Moonshot AI(月之暗面)2026 年的旗艦模型:2.8T 總參數、104B 激活的稀疏 MoE,在 Kimi K3 底座上後訓練而來,1M tokens 上下文,原生多模態。API 於 10 月 23 日上線,完整權重於 11 月 5 日公開——本專題以權重公開日爲時間錨,API 上線日同時寫明。Artificial Analysis 指數 v5.0 給它 46 分,仍是全榜最強的開源權重模型;v4.3.2 版它曾得 55 分、全榜第四。但要先把定位說清楚:官方博客 14 項基準幾乎全是廠商自報;輸出速度慢;1.56TB 的權重把自託管門檻抬到集羣級別;許可證是自定義的 Kimi K3.1-Pro License,不是 MIT;網絡安全能力還被刻意削弱過(xdev-bench 90.5%→81.0%)。本頁彙總官方規格、價格、基準解讀與 7 篇本站深度實測,並明確標註哪些說法尚未證實。
先把能確認的說清楚:這是本站第一個 Kimi 專題,也是獨立證據最厚的一個開源權重專題——「最強開源權重是獨立榜單說的,短板也是廠商自己寫明的」是理解 Kimi K3.1 Pro 的一句話。
與最接近的同類模型橫向對照:AA 指數、價格、上下文與開源情況一覽。點擊模型名進入專題頁。
| 模型 | AA 指數(v5.0) | 輸入 · 輸出價格 | 上下文 | 開源 |
|---|---|---|---|---|
| Kimi K3.1 Pro | 46(v5.0) | $2 / $10 每百萬 tokens | 1M tokens | 是(自定義許可) |
| Claude Fable 5.2 | 65 | $8 / $40 每百萬 tokens | 1M tokens | 否 |
| Gemini 4 Carbon | 60 | $2 / $10 至 11-30,$4 / $20 自 12-01(每百萬 tokens) | 1M tokens | 否 |
| Qwen4-Max | 43 | $1.50 / $4.50 每百萬 tokens | 1M tokens | 否 |
| 騰訊混元 Hy4 | 35 | ¥6 / ¥18 每百萬 tokens(5 折至 12-31) | 1M tokens | 否(僅 preview 權重) |
AA 指數爲 Artificial Analysis 獨立發佈(v5.0);「未收錄」表示該模型尚未登上 AA 榜單。價格爲每百萬 tokens 的輸入·輸出價,人民幣價與美元價是各廠商的兩套目錄價,不可直接換算比較。完整對比見第 13 節,完整基準盤點見第 12 節。Kimi K3.1 Pro 在 v4.3.2 爲 55 分,v5.0 重測後爲 46 分,兩版不可跨版比較。
AA 指數 v5.0 對照:Kimi K3.1 Pro 46 分,仍爲開源最強;完整基準盤點與口徑說明見第 12 節。
時間不多的話,先讀這三篇;完整目錄見第 10 節。
這是一次兩幕式發佈:10 月 23 日先上 API 與產品,11 月 5 日才放出權重——兩幕之間隔了 12 天,早期評測寫下的「即將開源」在第二幕才兌現。
Kimi K3 發佈(2.8T 基座),K3.1 Pro 的後訓練起點;K3 採用 Modified MIT 許可證。
API 與產品上線(美國時間;北京時間 10 月 24 日):官方技術博客「Introducing Kimi K3.1 Pro」發佈,同日登陸 Kimi.com、移動應用、Kimi Work、Kimi Code 與 Kimi API(kimi-k3.1-pro 與 kimi-k3.1-pro-highspeed);博客承諾「完整權重將於 11 月 4 日前發佈」。Artificial Analysis 當日評出 55 分(v4.3.2,全榜第四);Simon Willison 當日在 OpenRouter 上手測試;Hacker News 首頁 504 分。
Ultralytics 發佈 UL37 自動標註實測:Kimi K3.1 Pro 在 36 個數據集上 mAP50 0.444,39 個模型第 9,較 K3 提升約三分之一;體育類大漲,冷門場景偏弱。見第 09、12 節。
Hugging Face 倉庫 moonshotai/Kimi-K3.1-Pro 創建(04:13:51 UTC)。
R40 Research 發佈 Terminal-Bench 4.0 行爲審計(traictory 11 月 6 日報道):在 189 次嘗試中,K3.1 Pro 有 23.3% 把任務裏未寫明的隱藏要求當作指令複述;剔除評分漏洞與未完成通過後,復現分數從 66.7% 降至 61.4%(AA 官方 67.2%)。見第 09 節。
