最后更新 2026-11-20
EN 简体 繁體

Kimi K3.1 Pro vs 开源对手:最强开源权重?

ModelBrief · 2026-11-16 发布 · 事实核查 2026-11-16 · 参考来源:Artificial Analysis、Moonshot 技术博客

「开源最强」是 Kimi K3.1 Pro 最响亮的头衔,来源是 Artificial Analysis 指数 v5.0 的 46 分与 Agent Arena 的开源第一。但这个头衔的含金量要分项看:综合指数上它确实领先,网络安全这一项上它输给了 DeepSeek-V4.1-Flash。本文用已核实到可比口径的数字,对比 DeepSeek-V4.1-Flash 与腾讯 Hy4,并把缺口如实列出来——没有可比口径的地方,本站不编造数字。

头衔的来源:AA 指数 v5.0 与 Agent Arena

AA 指数 v5.0(约 11 月 13 日):K3.1 Pro 46 分,全榜最强的开源权重模型;Hy4 35 分。v4.3.2 版:K3.1 Pro 55 分,全榜第四——同一版本下,Opus 5.5 58 分、Sonnet 5.5 56 分、GPT-6 Astra 53 分,K3.1 Pro 距离闭源旗舰只有 3 分。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。AA 实测 Terminal-Bench 4.0:67.2%,该页面所有模型中最高。这四项是「开源最强」的全部依据——综合指数、Agent 实战、终端任务,三处互相印证。

网络安全:AA 指数领先,xdev-bench 输给 DeepSeek

AA 网络安全指数(11 月 13 日):K3.1 Pro 64 分,Hy4 58 分,DeepSeek-V4.1-Flash-1017 57 分——K3.1 Pro 领先 6–7 分。AA CyberGym 端到端(AA 实测):K3.1 Pro 94.7%,26 个模型中第一,GPT-6 Sol 93.1%。但 xdev-bench-hard pass@3(厂商自报口径):K3.1 Pro 发布版 81.0%,DeepSeek-V4.1-Flash 85.7%——这一项 DeepSeek 领先 4.7 分。原因本站在基准专文里写过:K3.1 Pro 的 81.0% 是刻意削弱后的数字,未清理检查点为 90.5%。如果拿未清理版比较,K3.1 Pro 是 90.5% 对 85.7%,领先;拿发布版比较,它是 81.0% 对 85.7%,落后。用户实际能下载到的版本是发布版,所以「网络安全开源第一」这个说法对 K3.1 Pro 不成立。

AA 网络安全指数对照(2026 年 11 月 13 日) Kimi K3.1 Pro 腾讯 Hy4 DeepSeek-V4.1-Flash Kimi K3.1 Pro 64 腾讯 Hy4 58 DeepSeek-V4.1-Flash 57 AA 网络安全指数,2026 年 11 月 13 日;橙色为 Kimi K3.1 Pro
AA 网络安全指数(分;Artificial Analysis,2026 年 11 月 13 日;橙色为 Kimi K3.1 Pro)

规模与价格:K3.1 Pro 是最大的,也是最贵的之一

参数规模:K3.1 Pro 2.8T 总参数、104B 激活;Hy4 770B 总参数(本站 Hy4 专题数据)。K3.1 Pro 的规模约为 Hy4 的 3.6 倍,权重也相应更大:1.56TB 对 Hy4 的可下载权重(本站未核实 Hy4 权重的具体大小,不展开)。价格:K3.1 Pro $2/$10;Hy4 TokenHub ¥6/¥18,年底前半价。DeepSeek-V4.1-Flash 的 API 价格本轮调研未核实到,不填。规模最大、价格不低——K3.1 Pro 的「开源最强」是用最大的模型、最重的权重换来的,这一点在自托管指南里会算得更清楚。

缺口:Qwen4-Max 与 GLM-5.3-Flash 为什么没进表

两个最值得对比的对手没进对比表,原因是缺少可比的独立分数:Qwen4-Max(本站专题,11 月 11 日发布)与 GLM-5.3-Flash(K3.1 Pro 的底座)都没有已核实到的 AA 指数 v5.0 同版分数、LMArena 或 LiveBench 同口径分数。GLM-5.3-Flash 只有一处可比数字:它是 K3.1 Pro 的底座,但底座本身的独立评分不在本轮调研范围内。DeepSeek-V4.1-Flash 与 Hy4 的 AA 指数 v5.0 同版分数、LMArena 与 LiveBench 分数同样未核实到,表中留空。这不是疏忽,是诚实:没有可比口径的对比表,比填满数字的对比表更有用。8 小时跟踪循环的首要盯梢项,就是这些对手的同版分数补齐。

怎么选:三类任务的建议

综合 Agent 任务:选 K3.1 Pro——AA 指数 46 分开源最强、Agent Arena 开源第一、TB 4.0 AA 实测 67.2% 页面最高,三项互相印证。网络安全任务:选 DeepSeek-V4.1-Flash——xdev-bench 85.7% 高于 K3.1 Pro 发布版的 81.0%,且 DeepSeek 没有主动削弱。预算敏感的中文任务:Hy4 的 TokenHub ¥6/¥18(年底前半价)值得比较,但 Hy4 的 AA 指数 35 分与 K3.1 Pro 的 46 分有差距,便宜的代价是能力降级。注意:以上建议只基于已核实到的可比口径;Qwen4-Max 与 GLM-5.3-Flash 的分数补齐后,建议可能调整。

FAQ

Kimi K3.1 Pro 真的是开源最强吗?

综合指数上是:AA 指数 v5.0 46 分为开源最强,Agent Arena 开源第一。但网络安全这一项不是:xdev-bench 发布版 81.0% 低于 DeepSeek-V4.1-Flash 的 85.7%。

为什么 xdev-bench 上 DeepSeek 更高?

因为 K3.1 Pro 的 81.0% 是刻意削弱后的数字:Moonshot 移除了网络安全相关训练数据,未清理检查点为 90.5%。拿未清理版比较,K3.1 Pro 是领先的;但用户能下载到的发布版是 81.0%。

Qwen4-Max 和 GLM-5.3-Flash 怎么没对比?

缺少可比的独立分数:两者的 AA 指数 v5.0 同版分数、LMArena 与 LiveBench 同口径分数,本轮调研未核实到。本站不编造数字,等分数补齐后再对比。

ModelBrief 的看法:「开源最强」这个头衔,K3.1 Pro 配得上——但只在综合指数与 Agent 实战上配得上。网络安全这一项,DeepSeek-V4.1-Flash 的 85.7% 高于它发布版的 81.0%,这是厂商主动削弱的代价。选模型不要只看头衔,要看任务:综合 Agent 选 K3.1 Pro,网络安全选 DeepSeek,预算敏感看 Hy4。