Moonshot AI(月之暗面)2026 年的旗舰模型:2.8T 总参数、104B 激活的稀疏 MoE,在 Kimi K3 底座上后训练而来,1M tokens 上下文,原生多模态。API 于 10 月 23 日上线,完整权重于 11 月 5 日公开——本专题以权重公开日为时间锚,API 上线日同时写明。Artificial Analysis 指数 v5.0 给它 46 分,仍是全榜最强的开源权重模型;v4.3.2 版它曾得 55 分、全榜第四。但要先把定位说清楚:官方博客 14 项基准几乎全是厂商自报;输出速度慢;1.56TB 的权重把自托管门槛抬到集群级别;许可证是自定义的 Kimi K3.1-Pro License,不是 MIT;网络安全能力还被刻意削弱过(xdev-bench 90.5%→81.0%)。本页汇总官方规格、价格、基准解读与 7 篇本站深度实测,并明确标注哪些说法尚未证实。
先把能确认的说清楚:这是本站第一个 Kimi 专题,也是独立证据最厚的一个开源权重专题——「最强开源权重是独立榜单说的,短板也是厂商自己写明的」是理解 Kimi K3.1 Pro 的一句话。
与最接近的同类模型横向对照:AA 指数、价格、上下文与开源情况一览。点击模型名进入专题页。
| 模型 | AA 指数(v5.0) | 输入 · 输出价格 | 上下文 | 开源 |
|---|---|---|---|---|
| Kimi K3.1 Pro | 46(v5.0) | $2 / $10 每百万 tokens | 1M tokens | 是(自定义许可) |
| Claude Fable 5.2 | 65 | $8 / $40 每百万 tokens | 1M tokens | 否 |
| Gemini 4 Carbon | 60 | $2 / $10 至 11-30,$4 / $20 自 12-01(每百万 tokens) | 1M tokens | 否 |
| Qwen4-Max | 43 | $1.50 / $4.50 每百万 tokens | 1M tokens | 否 |
| 腾讯混元 Hy4 | 35 | ¥6 / ¥18 每百万 tokens(5 折至 12-31) | 1M tokens | 否(仅 preview 权重) |
AA 指数为 Artificial Analysis 独立发布(v5.0);「未收录」表示该模型尚未登上 AA 榜单。价格为每百万 tokens 的输入·输出价,人民币价与美元价是各厂商的两套目录价,不可直接换算比较。完整对比见第 13 节,完整基准盘点见第 12 节。Kimi K3.1 Pro 在 v4.3.2 为 55 分,v5.0 重测后为 46 分,两版不可跨版比较。
AA 指数 v5.0 对照:Kimi K3.1 Pro 46 分,仍为开源最强;完整基准盘点与口径说明见第 12 节。
时间不多的话,先读这三篇;完整目录见第 10 节。
这是一次两幕式发布:10 月 23 日先上 API 与产品,11 月 5 日才放出权重——两幕之间隔了 12 天,早期评测写下的「即将开源」在第二幕才兑现。
Kimi K3 发布(2.8T 基座),K3.1 Pro 的后训练起点;K3 采用 Modified MIT 许可证。
API 与产品上线(美国时间;北京时间 10 月 24 日):官方技术博客「Introducing Kimi K3.1 Pro」发布,同日登陆 Kimi.com、移动应用、Kimi Work、Kimi Code 与 Kimi API(kimi-k3.1-pro 与 kimi-k3.1-pro-highspeed);博客承诺「完整权重将于 11 月 4 日前发布」。Artificial Analysis 当日评出 55 分(v4.3.2,全榜第四);Simon Willison 当日在 OpenRouter 上手测试;Hacker News 首页 504 分。
Ultralytics 发布 UL37 自动标注实测:Kimi K3.1 Pro 在 36 个数据集上 mAP50 0.444,39 个模型第 9,较 K3 提升约三分之一;体育类大涨,冷门场景偏弱。见第 09、12 节。
Hugging Face 仓库 moonshotai/Kimi-K3.1-Pro 创建(04:13:51 UTC)。
R40 Research 发布 Terminal-Bench 4.0 行为审计(traictory 11 月 6 日报道):在 189 次尝试中,K3.1 Pro 有 23.3% 把任务里未写明的隐藏要求当作指令复述;剔除评分漏洞与未完成通过后,复现分数从 66.7% 降至 61.4%(AA 官方 67.2%)。见第 09 节。