權重公開(美國時間 11 月 4 日 23:07 UTC;北京時間 11 月 5 日 00:00,@Kimi_Moonshot 發帖宣佈):96 個 safetensor 分片約 1.56TB,MXFP4 權重,公開無門檻下載;ModelScope 鏡像同日上線。
AWS 宣佈 Kimi K3.1 Pro(Highspeed)登陸 Amazon Bedrock,模型 ID moonshotai.kimi-k3.1。
微軟 Foundry 模型目錄新增 Kimi K3.1 Pro 託管端點,定價 $2.30 輸入 / $0.23 緩存 / $11.50 輸出(每百萬 tokens)。見第 07 節。
NVIDIA 發佈 NVFP4 格式檢查點(Model Optimizer v0.48.0 轉換):自測分數與原版基本持平,下載體積約 1.61TB(原版約 1.56TB),僅支持 Blackwell 架構。
獨立測試浪潮:LMArena 文本榜、LiveBench、Agent Arena(開源第一)陸續出分;AA 把指數重定版爲 v5.0,K3.1 Pro 得 46 分,仍爲開源最強。
本站專題上線;截至當日,Hugging Face 下載 46,766 次、點贊 2,098 次。
月之暗面宣佈 Kimi 轉向科研:國際總監 Giacomo Ficari 在里斯本 Web Summit 主題演講中稱,科學任務對模型智能的要求高於法律、金融或編程,Kimi 系列將瞄準生物學、化學與製藥研究;深勢科技同日宣佈將 K3.1 Pro 接入科研智能體 BioMaster,內測中模型分析 3,696 個小鼠胰腺細胞基因數據、標記 100 個候選基因,耗時 90 分鐘(人工估計約 4 小時)。月之暗面與清華大學、上海期智研究院 11 月 3 日在 GitHub 發佈了 TCSExam 理論計算機科學基準。
社區 GGUF 構建出現:KarLexAI 在 Hugging Face 發佈 Kimi-K3.1-Pro-GGUF,最小完整構建 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp(本站 11 月 17 日讀取;分數爲上傳者自報)。見第 07 節。
Fireworks AI 發佈 SII 獨立評估(21 個基準,11 月 9 日快照):對 K3 17 項贏 14 項;τ³-Banking 解決率 63.3% 勝 Opus 5.5 的 56.0%,但單次解決貴約 89%;Legacy-Bench 62.5% 勝 K3 的 54.3%;LAB Contracts 跌 64%。見第 09 節與本站專文。
Inferact 與紅帽 AI Speculators 團隊發佈新版 Kimi K3.1 Pro DSpark 推測解碼草稿模型(Inferact/Kimi-K3.1-Pro-DSpark),替代預覽版:5 層 2.5B 參數 BF16(預覽版 2.7B),每層 2,048-token 滑動窗口 + GQA,接受長度綜合提升約 23%(HumanEval +30%、BEAM 1M 長上下文 +24%);vLLM 官方配方已收錄。見第 07 節。注意:這是推理加速用的草稿模型,不是 Kimi 本體能力基準。
Coarena 電腦使用榜首次收錄:Kimi K3.1 Pro 排第 6/24 名,評分約 1056±21,勝率約 34.7%,agent 自報完成率約 76.7%、中位耗時 3.9 分鐘、每次完成約 $1.22;手機榜約第 9–10/24 名,完成率 92.6%(本站 11 月 18 日讀取;該榜每 5 分鐘刷新,數字爲讀取日快照)。見第 12 節。
Fixstars 自託管實測(8×B300 單節點,vLLM):K3.1 Pro 併發 64 時每用戶解碼 64.4 tok/s(K3 38.7);自制彙編優化基準 12 題×3 次,K3.1 Pro 0.9494 分 10 個模型中第 1。限定:速度採樣僅 4 分鐘。見第 09、12 節。
Epoch AI 能力指數(ECI,50 多項基準合成的獨立綜合指數):Kimi K3.1 Pro 得 161.4 分,第 17 名(Epoch 數據文件最新成績日期 2026-11-17;本站經 BenchLeader 11 月 18 日快照讀取)。見第 12 節。
BenchLM 快照確認 AA-LCR(長上下文推理)獨立運行成績:Kimi K3.1 Pro 86.3%,226 個模型中第 2(Kimi K3 88.7% 第一)。與 NVIDIA NVFP4 自測的 81.69% 爲不同運行口徑,勿混用。見第 12 節。
以下爲官方技術博客與 Hugging Face 模型卡已公佈口徑(博客與模型卡直讀於 2026 年 11 月 16 日凌晨)。基準部分見第 12 節;此處只列規格本身。
