AI资讯

Kimi 发布 K3.1 Pro:后训练升级,API 降价三分之一,编程智能体追平 Claude Opus 5.5

来源极客公园查看原文

速览

  • K3.1 Pro 是 K3 的后训练版本,底座架构与上下文窗口均未改变。
  • 编程智能体能力大幅提升,Terminal-Bench 4.0 与 Claude Opus 5.5 差距不到一个点。
  • Artificial Analysis 智能指数 55 分,全球第四,权重开放后将成为得分最高的开放权重模型。
  • 新增 3D 与金融两条主线,网页版和 App 同步上线「3D Make」功能。
  • API 价格比 K3 便宜三分之一,但实际每任务成本因输出 token 增加而与 K3 持平。
  • 网友实测代码能力好评,但前端审美和 3D 还原能力存在争议。
  • 订阅套餐额度消耗过快引发用户抱怨,算力仍是主要瓶颈。
  • 主动剔除网络安全数据,内部漏洞利用测试成绩从 90.5% 降至 81%。
  • 发布时点紧接 Anthropic 与白宫的蒸馏指控,第三方跑分成为间接回应。

10 月 24 日零点,月之暗面正式上线 Kimi K3.1 Pro,同步推出速度快 2 到 3 倍的 Highspeed 版本,并承诺 11 月 4 日前放出完整模型权重。K3.1 Pro 并非全新模型,底座仍是 2.8 万亿总参数、1040 亿激活参数的混合专家架构,保持 100 万 token 上下文窗口和原生图像、视频输入,升级来自大幅增加的后训练算力与数百个下游领域的联合强化学习。效果上,Terminal-Bench 4.0 拿到 65.7%,超过 GPT-6 Astra 的 58.2%,与 Claude Opus 5.5 的 66.4% 相差不到一个点;Artificial Analysis 智能指数 55 分,比 K3 高 11 分,排名全球第四。新增 3D 和金融两条主线,BenchCAD 测试借助工具拿到 92.7%,OfficeQA Pro v2 拿到 64.4 分。API 定价为每百万 token 输入 13 元、输出 68 元,比 K3 便宜三分之一,约为 Claude Opus 5.5 的一半。

关键事实

  • K3.1 Pro 于 10 月 24 日零点上线,同步推出速度快 2 到 3 倍的 Highspeed 版本,完整模型权重承诺 11 月 4 日前放出。
  • 底座未换:仍为 2.8 万亿总参数、1040 亿激活参数的混合专家架构,100 万 token 上下文窗口,原生支持图像和视频输入。
  • Terminal-Bench 4.0 得分 65.7%,超过 GPT-6 Astra 的 58.2%,接近 Claude Opus 5.5 的 66.4%;上一代 K3 按 Artificial Analysis 测法仅 13%。
  • Artificial Analysis 智能指数 55 分,比 K3 高 11 分,排名全球第四,仅次于 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full。
  • BenchCAD 测试借助工具拿到 92.7%;OfficeQA Pro v2 拿到 64.4 分;官方高难度幻觉测试中事实性错误率从 23.4% 降至 8.3%。
  • API 定价每百万 token 输入 13 元、输出 68 元,比 K3 便宜三分之一,约为 Claude Opus 5.5 的一半。

本站视角

对国内做编程 Agent 和 3D 内容生成的团队来说,K3.1 Pro 是一个值得认真评估的选项:Terminal-Bench 4.0 65.7% 的成绩已进入第一梯队,API 价格约为 Claude Opus 5.5 的一半,且 11 月 4 日开放权重意味着可以私有化部署、做微调,这对受限于 API 成本或数据合规的中小团队是实质性利好。但需要看清两点。第一,价格下降不等于成本下降:Artificial Analysis 测算其完成同样任务多用 14% 输出 token,每任务实际成本约 1.98 美元,与 K3 持平,所谓「加量降价」更多是定价策略而非效率提升。第二,官方演示与网友实测存在明显落差,前端审美和 3D 空间关系还原被多位开发者指出问题,说明它在需要视觉品味的任务上还不能「闭眼用」。我们认为,K3.1 Pro 真正的价值在于证明了月之暗面的后训练体系能持续产出分数,而不是某个单点能力超越闭源模型。在 Anthropic 已不再对外返回完整思维链的背景下,三个月把智能指数拉高 11 分,至少说明其自研训练链路是通的。但分数回答不了「你从哪来」:只要训练数据来源无法被外部审计,蒸馏指控就不会因为一个跑分而消失,发布当天网友对鹈鹕 SVG 风格的质疑就是例证。对订阅用户而言,199 元套餐额度消耗过快是更现实的痛点,API 降价并未传导到 C 端订阅,这可能会影响其开发者生态的口碑。需要观察的是 11 月 4 日权重开放后的第三方复现结果,以及 Highspeed 版本能否在成本可控的前提下缓解算力压力。

背景与影响

K3.1 Pro 发布距离上一代 K3 仅三个多月。这期间月之暗面面临多重外部压力:今年 2 月 Anthropic 公开指控 DeepSeek、月之暗面和 MiniMax 通过虚假账号提取 Claude 能力,其中归到月之暗面名下的交互超过 340 万次;7 月 K3 发布后,白宫科技政策办公室主任克拉齐奥斯称月之暗面在开发 K3 时蒸馏了 Anthropic 的 Fable 模型,美国财长贝森特随后表示可能对其实施制裁、列入实体清单;9 月 Anthropic 再发威胁情报报告,称月之暗面通过 5380 个伪造账户组成的代理网络,在 10 天内将近 30 万条 Kimi 用户请求转发给 Claude 并提取思维链用于训练。月之暗面此前回应称 K3 的性能跃升来自底层原创架构创新,并公开了技术报告。K3.1 Pro 的第三方跑分因此被视为一种不说话的回应。此外,7 月 K3 发布后因请求量远超预估,Kimi 一度暂停 C 端新用户订阅,算力瓶颈在 K3.1 Pro 的订阅套餐体验中仍有体现。11 月 4 日权重开放后,全球研究者可对其进行测试与对比,这将是观察其真实能力与数据来源争议的下一个节点。

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