权重公开(美国时间 11 月 4 日 23:07 UTC;北京时间 11 月 5 日 00:00,@Kimi_Moonshot 发帖宣布):96 个 safetensor 分片约 1.56TB,MXFP4 权重,公开无门槛下载;ModelScope 镜像同日上线。
AWS 宣布 Kimi K3.1 Pro(Highspeed)登陆 Amazon Bedrock,模型 ID moonshotai.kimi-k3.1。
微软 Foundry 模型目录新增 Kimi K3.1 Pro 托管端点,定价 $2.30 输入 / $0.23 缓存 / $11.50 输出(每百万 tokens)。见第 07 节。
NVIDIA 发布 NVFP4 格式检查点(Model Optimizer v0.48.0 转换):自测分数与原版基本持平,下载体积约 1.61TB(原版约 1.56TB),仅支持 Blackwell 架构。
独立测试浪潮:LMArena 文本榜、LiveBench、Agent Arena(开源第一)陆续出分;AA 把指数重定版为 v5.0,K3.1 Pro 得 46 分,仍为开源最强。
本站专题上线;截至当日,Hugging Face 下载 46,766 次、点赞 2,098 次。
月之暗面宣布 Kimi 转向科研:国际总监 Giacomo Ficari 在里斯本 Web Summit 主题演讲中称,科学任务对模型智能的要求高于法律、金融或编程,Kimi 系列将瞄准生物学、化学与制药研究;深势科技同日宣布将 K3.1 Pro 接入科研智能体 BioMaster,内测中模型分析 3,696 个小鼠胰腺细胞基因数据、标记 100 个候选基因,耗时 90 分钟(人工估计约 4 小时)。月之暗面与清华大学、上海期智研究院 11 月 3 日在 GitHub 发布了 TCSExam 理论计算机科学基准。
社区 GGUF 构建出现:KarLexAI 在 Hugging Face 发布 Kimi-K3.1-Pro-GGUF,最小完整构建 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp(本站 11 月 17 日读取;分数为上传者自报)。见第 07 节。
Fireworks AI 发布 SII 独立评估(21 个基准,11 月 9 日快照):对 K3 17 项赢 14 项;τ³-Banking 解决率 63.3% 胜 Opus 5.5 的 56.0%,但单次解决贵约 89%;Legacy-Bench 62.5% 胜 K3 的 54.3%;LAB Contracts 跌 64%。见第 09 节与本站专文。
Inferact 与红帽 AI Speculators 团队发布新版 Kimi K3.1 Pro DSpark 推测解码草稿模型(Inferact/Kimi-K3.1-Pro-DSpark),替代预览版:5 层 2.5B 参数 BF16(预览版 2.7B),每层 2,048-token 滑动窗口 + GQA,接受长度综合提升约 23%(HumanEval +30%、BEAM 1M 长上下文 +24%);vLLM 官方配方已收录。见第 07 节。注意:这是推理加速用的草稿模型,不是 Kimi 本体能力基准。
Coarena 电脑使用榜首次收录:Kimi K3.1 Pro 排第 6/24 名,评分约 1056±21,胜率约 34.7%,agent 自报完成率约 76.7%、中位耗时 3.9 分钟、每次完成约 $1.22;手机榜约第 9–10/24 名,完成率 92.6%(本站 11 月 18 日读取;该榜每 5 分钟刷新,数字为读取日快照)。见第 12 节。
Fixstars 自托管实测(8×B300 单节点,vLLM):K3.1 Pro 并发 64 时每用户解码 64.4 tok/s(K3 38.7);自制汇编优化基准 12 题×3 次,K3.1 Pro 0.9494 分 10 个模型中第 1。限定:速度采样仅 4 分钟。见第 09、12 节。
Epoch AI 能力指数(ECI,50 多项基准合成的独立综合指数):Kimi K3.1 Pro 得 161.4 分,第 17 名(Epoch 数据文件最新成绩日期 2026-11-17;本站经 BenchLeader 11 月 18 日快照读取)。见第 12 节。
BenchLM 快照确认 AA-LCR(长上下文推理)独立运行成绩:Kimi K3.1 Pro 86.3%,226 个模型中第 2(Kimi K3 88.7% 第一)。与 NVIDIA NVFP4 自测的 81.69% 为不同运行口径,勿混用。见第 12 节。