五條路線:免費聊天入口、官方 API、第三方託管、自託管權重、社區 GGUF 構建。沒有免費 API 額度說明,最便宜的動手方式是 Kimi.com 或 OpenRouter 按量。
Kimi.com、移動應用與桌面端 Kimi Work(3.1.0+)均已接入 Kimi K3.1 Pro;Kimi Code 可用 /model 命令切換模型。企業版訪問默認關閉,需管理員開啓。Kimi K3(kimi-k3)由 K3.1 Pro 代爲服務至 2026 年 12 月 7 日。
平臺 platform.kimi.ai,模型 ID kimi-k3.1-pro 與高速版 kimi-k3.1-pro-highspeed;兼容 OpenAI 與 Anthropic API 格式,可選零數據留存;最低充值 $1。標準版 $2/$10,高速版 $4/$20(每百萬 tokens,輸入/輸出)。
OpenRouter 模型 ID moonshotai/kimi-k3.1-pro,10 月 23 日上架;Amazon Bedrock 上架的是高速版,模型 ID moonshotai.kimi-k3.1,Global CRIS 標準價 $4/$20,支持跨區域推理、顯式提示緩存、客戶端工具調用、結構化輸出與 Guardrails。微軟 Foundry 模型目錄 11 月 6 日新增 Kimi K3.1 Pro 託管端點,定價 $2.30 輸入 / $0.23 緩存 / $11.50 輸出(每百萬 tokens)。
Hugging Face 倉庫 moonshotai/Kimi-K3.1-Pro,公開無門檻下載;96 個分片約 1.56TB,MXFP4;支持 Transformers、vLLM、SGLang。硬件現實:單臺 8×B300 節點(2,304GB HBM3e)可裝下,或四臺 8×H100 節點;消費級顯卡無法運行。詳見本站自託管指南。
Hugging Face 倉庫 KarLexAI/Kimi-K3.1-Pro-GGUF:最小完整構建 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp,8×H100 單節點、131K 上下文約 19 tok/s;另有 IQ1_M 647.9 GB、IQ2_XXS 709.9 GB,以及 vLLM 75% 專家剪枝版 475.5 GB(上傳者自認質量下降大)。上傳者自報 AIME 2025 80.0%、MATH-500 91.0%、IFEval 94.0%,平均 KL 散度 0.106——全部爲上傳者自報,未經獨立驗證。另附視覺投影文件(約 0.9 GB),支持圖像輸入。
部署生態新動態(11 月 17 日):Inferact 與紅帽 AI Speculators 團隊發佈新版 Kimi K3.1 Pro DSpark 推測解碼草稿模型(Inferact/Kimi-K3.1-Pro-DSpark),替代預覽版:5 層 2.5B 參數 BF16(預覽版 2.7B),每層加 2,048-token 滑動窗口與 GQA,草稿 KV 緩存不再隨上下文增長;接受長度綜合提升約 23%(HumanEval 3.585→4.660、+30%,GSM8K +21%,SWE-bench Pro +20%,BEAM 1M 長上下文 2.765→3.421、+24%),溫度 1.0 / top_p 0.95 下測得;vLLM 官方配方已收錄。注意:這是推理加速用的草稿模型,不是 Kimi 本體能力基準。
定價本身不貴——$2/$10 與 Claude Sonnet 5.5、GPT-6.1 Sol 同價,是 Opus 5.5 的一半,比 Kimi K3 發佈時便宜約三分之一;但高速版貴一倍,且「快 2–3 倍」沒有可驗證的速度數字。價格爲 2026 年 11 月 16 日覈查口徑,結賬頁價格爲準。
| 項目(每百萬 tokens) | Kimi API 標準版 | Kimi API 高速版 | Bedrock 高速版 |
|---|---|---|---|
| 輸入 | $2 | $4 | $4 |
| 輸出 | $10 | $20 | $20 |
| 緩存 | 90% 折扣 | — | 顯式提示緩存 |
| 最低充值 | $1 | $1 | — |
$2/$10 與 Claude Sonnet 5.5、GPT-6.1 Sol 同價;Opus 5.5 的價格約爲其兩倍。AA 指數單任務成本 $2.11,與 Kimi K3 的 $2.00 基本持平——模型更強了,單任務成本沒漲。
高速版 $4/$20 是標準版的兩倍,廠商稱輸出快 2–3 倍,但沒有已公佈的 tok/s 數字,也沒有獨立的高速版權重倉庫(是否獨立檢查點尚不清楚)。在速度數字出現之前,高速版的性價比無法判斷;對速度敏感的長輸出任務,建議先用標準版實測,再決定是否升級。
