一句话总结
距离 K3 开源已经过去三个多月，月之暗面（Moonshot AI）又掏出了 Kimi K3.1 Pro——一款 2.8 万亿总参 / 1040 亿激活的 MoE 模型，100 万 token 上下文、原生多模态，并承诺 11 月 4 日（今天）放出完整权重。在官方自测的 14 项基准里，它有 6 项第一、对 Claude Opus 5.5 胜 9/14、对 GPT-6 Astra 胜 10/14——开源模型追到与闭源旗舰「互有胜负」，是这轮最值得关注的一件事。
数据来源：月之暗面官方技术博客《Kimi K3.1 Pro: Advancing Open Intelligence》（kimi.com，2026-10-24）与官方 X 账号（2026-10-23）；Artificial Analysis、latent.space、NYU Shanghai RITS 的第三方评测与报道。
这是什么：K3 的「大力出奇迹」后训练版
图源：kimi.com 官方技术博客《Kimi K3.1 Pro》页面截图（2026-11-04）
K3.1 Pro 不是从零训的新模型，而是 K3 的后训练（post-trained）版本——月之暗面 7 月开源的 K3 已经是 2.8 万亿参数的 MoE，K3.1 Pro 在这套权重上灌了「大得多的后训练算力」，用强化学习（RL）在数百个领域里滚。结果是同一套参数量，能力再往上拔一截。
规格上：2.8T 总参 / 104B 激活（MoE 稀疏激活）、100 万 token 上下文、原生多模态。同步还发了一个 K3.1 Pro Highspeed，官方称快 2–3 倍，用于需要更快响应的场景。两者现在都已上线 Kimi.com、Kimi Work、Kimi Code 和 Kimi API（platform.kimi.ai）。
最关键的一句是官方的承诺：「完整权重将在 11 月 4 日放出」——也就是今天。这是继 K3 之后，又一个 3T 级开源权重落地。
基准成绩：6 项第一，但短板也很明显
图源：kimi.com 官方技术博客《Kimi K3.1 Pro》基准测试段落截图（2026-11-04）
把官方自测图表摊开，K3.1 Pro 在 14 项基准里拿到 6 项第一（SWE Marathon 51.7、Humanity’s Last Exam 70.0、OfficeQA Pro v2 64.4、Agents’ Last Exam 43.2、ZeroBench 63.0、GDP.pdf 34.6），头对头看：
- Terminal-Bench 4.0 65.7%——高于 GPT-6 Astra 的 58.2%，仅落后 Claude Opus 5.5 的 66.4%，差 0.7 个点；
- SWE Marathon 51.7——长程软件工程任务第一，Opus 5.5 是 46.3；
- HLE（带工具）70.0——专家级问答第一，Opus 5.5 是 67.7、Astra 只有 57.2；
- OfficeQA Pro v2 64.4——真实金融文档分析第一；
- BenchCAD（带工具）92.7——逼近 Opus 5.5 的 96.2。
但短板同样醒目：Terminal-Bench Science 只有 38.1，而 GPT-6 Astra 是 68.1、Opus 5.5 是 63.3——在「科学计算」这一项上，K3.1 Pro 明显掉队，是 14 项里最弱的一环。
第三方怎么看？Artificial Analysis 把它放进智能指数（Intelligence Index）后给了 55 分、排第四，排在 Opus 5.5（58）、Sonnet 5.5（56）、Muse Wonder Full（56）之后。这个分数比官方「直逼闭源旗舰」的叙事保守一些，但对一款开源模型来说已经是历史级的位置——此前开源与闭源之间常年隔着 10 分以上的鸿沟。
金融与幻觉：两个「实用向」的提升
图源：platform.kimi.ai 首页截图（2026-11-04）
月之暗面这次明显在往「企业实用」方向打，两个数字值得单独拎出来：
- 金融能力：内部基准上，K3.1 Pro 相比 K3 在金融建模上 +7.2 分、金融研究 +11.6 分，模拟商业运营场景得分约是 K3 的 4.2 倍。官方 X 帖直接用「幻觉下降 65%」来概括金融场景的可靠性提升。
- 幻觉率：在 Kimi Hallu Bench Hard 上，声明级（claim-level）幻觉率从 K3 的 23.4% 降到 8.3%，含事实错误的回复占比降到前代的 42.4%。对金融、法律这类「错一个字就出事」的场景，这个下降比智商分更值钱。
另一个值得注意的细节来自 NYU Shanghai 的报道：月之暗面在发布前刻意移除了网络攻击相关的训练数据——从 mid-training 语料和 RL 环境里都拿掉了。这被解读成「要发一个有竞争力的开源模型，同时主动削弱其进攻性网络能力」的一次试验。开源权重一旦放出，这个「减配」到底减了多少，社区很快就能验证。
对普通用户意味着什么
- 开源权重今天落地，是真正可以下载、本地跑的 3T 级模型。 跟 K3 一样，只要硬件扛得住（2.8T 权重对显存要求很高，多数人得靠云上或量化版），就能自己部署、微调、做私有化。
- 编码与 Agent 能力已经是「咬住闭源旗舰」的水平。 Terminal-Bench、SWE Marathon 这种真实代码任务上，它和 Opus 5.5 的差距已经缩小到个位数字，对预算敏感、又想要开源可控性的团队是现实选项。
- 短板同样要心里有数。 科学计算（Terminal-Bench Science）明显弱，说明它不是「全科满分」，选型时得看自己到底跑什么任务。
- 国内用户上手成本最低。 Kimi 本身就是国内可直接用的产品，K3.1 Pro 已上线 Kimi 家族和 API 平台，无需代理、无需海外账号即可体验——这是它相对海外开源模型最实在的优势。
图片出处：封面由 UU AI Hub 自制；正文三张配图分别为 kimi.com 官方技术博客页面截图、platform.kimi.ai 首页截图（均于 2026-11-04 获取）。
