月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出

月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出 · AIHOT

Moonshot AI：Kimi Blog

·

2026-10-24 00:00

10 小时前

精选

AI 评分

81

月之暗面发布 Kimi K3.1 Pro，100 万 token 上下文，开放权重将于 11 月 4 日前释出

Kimi K3.1 Pro

AI 导读

月之暗面发布 Kimi K3.1 系列首个模型 Kimi K3.1 Pro，为 3T 级开放权重模型，上下文窗口 100 万 token，并同步推出速度快 2-3 倍的 Kimi K3.1 Pro Highspeed。

推荐理由

å®˜æ–¹å ¬å¸ƒäº†å ³é”®åŸºå‡†æˆç»©ã€å¼€æ”¾æƒé‡æ—¶é—´è¡¨å’Œç½‘ç»œå®‰å ¨æ•°æ®æ¸ ç†åšæ³•ï¼Œè¯»è€ å¯æ®æ­¤è¯„ä¼°è¿™ä»£å¼€æ”¾æƒé‡æ¨¡åž‹çš„å®žé™ èƒ½åŠ›è¾¹ç•Œã€‚

另外 11 家也报道了

正文 · AI 翻译

推出 Kimi K3.1 Pro

我们推出 Kimi K3.1 Pro ï¼Œè¿™æ˜¯æˆ‘ä»¬å ¨æ–° K3.1 系列的首个模型，也是我们迄今为止能力最强的 3T çº§å¼€æ”¾æƒé‡æ¨¡åž‹ï¼Œå ·å¤‡ 100 万 token 上下文窗口。它在编程、3D åˆ›ä½œã€é‡‘èžç ”ç©¶åŠå ¶ä»–æ™ºèƒ½ä½“èƒ½åŠ›æ–¹é¢å‡æœ‰å¤§å¹ æå‡ã€‚

我们还发布了 Kimi K3.1 Pro Highspeed ï¼Œå ¶é€Ÿåº¦æ˜¯ K3.1 Pro 的 2-3 å€ï¼Œäº¤äº’å“åº”æ›´è¿ æ·ã€‚

Kimi K3.1 Pro 和 Kimi K3.1 Pro Highspeed 即日起可在 Kimi.com 、 Kimi Work 、 Kimi Code 和 Kimi API 上使用。完整模型权重将于 11 月 4 日前发布。

拓展开放智能的边界

Kimi K3.1 Pro 是 Kimi K3 çš„åŽè®­ç»ƒç‰ˆæœ¬ï¼ŒåŽè®­ç»ƒç®—åŠ›å¤§å¹ å¢žåŠ ã€‚ä¸ºå®žçŽ°è·¨ 数百个下游领域 çš„å¤§è§„æ¨¡è”åˆå¼ºåŒ–å­¦ä¹ ï¼Œæˆ‘ä»¬ä¼˜åŒ–äº†æŠ€æœ¯æ ˆçš„æ¯ä¸€å±‚â€”â€”å¼ºåŒ–å­¦ä¹ æ¡†æž¶ã€é•¿ä¸Šä¸‹æ–‡æŽ¨ç†ã€è®­ç»ƒæ•ˆçŽ‡ã€æ²™ç®±åŸºç¡€è®¾æ–½ã€rollout è°ƒåº¦ï¼Œä»¥åŠç”¨äºŽçŽ¯å¢ƒè´¨é‡æ£€æŸ¥çš„å ±äº«å¹³å°â€”â€”ä½¿æ¯ä¸€ä»½å¼ºåŒ–å­¦ä¹ ç®—åŠ›çš„æŠ•å ¥éƒ½èƒ½å¸¦æ¥ç¨³å®šã€å¯é¢„æœŸçš„å›žæŠ¥ã€‚å› æ­¤ï¼ŒK3.1 Pro 在每个领域都取得了持续提升。