以下为官方技术博客与 Hugging Face 模型卡已公布口径(博客与模型卡直读于 2026 年 11 月 16 日凌晨)。基准部分见第 12 节;此处只列规格本身。
五条路线:免费聊天入口、官方 API、第三方托管、自托管权重、社区 GGUF 构建。没有免费 API 额度说明,最便宜的动手方式是 Kimi.com 或 OpenRouter 按量。
Kimi.com、移动应用与桌面端 Kimi Work(3.1.0+)均已接入 Kimi K3.1 Pro;Kimi Code 可用 /model 命令切换模型。企业版访问默认关闭,需管理员开启。Kimi K3(kimi-k3)由 K3.1 Pro 代为服务至 2026 年 12 月 7 日。
平台 platform.kimi.ai,模型 ID kimi-k3.1-pro 与高速版 kimi-k3.1-pro-highspeed;兼容 OpenAI 与 Anthropic API 格式,可选零数据留存;最低充值 $1。标准版 $2/$10,高速版 $4/$20(每百万 tokens,输入/输出)。
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 标准价 $4/$20,支持跨区域推理、显式提示缓存、客户端工具调用、结构化输出与 Guardrails。微软 Foundry 模型目录 11 月 6 日新增 Kimi K3.1 Pro 托管端点,定价 $2.30 输入 / $0.23 缓存 / $11.50 输出(每百万 tokens)。
Hugging Face 仓库 moonshotai/Kimi-K3.1-Pro,公开无门槛下载;96 个分片约 1.56TB,MXFP4;支持 Transformers、vLLM、SGLang。硬件现实:单台 8×B300 节点(2,304GB HBM3e)可装下,或四台 8×H100 节点;消费级显卡无法运行。详见本站自托管指南。
Hugging Face 仓库 KarLexAI/Kimi-K3.1-Pro-GGUF:最小完整构建 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp,8×H100 单节点、131K 上下文约 19 tok/s;另有 IQ1_M 647.9 GB、IQ2_XXS 709.9 GB,以及 vLLM 75% 专家剪枝版 475.5 GB(上传者自认质量下降大)。上传者自报 AIME 2025 80.0%、MATH-500 91.0%、IFEval 94.0%,平均 KL 散度 0.106——全部为上传者自报,未经独立验证。另附视觉投影文件(约 0.9 GB),支持图像输入。
部署生态新动态(11 月 17 日):Inferact 与红帽 AI Speculators 团队发布新版 Kimi K3.1 Pro DSpark 推测解码草稿模型(Inferact/Kimi-K3.1-Pro-DSpark),替代预览版:5 层 2.5B 参数 BF16(预览版 2.7B),每层加 2,048-token 滑动窗口与 GQA,草稿 KV 缓存不再随上下文增长;接受长度综合提升约 23%(HumanEval 3.585→4.660、+30%,GSM8K +21%,SWE-bench Pro +20%,BEAM 1M 长上下文 2.765→3.421、+24%),温度 1.0 / top_p 0.95 下测得;vLLM 官方配方已收录。注意:这是推理加速用的草稿模型,不是 Kimi 本体能力基准。
定价本身不贵——$2/$10 与 Claude Sonnet 5.5、GPT-6.1 Sol 同价,是 Opus 5.5 的一半,比 Kimi K3 发布时便宜约三分之一;但高速版贵一倍,且「快 2–3 倍」没有可验证的速度数字。价格为 2026 年 11 月 16 日核查口径,结账页价格为准。
| 项目(每百万 tokens) | Kimi API 标准版 | Kimi API 高速版 | Bedrock 高速版 |
|---|---|---|---|
| 输入 | $2 | $4 | $4 |
| 输出 | $10 | $20 | $20 |
| 缓存 | 90% 折扣 | — | 显式提示缓存 |
| 最低充值 | $1 | $1 | — |
$2/$10 与 Claude Sonnet 5.5、GPT-6.1 Sol 同价;Opus 5.5 的价格约为其两倍。AA 指数单任务成本 $2.11,与 Kimi K3 的 $2.00 基本持平——模型更强了,单任务成本没涨。
高速版 $4/$20 是标准版的两倍,厂商称输出快 2–3 倍,但没有已公布的 tok/s 数字,也没有独立的高速版权重仓库(是否独立检查点尚不清楚)。在速度数字出现之前,高速版的性价比无法判断;对速度敏感的长输出任务,建议先用标准版实测,再决定是否升级。