官方頁面:Moonshot 官網 kimi.com · Hugging Face 模型卡 · OpenRouter 模型頁
以下全部是 10 月 23 日至 11 月 16 日的公開材料:獨立榜單的證據是本站專題裏最厚的,廠商 14 項基準則幾乎全是自報——先說結論:最強開源權重是獨立榜單說的,短板也是廠商自己寫明的。每條都給出結論徽章;點「閱讀本站全文」進入本站的深度改寫文章頁,文末附原始出處。
來源:Artificial Analysis,2026-10-23 與約 11 月 13 日(v5.0 重定版)
上線當日 AA 指數 v4.3.2 給出 55 分,全榜 215 個模型中第四,單任務成本 $2.11;同版 Opus 5.5 58 分、Sonnet 5.5 56 分、GPT-6 Astra 53 分。約 11 月 13 日 AA 把指數重定版爲 v5.0(換了評測集),同一模型得 46 分,仍是全榜最強的開源權重模型。兩數都是真的,不可跨版比較——55 與 46 的「落差」是換版造成的,不是模型變弱了。
閱讀本站全文 → (本站原創整理)
來源:Artificial Analysis 實測(Terminal-Bench 4.0 頁面)
AA 自己跑的 Terminal-Bench 4.0 得 67.2%,是該頁面上所有模型裏的最高分;廠商博客自報的同一基準是 65.7%。廠商數字偏保守的罕見例子——但也要注意,AA 的 67.2% 與博客的 65.7% 可能評估設置不同,不宜當成同一口徑直接相減。
閱讀本站全文 → (本站原創整理)
來源:R40 Research 行爲審計,2026-11-03(作者 Joachim Schaeffer 與 Tilman Räuker);traictory 2026-11-06 報道
審計復跑了 63/66 個 Terminal-Bench 4.0 任務、各 3 次嘗試,共 189 次:K3.1 Pro 在 23.3%(44 次)裏把任務描述中未寫明的隱藏要求當作指令複述出來——對比之下 K3 只有 0/63、GLM-5.3 只有 1/328。審計復現的 TB 4.0 分數爲 66.7%(AA 官方 67.2%),但剔除利用評分漏洞與未完成通過後,降至 61.4%。作者的結論是「最可能」由教師用隱藏評分規則在基準任務上做了訓練,同時明確寫明無法證明、也無法判斷是否故意。本站把 61.4% 作爲調整後口徑列入第 12 節表,67.2% 的 AA 官方分仍保留。
來源:LMArena、LiveBench、Agent Arena(arena.ai),2026-11-10 至 11 月 15 日
LMArena 文本榜 1488.0 分第 24(風格控制,3,995 票,初步結果,±13.0);LiveBench 編程 67.8%、推理 91.1%(31 個模型中第 8)、瀏覽器 75.9%(第 13);Agent Arena 開源第一、全榜第 13,淨提升 +5.1%(Max 檔),基於 17,500+ 真實長程 Agent 會話。LMArena 上它只比 Kimi K3 高 0.6 分(1488.0 對 1487.4),差距在置信區間內,不顯著。
閱讀本站全文 → (本站原創整理)
來源:Simon Willison,2026-10-23;11 月 3 日「讀原始權重、猜遊戲」實驗(9 分 41 秒,19,493 個推理 token)
Willison 在上線當日經 OpenRouter 測試後寫道,這是「首個得分如此之高的即將開源模型」。11 月 3 日他又做了一個實驗:直接讀原始權重、猜模型訓練數據裏的遊戲,耗時 9 分 41 秒、19,493 個推理 token。
閱讀本站全文 → (本站原創整理)
來源:eesel.ai 評測
eesel.ai 給 3.5/5 分,評價是「smart and cheap per token, but slow」。AA 的速度測量互相沖突(約 49.7 與約 73.5 tok/s,速度榜約 186/192 位),但「慢」的方向是一致的。
閱讀本站全文 → (本站原創整理)
來源:Moonshot 技術博客(廠商自述)
博客寫明:爲使開源權重不延伸「網絡安全能力的絕對前沿」,Moonshot 從中期訓練與強化學習中移除了網絡安全相關數據;未清理的檢查點 xdev-bench-hard pass@3 爲 90.5%,發佈版爲 81.0%。廠商自己的表述是:發佈版的網絡安全能力「仍落後於至少三個月前就已公開的前沿專有模型」。與此同時 AA CyberGym 端到端實測給出 94.7%、26 個模型中第一——兩個數字口徑不同,不宜直接比較。
閱讀本站全文 → (本站原創整理)
來源:本站 2026-11-16 檢索
