月之暗面发布Kimi K3.1 Pro：2.8T参数MoE、百万上下文

月之暗面（Moonshot AI）正式发布K3系列的首款新模型——Kimi K3.1 Pro。这是一款3T级开放权重大模型，总参数量2.8万亿、激活参数1040亿，采用MoE混合专家架构，并将上下文窗口扩展到100万token。月之暗面将其直接对标最强的专有闭源模型，在编程、智能体与知识类基准上展开竞争。目前模型已可通过Kimi API调用，开放权重预计2026年11月发布。

架构与训练：KDA注意力加Stable LatentMoE

Kimi K3.1 Pro是在K3基础上经过更大规模后训练得到的版本。月之暗面团队在数百个下游领域上执行了联合强化学习，并为支撑这一训练规模，对RL框架、长上下文推理、沙箱基础设施以及rollout调度进行了系统优化。基础K3架构采用Kimi Delta Attention（KDA）与注意力残差（AttnRes）技术，通过Stable LatentMoE框架从896个专家中激活16个。模型API支持文本、图像与视频输入。

本次月之暗面还同步推出了Kimi K3.1 Pro Highspeed版本。据官方博客介绍，该版本推理速度可提升2到3倍。需要指出的是，这不是一个单卡可部署的模型：对于K3，月之暗面建议使用64块以上加速器组成的超节点进行服务，权重采用MXFP4格式、激活采用MXFP8格式。

基准表现：编程逼近前沿，科学任务存在明显短板

编程能力是K3.1 Pro的亮点。在Terminal-Bench 4.0上，K3.1 Pro得分65.7%，仅比Kimi图表中Claude Opus 5.5的66.4%低0.7个百分点。在SWE-Marathon上，它以51.7分领先所有被对比模型，包括得分为46.3的Opus 5.5。在内部基准Kimi Code Bench 3.0 Long-horizon上，得分为61.2，相比K3的55.95有明显提升。需要说明的是，以上均为月之暗面自报数据，测试主要使用Claude Code harness并以最大推理强度运行。

短板同样清晰。在Terminal-Bench Science 0.1上，K3.1 Pro仅得38.1分，远低于GPT-6 Astra的68.1分与Opus 5.5的63.3分，差距超过25分。3D与CAD方面，在带工具的BenchCAD上K3.1 Pro得分92.7，落后于Opus 5.5的96.2和GPT-6 Astra的95.9；不带工具时得72.8，接近Opus 5.5的73.0。金融领域则是强项：K3.1 Pro在OfficeQA Pro v2上报告了64.4的最优成绩，在Frontier Finance上得58.6；在内部金融测试中，相比K3在建模任务上提升7.2分、研究任务上提升11.6分。

幻觉抑制与网络安全处理

在幻觉控制上，内部压力测试Kimi Hallu Bench Hard显示，声明级幻觉率从K3的23.4%降至8.3%，降幅约65%，这正是月之暗面所强调的改进。不过GPT-6 Astra在同一测试上的幻觉率更低，仅为5.5%。

在网络安全风险方面，为了让开放权重版本更安全，月之暗面从中期训练与强化学习中移除了与网络攻击相关的数据。在内部xdev-bench-hard测试上，未过滤的检查点在pass@3下可解决90.5%的任务，而正式发布的K3.1 Pro为81.0%。月之暗面表示，该模型在攻击性网络任务上仍落后于前沿专有模型。

价格与开发者接入

K3.1 Pro现已上线Kimi.ai、Kimi Work、Kimi Code与Kimi API，API标识为kimi-k3.1-pro和kimi-k3.1-pro-highspeed，接口与OpenAI兼容。定价方面，K3.1 Pro输入为每百万token 2.00美元、输出10.00美元，缓存命中0.20美元；Highspeed版本为输入4.00美元、输出20.00美元。相比之下，K3此前的定价为输入3.00美元、输出15.00美元，新模型相当于降价约三分之一。

根据API快速入门文档的实用限制：思考模式始终开启，推理强度可选low、high或max（默认max）；temperature固定为1.0、top-p固定为0.95；输出默认131,072 token，最高可上调至1,048,576。账户最低充值1美元即可解锁使用。视觉输入不支持公开图片URL，需使用base64编码或已上传文件的ID。

局限与展望

目前模型权重尚未公开，开发者暂时无法自行部署，2.8T的总参数量也意味着需要多节点、超节点级的 serving 能力。除科学终端任务落后GPT-6 Astra与Opus 5.5超过25分外，部分领先成绩来自内部基准，第三方验证仍待观察。此外，月之暗面曾就K3提醒：在harness中丢弃推理历史会导致输出不稳定，K3.1 Pro文档同样要求返回完整的assistant消息。

整体来看，K3.1 Pro以更低的API价格和百万上下文切入编程与智能体市场，在与Claude Opus 5.5、GPT-6 Astra的正面交锋中互有胜负。若2026年11月的开放权重如期释出，它有望成为开源社区可自托管的最强模型之一，进一步搅动大模型开源与闭源的竞争格局。