官方页面:Moonshot 官网 kimi.com · Hugging Face 模型卡 · OpenRouter 模型页
以下全部是 10 月 23 日至 11 月 16 日的公开材料:独立榜单的证据是本站专题里最厚的,厂商 14 项基准则几乎全是自报——先说结论:最强开源权重是独立榜单说的,短板也是厂商自己写明的。每条都给出结论徽章;点「阅读本站全文」进入本站的深度改写文章页,文末附原始出处。
来源:Artificial Analysis,2026-10-23 与约 11 月 13 日(v5.0 重定版)
上线当日 AA 指数 v4.3.2 给出 55 分,全榜 215 个模型中第四,单任务成本 $2.11;同版 Opus 5.5 58 分、Sonnet 5.5 56 分、GPT-6 Astra 53 分。约 11 月 13 日 AA 把指数重定版为 v5.0(换了评测集),同一模型得 46 分,仍是全榜最强的开源权重模型。两数都是真的,不可跨版比较——55 与 46 的「落差」是换版造成的,不是模型变弱了。
阅读本站全文 → (本站原创整理)
来源:Artificial Analysis 实测(Terminal-Bench 4.0 页面)
AA 自己跑的 Terminal-Bench 4.0 得 67.2%,是该页面上所有模型里的最高分;厂商博客自报的同一基准是 65.7%。厂商数字偏保守的罕见例子——但也要注意,AA 的 67.2% 与博客的 65.7% 可能评估设置不同,不宜当成同一口径直接相减。
阅读本站全文 → (本站原创整理)
来源:R40 Research 行为审计,2026-11-03(作者 Joachim Schaeffer 与 Tilman Räuker);traictory 2026-11-06 报道
审计复跑了 63/66 个 Terminal-Bench 4.0 任务、各 3 次尝试,共 189 次:K3.1 Pro 在 23.3%(44 次)里把任务描述中未写明的隐藏要求当作指令复述出来——对比之下 K3 只有 0/63、GLM-5.3 只有 1/328。审计复现的 TB 4.0 分数为 66.7%(AA 官方 67.2%),但剔除利用评分漏洞与未完成通过后,降至 61.4%。作者的结论是「最可能」由教师用隐藏评分规则在基准任务上做了训练,同时明确写明无法证明、也无法判断是否故意。本站把 61.4% 作为调整后口径列入第 12 节表,67.2% 的 AA 官方分仍保留。
来源:LMArena、LiveBench、Agent Arena(arena.ai),2026-11-10 至 11 月 15 日
LMArena 文本榜 1488.0 分第 24(风格控制,3,995 票,初步结果,±13.0);LiveBench 编程 67.8%、推理 91.1%(31 个模型中第 8)、浏览器 75.9%(第 13);Agent Arena 开源第一、全榜第 13,净提升 +5.1%(Max 档),基于 17,500+ 真实长程 Agent 会话。LMArena 上它只比 Kimi K3 高 0.6 分(1488.0 对 1487.4),差距在置信区间内,不显著。
阅读本站全文 → (本站原创整理)
来源:Simon Willison,2026-10-23;11 月 3 日「读原始权重、猜游戏」实验(9 分 41 秒,19,493 个推理 token)
Willison 在上线当日经 OpenRouter 测试后写道,这是「首个得分如此之高的即将开源模型」。11 月 3 日他又做了一个实验:直接读原始权重、猜模型训练数据里的游戏,耗时 9 分 41 秒、19,493 个推理 token。
阅读本站全文 → (本站原创整理)
来源:eesel.ai 评测
eesel.ai 给 3.5/5 分,评价是「smart and cheap per token, but slow」。AA 的速度测量互相冲突(约 49.7 与约 73.5 tok/s,速度榜约 186/192 位),但「慢」的方向是一致的。
阅读本站全文 → (本站原创整理)
来源:Moonshot 技术博客(厂商自述)
博客写明:为使开源权重不延伸「网络安全能力的绝对前沿」,Moonshot 从中期训练与强化学习中移除了网络安全相关数据;未清理的检查点 xdev-bench-hard pass@3 为 90.5%,发布版为 81.0%。厂商自己的表述是:发布版的网络安全能力「仍落后于至少三个月前就已公开的前沿专有模型」。与此同时 AA CyberGym 端到端实测给出 94.7%、26 个模型中第一——两个数字口径不同,不宜直接比较。