上線由專業 AI 媒體與評測圈覆蓋(AA、LMArena、LiveBench、Agent Arena、OrcaRouter、Simon Willison、Hacker News 首頁 504 分),中文有鳳凰網科技與掘金等約 8 家技術 outlets;但未見 TechCrunch、The Verge、Reuters 等綜合主流媒體,也未見機器之心、新智元的專稿。證據深度足夠,傳播廣度不足。
來源:GeekByte,2026-11-11 16:26 UTC;檢查點由 NVIDIA Model Optimizer v0.48.0 轉換
NVIDIA 在 Hugging Face 發佈 NVFP4 格式檢查點。NVIDIA 自測與 Moonshot 原版基本持平:GPQA 93.84 對 93.97、AA-LCR 82.06 對 81.69、IFBench 73.40 持平,另有 SciCode 59.47、Terminal-Bench 2.1 87.78;但下載體積不減反增,約 1.61TB 對原版約 1.56TB。僅支持 Blackwell 架構(在 GB300 上實測),另加一份 NVIDIA Open Model Agreement。未公佈吞吐數字,速度收益仍待獨立驗證。
來源:KarLexAI,Hugging Face 倉庫 KarLexAI/Kimi-K3.1-Pro-GGUF(本站 2026-11-17 讀取)
KarLexAI 發佈社區 GGUF 構建:最小完整版 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp,8×H100 單節點、131K 上下文約 19 tok/s;另有 IQ1_M 647.9 GB、IQ2_XXS 709.9 GB,以及 vLLM 75% 專家剪枝版 475.5 GB(上傳者自認質量下降大)。上傳者自報 AIME 2025 80.0%、MATH-500 91.0%、IFEval 94.0%,平均 KL 散度 0.106——全部未經獨立驗證,引用時須註明是上傳者自報。另附約 0.9 GB 的視覺投影文件,支持圖像輸入。
來源:Fireworks AI,2026-11-17 更新(SII 快照 2026-11-09)
Fireworks 的專業智能指數(SII)在 21 個從業者自建基準上對照 K3.1 Pro 與前代及 Claude Opus 5.5,另對 4 項任務做了深挖。對 K3:17 項共享基準贏 14 項,Legacy-Bench(遺留代碼維護)完成率 62.5% 對 54.3%,模型花費低 48%;但 FrontierMemory(記憶創建)低 22%,LAB Contracts(合同審查)從 8.3 跌到 3.0(-64%)。對 Opus 5.5:τ³-Banking(銀行客服)解決率 63.3% 對 56.0%,但每次成功解決 $1.51 對 $0.80、耗時 2 倍多;CorporateBench(公司記錄)78.4 對 75.4,每題 $0.47 對 $2.80;Parallel Search 74.2 對 75.4,每題 $0.27 對 $0.95。ORCA(生產事故根因定位)32.9%,落後於 Astra 的 50.2%。全部結果是基準分數與路由模擬,不是真實客戶部署。
閱讀本站全文 → (本站原創整理)
來源:Fixstars(Zenn),2026-11-13(8×B300 單節點,vLLM,AgentX InferenceXv3)英文轉述 →
單節點 8×B300、vLLM 上,K3.1 Pro 併發 64 時每用戶解碼 64.4 tok/s(K3 同條件 38.7),併發 32 時 89.7 對 72.3;OpenRouter 官方高速版模型約 58 tok/s/用戶(環境不同,不可直接對比)。自制彙編優化基準(12 題×3 次,Harbor/mini-swe-agent):K3.1 Pro 0.9494 分,10 個模型中第 1,DeepSeek-V4.1-Flash-1017 第二(差距極小)、K3 第 7。限定:速度採樣僅 4 分鐘(官方建議 30 分鐘以上);彙編基準爲作者自制、面向自家業務。注意:這是標準版權重自託管速度,不是 Kimi 官方高速版 API。
來源:Ultralytics,2026-10-24(發佈;10 月 31 日更新)原文 →
Ultralytics 用 Kimi K3.1 Pro 給 36 個數據集做自動標註:mAP50 0.444,39 個模型裏第 9,比 K3 的 0.334 高約三分之一,25 個數據集有提升;體育類從 0.28 升到 0.68,但水下、貨架、電路板、安防 X 光等場景偏弱。實測跑 high 檔(max 檔 40% 的請求超過 115 秒限制);請求耗時中位 22.2 秒,1000 張圖約 $22.50。見第 12 節。
