Kimi K3.1 Pro 與 Kimi K3 的對比,是一場罕見的「控制變量」實驗:同一 2.8T 基座、同一參數規模,唯一的架構改動是 24 層 Gated DSA 取代全注意力 Gated MLA 層,其餘變化全部來自後訓練算力的大幅增加。兩代之間的分數差,就是後訓練的淨收益——收益很大,但分佈極不均勻。
第一,架構一處改動:24 層 Gated DeepSeek Sparse Attention(Gated DSA)取代 K3 的全注意力 Gated MLA 層;其餘 69 層 Kimi Delta Attention 不變,總參數仍爲 2.8T、激活仍爲 104B。第二,後訓練算力大幅增加,橫跨數百個領域做聯合強化學習。第三,商業條款變了:K3 是 Modified MIT 許可證,K3.1 Pro 是自定義 Kimi K3.1-Pro License(MaaS 超 $20M 需另籤協議、月活超 1 億或月收入超 $20M 須標明模型名)。前兩處是技術升級,第三處是「退步」——從標準開源許可變成了帶商業條件的自定義許可。
Artificial Analysis 指數 v4.3.2:K3 44 分,K3.1 Pro 55 分,全榜第四。11 分的躍升是後訓練最硬的獨立證據——同一基座、同一評測集,分數差只能來自後訓練。但要注意:v5.0 重定版後 K3.1 Pro 爲 46 分,K3 在 v5.0 下的分數本輪調研未覈實到,不可拿 46 與 44 跨版比較。Agent Arena 同樣印證:淨提升 K3 +0.9%,K3.1 Pro +5.1%(Max 檔);Bash 可靠性 K3 −4.5%,K3.1 Pro +7.9%。編程長程:Kimi Code Bench 3.0 內部基準,K3 55.95%,K3.1 Pro 61.2%。
廠商內部金融基準(自報):建模 50.4→57.6,研究 58.8→70.4,業務運營 8.9→37(約 4.2 倍)。OfficeQA Pro v2(金融)64.4,廠商稱 SOTA;Frontier Finance 58.6。幻覺率(Kimi Hallu Bench Hard,聲明級):帶工具 23.4%→8.3%,不帶工具 K3.1 Pro 爲 5.4%(GPT-6 Astra 4.2%、Opus 5.5 6.8%)。這兩組數字說明後訓練的錢花在了哪裏:金融任務與事實可靠性——而這正是 Kimi 主打的 Agent 與辦公場景。
LMArena 文本榜:K3.1 Pro 1488.0 分第 24,K3 1487.4 分——差距 0.6 分,在 ±13.0 的置信區間內,不顯著。通用對話這一項,後訓練幾乎沒有拉開差距。這個反差值得記住:AA 指數 +11 分、金融業務運營約 4.2 倍、幻覺率降近三分之二,都是任務型收益;通用對話的收益接近於零。後訓練不是全面變強,是定向變強。
xdev-bench-hard pass@3:K3 33.3%,K3.1 Pro 發佈版 81.0%——表面看是 2.4 倍的躍升。但 81.0% 是刻意削弱後的數字:Moonshot 移除了網絡安全相關訓練數據,未清理檢查點爲 90.5%。真實的後訓練收益(33.3%→90.5%)比發佈版數字顯示的更大,而用戶實際拿到的 81.0% 是廠商主動降級後的版本。兩代對比時,81.0% 與 90.5% 兩個數字要同時寫明,否則會低估後訓練的收益、高估發佈版的能力。
K3.1 Pro 標準版 $2/$10,比 Kimi K3 發佈時便宜約三分之一;AA 單任務成本 $2.11,與 K3 的 $2.00 基本持平。更強的模型、更低的價格——這在模型換代裏並不常見,原因是後訓練的邊際成本低於重新訓練一個新基座。過渡安排:Kimi K3(kimi-k3)由 K3.1 Pro 代爲服務至 2026 年 12 月 7 日——12 月 7 日之後,K3 這個模型 ID 是否繼續存在,本輪調研未覈實到。
Agent 與金融任務:值得,AA 指數 +11 分、業務運營約 4.2 倍、幻覺率降近三分之二。通用對話:收益接近於零,LMArena 只高 0.6 分,不顯著。還要注意許可證變化:K3 的 Modified MIT 換成了帶商業條件的自定義許可。
不是。它是 Kimi K3 的後訓練產物:同一 2.8T 基座,唯一架構改動是 24 層 Gated DSA 取代全注意力 Gated MLA 層,其餘變化全部來自後訓練算力。
Kimi K3(kimi-k3)由 K3.1 Pro 代爲服務至 2026 年 12 月 7 日;12 月 7 日之後的安排,本輪調研未覈實到。
參考來源:Moonshot — kimi.com 技術博客(內部金融基準、幻覺率、xdev-bench) · Artificial Analysis — 指數 v4.3.2(K3 44 分、K3.1 Pro 55 分) · LMArena — 文本榜 1488.0 對 1487.4(本文爲本站改寫與整理,事實以官方博客與各榜單爲準)