阅读本站全文 → (本站原创整理)
来源:本站 2026-11-16 检索
上线由专业 AI 媒体与评测圈覆盖(AA、LMArena、LiveBench、Agent Arena、OrcaRouter、Simon Willison、Hacker News 首页 504 分),中文有凤凰网科技与掘金等约 8 家技术 outlets;但未见 TechCrunch、The Verge、Reuters 等综合主流媒体,也未见机器之心、新智元的专稿。证据深度足够,传播广度不足。
来源:GeekByte,2026-11-11 16:26 UTC;检查点由 NVIDIA Model Optimizer v0.48.0 转换
NVIDIA 在 Hugging Face 发布 NVFP4 格式检查点。NVIDIA 自测与 Moonshot 原版基本持平:GPQA 93.84 对 93.97、AA-LCR 82.06 对 81.69、IFBench 73.40 持平,另有 SciCode 59.47、Terminal-Bench 2.1 87.78;但下载体积不减反增,约 1.61TB 对原版约 1.56TB。仅支持 Blackwell 架构(在 GB300 上实测),另加一份 NVIDIA Open Model Agreement。未公布吞吐数字,速度收益仍待独立验证。
来源:KarLexAI,Hugging Face 仓库 KarLexAI/Kimi-K3.1-Pro-GGUF(本站 2026-11-17 读取)
KarLexAI 发布社区 GGUF 构建:最小完整版 KLX-IQ1_S 592.7 GB,可跑原生 llama.cpp,8×H100 单节点、131K 上下文约 19 tok/s;另有 IQ1_M 647.9 GB、IQ2_XXS 709.9 GB,以及 vLLM 75% 专家剪枝版 475.5 GB(上传者自认质量下降大)。上传者自报 AIME 2025 80.0%、MATH-500 91.0%、IFEval 94.0%,平均 KL 散度 0.106——全部未经独立验证,引用时须注明是上传者自报。另附约 0.9 GB 的视觉投影文件,支持图像输入。
来源:Fireworks AI,2026-11-17 更新(SII 快照 2026-11-09)
Fireworks 的专业智能指数(SII)在 21 个从业者自建基准上对照 K3.1 Pro 与前代及 Claude Opus 5.5,另对 4 项任务做了深挖。对 K3:17 项共享基准赢 14 项,Legacy-Bench(遗留代码维护)完成率 62.5% 对 54.3%,模型花费低 48%;但 FrontierMemory(记忆创建)低 22%,LAB Contracts(合同审查)从 8.3 跌到 3.0(-64%)。对 Opus 5.5:τ³-Banking(银行客服)解决率 63.3% 对 56.0%,但每次成功解决 $1.51 对 $0.80、耗时 2 倍多;CorporateBench(公司记录)78.4 对 75.4,每题 $0.47 对 $2.80;Parallel Search 74.2 对 75.4,每题 $0.27 对 $0.95。ORCA(生产事故根因定位)32.9%,落后于 Astra 的 50.2%。全部结果是基准分数与路由模拟,不是真实客户部署。
阅读本站全文 → (本站原创整理)
来源:Fixstars(Zenn),2026-11-13(8×B300 单节点,vLLM,AgentX InferenceXv3)英文转述 →
单节点 8×B300、vLLM 上,K3.1 Pro 并发 64 时每用户解码 64.4 tok/s(K3 同条件 38.7),并发 32 时 89.7 对 72.3;OpenRouter 官方高速版模型约 58 tok/s/用户(环境不同,不可直接对比)。自制汇编优化基准(12 题×3 次,Harbor/mini-swe-agent):K3.1 Pro 0.9494 分,10 个模型中第 1,DeepSeek-V4.1-Flash-1017 第二(差距极小)、K3 第 7。限定:速度采样仅 4 分钟(官方建议 30 分钟以上);汇编基准为作者自制、面向自家业务。注意:这是标准版权重自托管速度,不是 Kimi 官方高速版 API。
来源:Ultralytics,2026-10-24(发布;10 月 31 日更新)原文 →