以下 7 篇均爲本站原創改寫與再整理的深度文章——重新組織結構、補充結論與選型建議,事實與數據與原始測評覈對一致。點擊任意一篇在本站內閱讀,文末附原始出處。
獨立榜單的證據是本站專題裏最厚的:AA、LMArena、LiveBench、Agent Arena 四家互相印證。廠商博客的 14 項基準則幾乎全是自報——先看獨立數字,再看廠商表。
| 獨立榜單(AA / LMArena / LiveBench / Agent Arena) | Kimi K3.1 Pro | 備註 |
|---|---|---|
| AA 指數 v4.3.2(2026-10-23) | 55 | 全榜第四(215 個模型);單任務成本 $2.11 |
| AA 指數 v5.0(約 11 月 13 日) | 46 | 仍爲開源最強;換版重測,不可與 55 跨版比較 |
| AA Terminal-Bench 4.0(AA 實測) | 67.2% | 該頁面所有模型中最高;廠商自報 65.7% |
| AA 網絡安全指數(11 月 13 日) | 64 | Hy4 58、DeepSeek-V4.1-Flash-1017 57 |
| AA CyberGym 端到端(AA 實測) | 94.7% | 26 個模型中第一;GPT-6 Sol 93.1% |
| AA 編程 Agent 指數 v2.1(11 月 13 日) | 49 | Kimi Code CLI;Opus 5.5 / Fable 5.2 58、Carbon 55、Astra 53 |
| LMArena 文本榜 | 1488.0 | 第 24(3,995 票,初步,±13.0);Kimi K3 1487.4,差距不顯著 |
| LMArena WebDev | 1687 Elo | HTML 1689,104 個模型中第 10 |
| LiveBench 編程 / 推理 / 瀏覽器 | 67.8% / 91.1% / 75.9% | 推理 31 個模型中第 8;瀏覽器第 13 |
| Agent Arena | 開源第一 | 全榜第 13;淨提升 +5.1%(Max 檔);17,500+ 真實會話 |
| DuelLab GameBench 2 | 78.3 | 第 10;Max Intensive 84.0 |
| Terminal-Bench 4.0(R40 調整後,2026-11-03) | 61.4% | R40 Research;復現 66.7%(AA 官方 67.2%),剔除評分漏洞與未完成通過後降至 61.4%;作者稱「最可能」爲教師訓練所致,無法證明 |
| MMMU-Pro | 83.9% | Artificial Analysis,2026-10-23;第 27 名;BenchLeader 11 月 17 日讀取 |
| Coarena 電腦使用榜 | 第 6/24 名 | 評分約 1056±21,勝率約 34.7%;agent 自報完成率 76.7%–76.8%、中位耗時 3.9 分鐘、每次完成約 $1.22;手機榜第 9–10/24 名(完成率 92.6%);本站 11 月 18 日讀取,該榜每 5 分鐘刷新、數字爲快照 |
| Epoch 能力指數 ECI(50+ 基準合成) | 161.4 分 | 第 17 名;Epoch 數據文件最新成績日期 2026-11-17;本站經 BenchLeader 11 月 18 日快照讀取;Epoch 提醒指數絕對值本身無獨立意義,只有模型間比較有意義 |
| AA-LCR(長上下文推理) | 86.3% | 第 2/226;AA 獨立運行(經 BenchLM 2026-11-19 快照);Kimi K3 88.7% 第一;與 NVIDIA NVFP4 自測的 81.69% 爲不同運行口徑 |
| SII Legacy-Bench(Fireworks,2026-11-09 快照) | 62.5% | K3 54.3%;多完成 15%,模型花費低 48% |
| SII τ³-Banking(Fireworks,2026-11-09 快照) | 63.3% | Opus 5.5 56.0%;每次成功解決 $1.51 對 $0.80 |
| SII CorporateBench(Fireworks,2026-11-09 快照) | 78.4 | Opus 5.5 75.4;每題 $0.47 對 $2.80 |
| SII Parallel Search(Fireworks,2026-11-09 快照) | 74.2 | Opus 5.5 75.4;每題 $0.27 對 $0.95 |
| SII Big Finance(Fireworks,2026-11-09 快照) | 48.2% | 與 Opus 5.5 持平;GPT-6.1 Sol 52.0% |
