AI资讯

Kimi K3.1 Pro 发布:2.8T 总参数、104B 激活参数,Artificial Analysis 智能指数 55 分超过 Fable 5.1,权重承诺 11 月 4 日开放

Kimi K3.1 Pro 发布:2.8T 总参数、104B 激活参数,Artificial Analysis 智能指数 55 分超过 Fable 5.1,权重承诺 11 月 4 日开放

来源Latent Space查看原文

速览

  • Kimi K3.1 Pro 是 K3 的大规模后训练版本,官方称在数百个下游领域做联合强化学习
  • 第三方评测确认其智能指数超过 Fable 5.1,但未超过 Opus 5.5
  • 提升集中在 agentic 能力,知识与科学类测试涨幅较小
  • 权重承诺 11 月 4 日开放,许可证、商用限制、推理精度均未公布
  • 2.8T 参数意味着自托管需数 TB 显存,与消费级本地运行不是一回事
  • 每 token 价格降三分之一,但单任务成本因输出 token 变多而基本持平
  • 主动移除网络安全训练数据后,公开 cyber 评测仍为最高分
  • 3D、游戏、编译器等工作负载上的独立反馈明显弱于 coding 与知识工作

Moonshot 发布 Kimi K3.1 Pro,官方定位为 Kimi K3 的大规模后训练版本,采用多模态 MoE 架构,总参数 2.8 万亿、激活参数 1040 亿、上下文窗口 100 万 token。发布即上线官网、App、Kimi Work、Kimi Code 和 API,分标准版与 Highspeed 版,官方称 Highspeed 保持同等智能水平、输出速度提升 2–3 倍、价格为标准版两倍;同时推出 Kimi Hosted Agents,提供 24/7 执行环境用于长任务与多智能体协作。第三方评测方面,Artificial Analysis 智能指数给到 55 分,排第四,落后 Opus 5.5 的 58 分和 Sonnet 5.5、Muse Wonder Full 的 56 分,但高于 Fable 5.1 的 53 分;AA 称权重发布后,开源与闭源最高分差距将从 12 分收窄到 3 分。Arena 的 Code Arena: WebDev 排名第 8、1692 分,比 K3 提升 9 名、37 分。安全方面,Moonshot 称在后训练中主动移除了网络安全相关数据,内部相关评分从 90.5% 降到 81%,但 AA Cyber Index 仍拿到 64%,为公开可访问模型的最高分,总排名第二,仅次于可信访问的 GPT-6 Sol Daybreak Blue 的 69%。定价为标准版每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.2 美元,比 K3 的 3/15/0.3 美元降三分之一。争议集中在三点:权重尚未发布,官方承诺 11 月 4 日开放,许可证与商用条款未知;每 token 便宜不等于每任务便宜,AA 智能指数上单任务成本 1.98 美元与 K3 基本持平;以及部分互动类任务表现偏弱、benchmark 呈现方式与未披露付费推广的指控。

关键事实

  • Kimi K3.1 Pro 为多模态 MoE 模型,总参数 2.8 万亿、激活参数 1040 亿、上下文窗口 100 万 token
  • Artificial Analysis 智能指数 55 分,排第四,高于 Fable 5.1 的 53 分,低于 Opus 5.5 的 58 分
  • AA 称权重发布后开源与闭源最高分差距将从 12 分收窄至 3 分
  • Code Arena: WebDev 排名第 8、1692 分,较 K3 提升 9 名、37 分
  • AA Cyber Index 得分 64%,为公开可访问模型最高,总排名第二,仅次于 GPT-6 Sol Daybreak Blue 的 69%
  • 标准版定价每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.2 美元,较 K3 降三分之一;Highspeed 为标准版两倍

本站视角

对国内做 Agent 和 coding 工具的团队,这是 2026 年最值得认真评估的一次模型换代:agentic 能力是本次提升的主轴,Code Arena WebDev 从第 17 名升到第 8 名、1692 分,且单任务成本 1.23 美元比 Opus 5 Max 低 74%、比 GPT-6 Sol Max 低 24%,在「够用且便宜」这个区间里第一次有了国产开源权重的选项。但我们的判断是,现在还不是把它写进生产架构的时候,理由有三。第一,权重没发,许可证未知,商用条款、再分发条件、checkpoint 精度全空白,任何依赖「可自托管」的合规或成本测算都建立在假设上;11 月 4 日之后要重点看的是许可证是否允许商用与蒸馏,而不是参数表。第二,每 token 降价三分之一不等于账单下降,AA 的单任务成本与 K3 持平、cyber 套件反而更贵,说明这代模型倾向于生成更多 token(55K vs 48K)来换质量,按任务计费的产品要重算单位经济。第三,能力分布不均:coding 与知识工作提升明显,但 AA-3D 的早期偏好显示它可能低于自身在知识工作上的排位,RuneScape Bench 上有用户报告性能接近 DeepSeek V4.1 Flash 而成本远高,编译器开发场景也有负面反馈——这些都是单点轶事,但方向一致,说明「全面超越 Fable 5.1」的说法只在综合指数上成立。需要观察的是:11 月 4 日权重是否真的按承诺开放、以什么许可证开放;Highspeed 版两倍定价是否真能换来 2–3 倍吞吐;以及 Moonshot 主动移除网络安全训练数据这一做法,会不会成为开源权重模型在安全审查压力下的标准动作。最后要指出原文本身的可疑之处:核心分数来自 Artificial Analysis 与 Arena 两家,Moonshot 自己的 benchmark 表未经独立复现,且存在 harness 依赖与数据来源混用的质疑;发布前后还有关于未披露付费推广的指控——推广争议不构成能力证据,但足以提醒读者对传播口径保持距离。

背景与影响

两个月前,Z.ai CEO 唐杰曾预测年底前会出现 Fable 级开源权重模型;两周前 Meta 以闭源形式拿出了 Fable 级模型。Kimi K3.1 Pro 在这个时间点上把「开源权重接近前沿」的预期提前兑现了一部分,但严格说它目前只是「即将开源权重」:API 已可用,权重未发布,许可证、再分发条件、商用限制、checkpoint 精度和完整推理需求都还是空白,因此用「OSS」或「开源」描述它并不准确,Artificial Analysis 也明确标注权重未公开。从架构看,104B 激活参数不等于只需装下 104B 稠密模型,部署必须容纳大得多的专家池和运行时状态;仅按 2.8T 参数估算,16-bit 约需 5.6TB、4-bit 约需 1.4TB,尚未计入量化元数据与服务开销。这意味着「可自托管」和「消费级设备本地运行」是两件事。竞争层面,AA 给出的测算是权重发布后开源与闭源差距从 12 分缩到 3 分,这会是 2026 年开源模型最接近前沿的一次;但评测本身存在口径问题:Moonshot 的 benchmark 表不是独立复现,有评论指出其大量使用 Claude Code harness,成本对比图还存在数据来源混用(DeepSeek 用发布方数据、其他模型用 tbench.ai)的质疑。定价上,标准版比 Opus 5.5 的 4/20 美元低 50%、比 Astra 的 10/50 美元低 80%,但这是每 token 标价,不是每成功任务成本;AA 智能指数上单任务 1.98 美元与 K3 持平,cyber 套件单任务 2.81 美元反而比 K3 高 15%,原因是输入 token 消耗约为两倍。

本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明