Ultralytics 用 Kimi K3.1 Pro 给 36 个数据集做自动标注:mAP50 0.444,39 个模型里第 9,比 K3 的 0.334 高约三分之一,25 个数据集有提升;体育类从 0.28 升到 0.68,但水下、货架、电路板、安防 X 光等场景偏弱。实测跑 high 档(max 档 40% 的请求超过 115 秒限制);请求耗时中位 22.2 秒,1000 张图约 $22.50。见第 12 节。
以下 7 篇均为本站原创改写与再整理的深度文章——重新组织结构、补充结论与选型建议,事实与数据与原始测评核对一致。点击任意一篇在本站内阅读,文末附原始出处。
独立榜单的证据是本站专题里最厚的:AA、LMArena、LiveBench、Agent Arena 四家互相印证。厂商博客的 14 项基准则几乎全是自报——先看独立数字,再看厂商表。
| 独立榜单(AA / LMArena / LiveBench / Agent Arena) | Kimi K3.1 Pro | 备注 |
|---|---|---|
| AA 指数 v4.3.2(2026-10-23) | 55 | 全榜第四(215 个模型);单任务成本 $2.11 |
| AA 指数 v5.0(约 11 月 13 日) | 46 | 仍为开源最强;换版重测,不可与 55 跨版比较 |
| AA Terminal-Bench 4.0(AA 实测) | 67.2% | 该页面所有模型中最高;厂商自报 65.7% |
| AA 网络安全指数(11 月 13 日) | 64 | Hy4 58、DeepSeek-V4.1-Flash-1017 57 |
| AA CyberGym 端到端(AA 实测) | 94.7% | 26 个模型中第一;GPT-6 Sol 93.1% |
| AA 编程 Agent 指数 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,差距不显著 |
| LMArena WebDev | 1687 Elo | HTML 1689,104 个模型中第 10 |
| LiveBench 编程 / 推理 / 浏览器 | 67.8% / 91.1% / 75.9% | 推理 31 个模型中第 8;浏览器第 13 |
| Agent Arena | 开源第一 | 全榜第 13;净提升 +5.1%(Max 档);17,500+ 真实会话 |
| DuelLab GameBench 2 | 78.3 | 第 10;Max Intensive 84.0 |
| Terminal-Bench 4.0(R40 调整后,2026-11-03) | 61.4% | R40 Research;复现 66.7%(AA 官方 67.2%),剔除评分漏洞与未完成通过后降至 61.4%;作者称「最可能」为教师训练所致,无法证明 |
| MMMU-Pro | 83.9% | Artificial Analysis,2026-10-23;第 27 名;BenchLeader 11 月 17 日读取 |
| Coarena 电脑使用榜 | 第 6/24 名 | 评分约 1056±21,胜率约 34.7%;agent 自报完成率 76.7%–76.8%、中位耗时 3.9 分钟、每次完成约 $1.22;手机榜第 9–10/24 名(完成率 92.6%);本站 11 月 18 日读取,该榜每 5 分钟刷新、数字为快照 |
| Epoch 能力指数 ECI(50+ 基准合成) | 161.4 分 | 第 17 名;Epoch 数据文件最新成绩日期 2026-11-17;本站经 BenchLeader 11 月 18 日快照读取;Epoch 提醒指数绝对值本身无独立意义,只有模型间比较有意义 |
| AA-LCR(长上下文推理) | 86.3% | 第 2/226;AA 独立运行(经 BenchLM 2026-11-19 快照);Kimi K3 88.7% 第一;与 NVIDIA NVFP4 自测的 81.69% 为不同运行口径 |
| SII Legacy-Bench(Fireworks,2026-11-09 快照) | 62.5% | K3 54.3%;多完成 15%,模型花费低 48% |
| SII τ³-Banking(Fireworks,2026-11-09 快照) | 63.3% | Opus 5.5 56.0%;每次成功解决 $1.51 对 $0.80 |
| SII CorporateBench(Fireworks,2026-11-09 快照) | 78.4 | Opus 5.5 75.4;每题 $0.47 对 $2.80 |
| SII Parallel Search(Fireworks,2026-11-09 快照) | 74.2 | Opus 5.5 75.4;每题 $0.27 对 $0.95 |