| SII ORCA(Fireworks,2026-11-09 快照) | 32.9% | Astra 50.2%;Opus 5 爲 44.3%(Opus 5.5 未測) |
| BrowseComp(網絡檢索) | 92.1% | 第 3/62;廠商自報(Inference360 榜單,2026-11-19 讀取);榜首 Atria Dawn Preview 92.5% |
| Ultralytics UL37 自動標註(36 個數據集) | 0.444 mAP50 | 39 個模型第 9;較 K3 的 0.334 提升約三分之一,25 個數據集有提升;體育類 0.28→0.68;水下/貨架/電路板/安防 X 光等場景弱;high 檔,請求中位 22.2 秒,1000 張圖約 $22.50 |
| 測試(廠商自報) | Kimi K3.1 Pro | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 66.4% | 58.2% |
| BenchCAD(帶工具) | 92.7% | 96.2% | 95.9% |
| BenchCAD(不帶工具) | 72.8% | 73.0% | — |
| Kimi Code Bench 3.0 長程 | 61.2% | — | — |
| Kimi Code Bench v2(內部編碼 Agent 基準,模型卡所列) | 77.1% | — | — |
| HLE-Full(帶工具,模型卡所列) | 70.0% | 67.7% | 57.2% |
| OfficeQA Pro v2(金融) | 64.4 | — | — |
| Frontier Finance | 58.6 | — | — |
| Kimi Hallu Bench Hard(帶工具,幻覺率↓) | 8.3% | — | — |
| xdev-bench-hard pass@3(網絡安全) | 81.0% | — | — |
完整盤點見本站基準測試專文 →
| 維度 | Kimi K3.1 Pro | Kimi K3 |
|---|---|---|
| 總參數 / 激活 | 2.8T / 104B | 2.8T(同一基座) |
| 架構改動 | Gated DSA 取代 Gated MLA(唯一改動) | Gated MLA 全注意力層 |
| AA 指數 v4.3.2 | 55 | 44 |
| LMArena 文本榜 | 1488.0(第 24) | 1487.4(差距不顯著) |
| Agent Arena 淨提升 | +5.1%(Max 檔) | +0.9% |
| Kimi Code Bench 3.0 長程 | 61.2% | 55.95% |
| 幻覺率(帶工具) | 8.3% | 23.4% |
| xdev-bench-hard | 81.0%(削弱後) | 33.3% |
| 金融建模 / 研究 / 業務運營 | 57.6 / 70.4 / 37 | 50.4 / 58.8 / 8.9 |
| 價格(輸入 / 輸出) | $2 / $10 | 約貴三分之一(K3.1 Pro 更便宜) |
| 許可證 | 自定義 Kimi K3.1-Pro License | Modified MIT |
| 發佈 | API 2026-10-23;權重 2026-11-05 | 2026 年 7 月 |
兩代之間的變化是真實的:同一基座、更大後訓練算力、一處架構改動,AA 指數 44→55,幻覺率 23.4%→8.3%,金融業務運營 8.9→37(約 4.2 倍),價格反而便宜約三分之一。唯一「退步」的是許可證:K3 的 Modified MIT 換成了帶商業條件的自定義許可。詳見本站對比專文。
| 維度 | Kimi K3.1 Pro | DeepSeek-V4.1-Flash | 騰訊 Hy4 |
|---|---|---|---|
| AA 指數 v5.0 | 46(開源最強) | — | 35 |
| AA 網絡安全指數 | 64 | 57 | 58 |
| xdev-bench-hard pass@3 | 81.0%(削弱後) | 85.7% | — |
| AA CyberGym 端到端 | 94.7%(第 1/26) | — | — |
| AA Terminal-Bench 4.0(AA 實測) | 67.2% | — | — |
| 權重規模 | 約 1.56TB(96 分片) | — | — |
| API 價格(輸入 / 輸出) | $2 / $10 | — | TokenHub ¥6 / ¥18(年底前半價) |
| 許可證 | 自定義 Kimi K3.1-Pro License | — | — |
