4 日那包權重會帶攻擊能力，只是官方認為還不到閉源頂點。
現在能用 API，11 月 4 日才知道自架有多沉
通路已經開。Kimi Agents 走 iOS、Android、HarmonyOS 與 kimi.ai；Kimi Work 桌面版要 3.1.0 或更新，支援 Windows 與 Apple silicon；Kimi Code 用 /model 切到 K3.1 Pro。企業與個人帳號分開。權重檔大小、量化方案、授權條款、能否商用，一篇都還沒寫。上一輪 K3 的 MXFP4 就要約 594GB，資料中心級才能自架；K3.1 Pro 若維持 2.8 兆總參數，本機筆電跑完整精度不在官方承諾裡。
開發者現在能核的是價與延遲：標準版 $2／$10，快取命中 $0.20，獨立測到約 77 token／秒、先到首個回答 token 約 28.8 秒（含思考）。Highspeed 貴一倍、約 126 token／秒。智力指數每個任務約 55K 輸出 token，比中位模型囉嗦。獨立評測仍把 SciCode 標成審查中，Terminal-Bench 官方 65.7 與獨立 67 也還對不齊 harness。
官方註腳還列了兩項攻擊向評測，主文沒當頭條。ExploitBench 用官方 harness、300 回合預算，報 pass@5 最大能力分；ExploitGym 用 KimiCode harness、每題 6 小時牆鐘。分數表留在附錄，主敘事只強調「低於已公開三個月的閉源前沿」。這表示 11 月 4 日那包權重會帶可複現的漏洞研究能力，幅度以內部榜為準，第三方還沒跑。
視覺輸入已開，輸出仍是文字。1M 上下文不依長度加價，這對丟一整本財報、一整個程式庫進對話的人是實價優勢；檢索增強生成 不是這次發布的重點，官方示範走的是把 PDF 當圖、讓代理在沙盒用工具自己讀。Zero Data Retention 只寫給 API 客戶，消費端 Kimi.ai 有沒有同等承諾，技術文沒寫。
要驗證這次發布，有三個日期比分數更硬。11 月 4 日前權重是否真的出現在可下載的倉庫；授權是否允許商業部署；獨立機構用同一套 Terminal-Bench 4.0 官方 harness 重跑時，65.7 與 67 會收斂到哪一邊。分數可以先用，權重沒落地之前，它在獨立榜上仍是一顆半價接近 Opus 的閉源模型，不是開源第一名。