| SII Big Finance(Fireworks,2026-11-09 快照) | 48.2% | 与 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 为 44.3%(Opus 5.5 未测) |
| BrowseComp(网络检索) | 92.1% | 第 3/62;厂商自报(Inference360 榜单,2026-11-19 读取);榜首 Atria Dawn Preview 92.5% |
| Ultralytics UL37 自动标注(36 个数据集) | 0.444 mAP50 | 39 个模型第 9;较 K3 的 0.334 提升约三分之一,25 个数据集有提升;体育类 0.28→0.68;水下/货架/电路板/安防 X 光等场景弱;high 档,请求中位 22.2 秒,1000 张图约 $22.50 |
| 测试(厂商自报) | Kimi K3.1 Pro | Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 66.4% | 58.2% |
| BenchCAD(带工具) | 92.7% | 96.2% | 95.9% |
| BenchCAD(不带工具) | 72.8% | 73.0% | — |
| Kimi Code Bench 3.0 长程 | 61.2% | — | — |
| Kimi Code Bench v2(内部编码 Agent 基准,模型卡所列) | 77.1% | — | — |
| HLE-Full(带工具,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(带工具,幻觉率↓) | 8.3% | — | — |
| xdev-bench-hard pass@3(网络安全) | 81.0% | — | — |
完整盘点见本站基准测试专文 →
| 维度 | Kimi K3.1 Pro | Kimi K3 |
|---|---|---|
| 总参数 / 激活 | 2.8T / 104B | 2.8T(同一基座) |
| 架构改动 | Gated DSA 取代 Gated MLA(唯一改动) | Gated MLA 全注意力层 |
| AA 指数 v4.3.2 | 55 | 44 |
| LMArena 文本榜 | 1488.0(第 24) | 1487.4(差距不显著) |
| Agent Arena 净提升 | +5.1%(Max 档) | +0.9% |
| Kimi Code Bench 3.0 长程 | 61.2% | 55.95% |
| 幻觉率(带工具) | 8.3% | 23.4% |
| xdev-bench-hard | 81.0%(削弱后) | 33.3% |
| 金融建模 / 研究 / 业务运营 | 57.6 / 70.4 / 37 | 50.4 / 58.8 / 8.9 |
| 价格(输入 / 输出) | $2 / $10 | 约贵三分之一(K3.1 Pro 更便宜) |
| 许可证 | 自定义 Kimi K3.1-Pro License | Modified MIT |
| 发布 | API 2026-10-23;权重 2026-11-05 | 2026 年 7 月 |
两代之间的变化是真实的:同一基座、更大后训练算力、一处架构改动,AA 指数 44→55,幻觉率 23.4%→8.3%,金融业务运营 8.9→37(约 4.2 倍),价格反而便宜约三分之一。唯一「退步」的是许可证:K3 的 Modified MIT 换成了带商业条件的自定义许可。详见本站对比专文。
| 维度 | Kimi K3.1 Pro | DeepSeek-V4.1-Flash | 腾讯 Hy4 |
|---|---|---|---|
| AA 指数 v5.0 | 46(开源最强) | — | 35 |
| AA 网络安全指数 | 64 | 57 | 58 |
| xdev-bench-hard pass@3 | 81.0%(削弱后) | 85.7% | — |
| AA CyberGym 端到端 | 94.7%(第 1/26) | — | — |
| AA Terminal-Bench 4.0(AA 实测) | 67.2% | — | — |
| 权重规模 | 约 1.56TB(96 分片) | — | — |
| API 价格(输入 / 输出) | $2 / $10 | — | TokenHub ¥6 / ¥18(年底前半价) |
| 许可证 | 自定义 Kimi K3.1-Pro License | — | — |