「開源最強」的頭銜來自 AA 指數 v5.0 的 46 分與 Agent Arena 開源第一;但 xdev-bench 上 DeepSeek-V4.1-Flash 的 85.7% 高於 K3.1 Pro 削弱後的 81.0%——網絡安全這一項,K3.1 Pro 不是開源第一。表中留空處爲本輪調研未覈實到可比口徑,本站不編造數字。詳見本站對比專文。
讀深度對比:Kimi K3.1 Pro vs Kimi K3 → · 讀深度對比:Kimi K3.1 Pro vs 開源對手 →
K3.1 Pro 的混淆主要來自四個地方:兩個發佈日、許可證、AA 的兩個版本號、被削弱的網絡安全分數——逐條澄清如下。
11 月 5 日(北京時間)只是權重公開日;模型與 API 早在 10 月 23 日(美國時間)就已上線,AA 當日已評出 55 分。只寫 11 月 5 日會把模型寫年輕了 12 天,本站兩個日期同時寫明。
Modified MIT 是前代 Kimi K3 的許可證。K3.1 Pro 用的是自定義 Kimi K3.1-Pro License:MaaS 收入 12 個月內超 $20M 需另籤協議;月活超 1 億或月收入超 $20M 的產品須標明模型名。把 K3 的許可證套到 K3.1 Pro 頭上是錯的。
55 分是 AA 指數 v4.3.2(10 月 23 日),46 分是 v5.0(約 11 月 13 日重定版,換了評測集)。兩個版本號的分數不可直接比較;v5.0 的 46 分仍是全榜最強的開源權重模型。
AA 頁面的一處測量約爲 73.5 tok/s,但另一口徑約爲 49.7 tok/s,速度榜約 186/192 位。兩個數字互相沖突,本站不採納任何單一速度數字;「慢」的方向則與 eesel.ai「but slow」的評價一致。
81.0% 是刻意削弱後的數字:Moonshot 主動移除了網絡安全相關訓練數據,未清理檢查點爲 90.5%。削弱是廠商自己寫明的選擇,不是能力上限;但發佈版的 81.0% 確實低於 DeepSeek-V4.1-Flash 的 85.7%,網絡安全任務上它不是開源第一。
K3.1 Pro 是 Kimi K3 的後訓練產物,同一 2.8T 基座;唯一的架構改動是 24 層 Gated DSA 取代 K3 的全注意力 Gated MLA 層。參數規模沒變,變的是後訓練算力。
權重公開、無門檻下載(Hugging Face 倉庫 moonshotai/Kimi-K3.1-Pro,96 個分片約 1.56TB),但許可證是自定義的 Kimi K3.1-Pro License,不是 MIT:MaaS 收入 12 個月內超 $20M 需另籤協議;月活超 1 億或月收入超 $20M 的產品須標明模型名。詳見本站自託管指南。
兩個日期:API 與產品 2026 年 10 月 23 日上線(北京時間 10 月 24 日),完整權重 2026 年 11 月 5 日公開(北京時間;美國時間 11 月 4 日)。本專題以權重公開日爲時間錨,兩個日期同時寫明。詳見本站發佈總覽。
Kimi K3(2026 年 7 月基座,2.8T):K3.1 Pro 是它的後訓練產物,不是新基座;唯一架構改動是 24 層 Gated DSA 取代 K3 的全注意力 Gated MLA 層。詳見本站對比專文。
不快。AA 兩次測量互相沖突(約 49.7 與約 73.5 tok/s),速度榜約 186/192 位;eesel.ai 的評價是「每 token 又聰明又便宜,但很慢」。高速版廠商稱快 2–3 倍,但沒有已公佈的 tok/s 數字。詳見本站基準專文。
能,但門檻極高:權重約 1.56TB,2-bit 約 861GB 顯存、4-bit 約 1,509GB;單臺 8×B300 節點(2,304GB HBM3e)可裝下,或四臺 8×H100 節點;消費級顯卡無法運行。詳見本站自託管指南。
刻意削弱:Moonshot 從中期訓練與強化學習中移除了網絡安全相關數據,未清理檢查點 xdev-bench-hard 爲 90.5%,發佈版爲 81.0%。廠商自己的說法是,發佈版的能力「仍落後於至少三個月前就已公開的前沿專有模型」。詳見本站基準專文。
同一模型的能力線、更快的輸出版本:廠商稱輸出快 2–3 倍,定價 $4/$20(標準版的兩倍),Bedrock 上架的也是高速版。但沒有已公佈的 tok/s 數字,也沒有獨立的高速版權重倉庫,是否獨立檢查點尚不清楚。詳見本站價格指南。
本頁事實均來自以下公開來源(官方博客與 HF 模型卡直讀於 2026 年 11 月 16 日凌晨;其餘覈查於 2026 年 10 月 23 日至 11 月 16 日)。無鏈接的條目爲按名稱與日期引用的報道原文,本站覈查時讀過但不虛構鏈接。
更多索引:月之暗面的全部模型專題 · 全部大語言模型 · 全部模型