Moonshot AI 发布 Kimi K3.1 Pro：2.8T 总参数、104B 激活的 MoE 模型，支持 1M 上下文

Moonshot AI 刚刚发布了 Kimi K3.1 Pro，这是其 K3.1 系列的首个模型。Kimi K3.1 Pro 是一款 3T 级开放权重*模型，拥有 100 万 token 的上下文窗口。Moonshot 团队将其定位为在编程、智能体和知识基准上对标最强的专有模型。对开发者而言，它的 API 定价比 K3 更便宜，且开放权重尚未提供。*开放权重预计于 2026 年 11 月发布。

TL;DR

规模：总参数 2.8T，激活参数 104B（MoE），100 万 token 上下文。
运行方式：目前通过 Kimi API 提供。对于 K3，Moonshot 建议使用 64 个以上加速器的超级节点，采用 MXFP4 权重和 MXFP8 激活。它不是单 GPU 模型。
性能：在终端编程上接近专有模型前沿；在科学终端任务上落后。
最佳：SWE-Marathon 51.7，在 Kimi 图表中领先所有模型（自报数据）。
最差：Terminal-Bench Science 0.1 为 38.1，而 Kimi 图表中 GPT-6 Astra 为 68.1。

Kimi K3.1 Pro 是什么？

Kimi K3.1 Pro 是 Kimi K3 的后训练版本，后训练算力大幅增加。Moonshot 团队在数百个下游领域进行了联合强化学习。为支持这一点，Moonshot 团队优化了 RL 框架、长上下文推理、沙箱基础设施和 rollout 调度。

基础 K3 架构采用 Kimi Delta Attention（KDA）和 Attention Residuals（AttnRes）。它通过 Stable LatentMoE 框架激活 896 个专家中的 16 个。该模型通过 API 接受文本、图像和视频，详见快速入门文档。

Moonshot 团队还推出了 Kimi K3.1 Pro Highspeed。根据 Moonshot 官方博客，它的运行速度快 2 到 3 倍。

Kimi K3.1 Pro 在基准测试中表现如何？

以下所有数字均为 Moonshot 在 max 推理强度下自报，大多使用 Claude Code 测试框架。

编程：在 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%。在 Kimi 图表中，这仅落后于 Claude Opus 5.5 的 66.4%。在 SWE-Marathon 上它以 51.7 领先，超过 Opus 5.5 的 46.3。在内部基准 Kimi Code Bench 3.0 Long-horizon 上，它得分 61.2，高于 K3 的 55.95。
科学：Terminal-Bench Science 0.1 是明显的差距。在 Kimi 图表中，K3.1 Pro 得分 38.1，而 GPT-6 Astra 为 68.1，Opus 5.5 为 63.3。
3D 与 CAD：在带工具的 BenchCAD 上，K3.1 Pro 得分 92.7。Opus 5.5 得分 96.2，GPT-6 Astra 得分 95.9。不带工具时，K3.1 Pro 得分 72.8，接近 Opus 5.5 的 73.0。
金融：K3.1 Pro 在 OfficeQA Pro v2 上报告了最先进的 64.4。它在 Frontier Finance 上得分 58.6。在内部金融测试中，相比 K3，它在建模上提升 7.2 分，在研究上提升 11.6 分。
幻觉：在内部压力测试 Kimi Hallu Bench Hard 上，声明级幻觉从 23.4%（K3）降至 8.3%。这大致相当于 Moonshot 所称的 65% 降幅。在同一测试中，GPT-6 Astra 仍以 5.5% 保持更低。

Kimi K3.1 Pro 如何处理网络风险？

为开放权重发布，Moonshot 从中训练和 RL 中移除了网络相关数据。在其内部 xdev-bench-hard 上，未过滤的检查点在 pass@3 下解决了 90.5%。发布的 K3.1 Pro 解决了 81.0%。Moonshot 表示，它在攻击性网络任务上仍落后于前沿专有模型。

开发者如何访问 Kimi K3.1 Pro？

该模型已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。API ID 为 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed。端点兼容 OpenAI。

K3.1 Pro 的定价为每百万 token 输入 $2.00、输出 $10.00。缓存命中费用为 $0.20。Highspeed 为输入 $4.00、输出 $20.00。K3 本身的定价为 $3.00 和 $15.00。

快速入门中的实际限制：

思考模式始终开启。推理强度为 low、high 或 max（默认 max）。
Temperature 1.0 和 top-p 0.95 为固定值。
输出默认 131,072 token，最高可达 1,048,576。
最低充值 $1 后即可解锁访问。
视觉输入不接受公开图片 URL。请使用 base64 或上传的文件 ID。

与竞品模型相比如何？

*数据取自 Kimi 的对比图表；未在竞品自家页面上得到确认。

有哪些限制？

权重尚未公开，因此目前无法自行部署。
2.8T 的规模意味着多节点、超级节点级服务。
在偏重科学的终端任务上，落后 GPT-6 Astra 和 Opus 5.5 超过 25 分。
若干宣称的胜绩来自内部基准测试。
对于 K3，Moonshot 曾警告在 harness 中丢弃推理历史会导致输出不稳定。K3.1 Pro 文档也要求返回完整的 assistant 消息。

要点

Kimi K3.1 Pro：总参数 2.8T，激活参数 104B，上下文 1M。
Terminal-Bench 4.0 得分 65.7%，落后 Opus 5.5 0.7 分。
以 51.7 领先 SWE-Marathon；在 Terminal-Bench Science 上大幅落后（38.1）。
API 价格为每百万 token $2/$10，比 K3 更便宜。
开放权重预计于 2026 年 11 月发布。

查看官方技术博客、API 快速入门 以及 X 上的发布帖。所有功劳归于本项目的研究者。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的 Newsletter。等等！你在用 Telegram 吗？现在你也可以在 Telegram 上加入我们了。

需要与我们合作推广你的 GitHub Repo、Hugging Face 页面、产品发布或网络研讨会等？联系我们

文章 Moonshot AI Releases Kimi K3.1 Pro: A 2.8T Total/104B Active Params (MoE) Model with 1M Context 首发于 MarkTechPost。