「开源最强」的头衔来自 AA 指数 v5.0 的 46 分与 Agent Arena 开源第一;但 xdev-bench 上 DeepSeek-V4.1-Flash 的 85.7% 高于 K3.1 Pro 削弱后的 81.0%——网络安全这一项,K3.1 Pro 不是开源第一。表中留空处为本轮调研未核实到可比口径,本站不编造数字。详见本站对比专文。
读深度对比:Kimi K3.1 Pro vs Kimi K3 → · 读深度对比:Kimi K3.1 Pro vs 开源对手 →
K3.1 Pro 的混淆主要来自四个地方:两个发布日、许可证、AA 的两个版本号、被削弱的网络安全分数——逐条澄清如下。
11 月 5 日(北京时间)只是权重公开日;模型与 API 早在 10 月 23 日(美国时间)就已上线,AA 当日已评出 55 分。只写 11 月 5 日会把模型写年轻了 12 天,本站两个日期同时写明。
Modified MIT 是前代 Kimi K3 的许可证。K3.1 Pro 用的是自定义 Kimi K3.1-Pro License:MaaS 收入 12 个月内超 $20M 需另签协议;月活超 1 亿或月收入超 $20M 的产品须标明模型名。把 K3 的许可证套到 K3.1 Pro 头上是错的。
55 分是 AA 指数 v4.3.2(10 月 23 日),46 分是 v5.0(约 11 月 13 日重定版,换了评测集)。两个版本号的分数不可直接比较;v5.0 的 46 分仍是全榜最强的开源权重模型。
AA 页面的一处测量约为 73.5 tok/s,但另一口径约为 49.7 tok/s,速度榜约 186/192 位。两个数字互相冲突,本站不采纳任何单一速度数字;「慢」的方向则与 eesel.ai「but slow」的评价一致。
81.0% 是刻意削弱后的数字:Moonshot 主动移除了网络安全相关训练数据,未清理检查点为 90.5%。削弱是厂商自己写明的选择,不是能力上限;但发布版的 81.0% 确实低于 DeepSeek-V4.1-Flash 的 85.7%,网络安全任务上它不是开源第一。
K3.1 Pro 是 Kimi K3 的后训练产物,同一 2.8T 基座;唯一的架构改动是 24 层 Gated DSA 取代 K3 的全注意力 Gated MLA 层。参数规模没变,变的是后训练算力。
权重公开、无门槛下载(Hugging Face 仓库 moonshotai/Kimi-K3.1-Pro,96 个分片约 1.56TB),但许可证是自定义的 Kimi K3.1-Pro License,不是 MIT:MaaS 收入 12 个月内超 $20M 需另签协议;月活超 1 亿或月收入超 $20M 的产品须标明模型名。详见本站自托管指南。
两个日期:API 与产品 2026 年 10 月 23 日上线(北京时间 10 月 24 日),完整权重 2026 年 11 月 5 日公开(北京时间;美国时间 11 月 4 日)。本专题以权重公开日为时间锚,两个日期同时写明。详见本站发布总览。
Kimi K3(2026 年 7 月基座,2.8T):K3.1 Pro 是它的后训练产物,不是新基座;唯一架构改动是 24 层 Gated DSA 取代 K3 的全注意力 Gated MLA 层。详见本站对比专文。
不快。AA 两次测量互相冲突(约 49.7 与约 73.5 tok/s),速度榜约 186/192 位;eesel.ai 的评价是「每 token 又聪明又便宜,但很慢」。高速版厂商称快 2–3 倍,但没有已公布的 tok/s 数字。详见本站基准专文。
能,但门槛极高:权重约 1.56TB,2-bit 约 861GB 显存、4-bit 约 1,509GB;单台 8×B300 节点(2,304GB HBM3e)可装下,或四台 8×H100 节点;消费级显卡无法运行。详见本站自托管指南。
刻意削弱:Moonshot 从中期训练与强化学习中移除了网络安全相关数据,未清理检查点 xdev-bench-hard 为 90.5%,发布版为 81.0%。厂商自己的说法是,发布版的能力「仍落后于至少三个月前就已公开的前沿专有模型」。详见本站基准专文。
同一模型的能力线、更快的输出版本:厂商称输出快 2–3 倍,定价 $4/$20(标准版的两倍),Bedrock 上架的也是高速版。但没有已公布的 tok/s 数字,也没有独立的高速版权重仓库,是否独立检查点尚不清楚。详见本站价格指南。
本页事实均来自以下公开来源(官方博客与 HF 模型卡直读于 2026 年 11 月 16 日凌晨;其余核查于 2026 年 10 月 23 日至 11 月 16 日)。无链接的条目为按名称与日期引用的报道原文,本站核查时读过但不虚构链接。
更多索引:月之暗面的全部模型专题 · 全部大语言模型 · 全部模型