在编程、智能体和知识类基准测试中，K3.1 Pro 达到或接近最强专有模型的水平。在 Terminal-Bench 4.0 ä¸Šâ€”â€”è¯¥åŸºå‡†ä½¿ç”¨ä¸¥æ ¼çš„ä»»åŠ¡ä¸“å±žæµ‹è¯•ï¼Œè¯„ä¼°ç¼–ç¨‹æ™ºèƒ½ä½“åœ¨è´´è¿‘çœŸå®žã€èµ„æºå—é™çš„ç»ˆç«¯ä»»åŠ¡ä¸­çš„è¡¨çŽ°â€”â€” K3.1 Pro 得分 65.7%ï¼Œé¢†å ˆ GPT-6 Astra（58.2%ï¼‰ï¼Œä» ç•¥ä½ŽäºŽ Claude Opus 5.5（66.4%） 。在 Kimi Code Bench 3.0 Long-horizon ä¸Šâ€”â€”è¿™æ˜¯æˆ‘ä»¬å† éƒ¨çš„åŸºå‡†ï¼Œç”¨äºŽæµ‹è¯•ç¼–ç¨‹æ™ºèƒ½ä½“åœ¨å¤šæ ·å·¥ç¨‹é¢†åŸŸä¸­å¤šæ­¥éª¤æ‰§è¡Œã€å·¥å ·ä½¿ç”¨å’Œç«¯åˆ°ç«¯é—®é¢˜è§£å†³çš„èƒ½åŠ›â€”â€”K3.1 Pro 得分 61.2% ，高于 K3 的 55.95% 。

编程

K3.1 Pro è¦†ç›–å®Œæ•´çš„ç¼–ç¨‹å·¥ä½œï¼Œä»ŽçœŸå®žä»£ç åº“ä¸­çš„å¿«é€Ÿä¿®å¤åˆ°å®Œæ•´é¡¹ç›®æž„å»ºã€‚å®ƒè¿˜ä¸ºæ¸¸æˆå’Œç½‘é¡µä½“éªŒå¸¦æ¥æ›´è€ƒç©¶çš„è§†è§‰é£Žæ ¼ï¼Œå¹¶æ‡‚å¾—å¦‚ä½•ç”¨åˆé€‚çš„å·¥å ·æ¥æž„å»ºå®ƒä»¬ã€‚

K3.1 Pro 可在 Unity、Unreal Engine 和 Godot 等游戏引擎中高效工作，并结合网页搜索和 3D ç”Ÿæˆæ¥æ‰“é€ å®Œæ•´ä½“éªŒã€‚å ¶å‰ç«¯é¡µé¢ã€äº¤äº’å¼ Three.js 场景和 3D 资产在构图、排版、动画和精致度上表现更强。以下示例均由 K3.1 Pro 端到端创作：

K3.1 Pro çš„é•¿ç¨‹ç¼–ç èƒ½åŠ›ä¹Ÿé€šè¿‡å¤§è§„æ¨¡å¼ºåŒ–å­¦ä¹ å¾—åˆ°å¢žå¼ºã€‚ åœ¨ä¸€é¡¹å† éƒ¨æµ‹è¯•ä¸­ï¼Œå®ƒåœ¨ human-atlas 之上构建了一个集成训练与评估流水线的人体行走动力学模拟器；human-atlas æ˜¯ä¸€ä¸ªå¼€æºçš„äººä½“è§£å‰–æ¨¡åž‹ï¼ŒåŒ å« 296 个骨骼组件（含软骨）和 402 个肌肉组件。在 167 项任务和 420 æ¬¡ç‹¬ç«‹è¯„å®¡ä¸­ï¼Œå®ƒåˆ†æžå®žéªŒç»“æžœã€è¯Šæ–­é—®é¢˜å¹¶è¿­ä»£æ”¹è¿›è¡Œèµ°æŽ§åˆ¶å™¨ï¼Œä½¿æ¨¡æ‹Ÿäººä»Žæ•°ç§’å† ç˜«å€’å˜ä¸ºä»¥äº¤æ›¿æ­¥æ€è¿žç»­è¡Œèµ° 11.2 秒。当奖励塑形未能改善手臂运动时，K3.1 Pro å¹¶æœªä¸€å‘³ç»§ç»­è°ƒæ•´å¥–åŠ±ï¼šå®ƒå¯¹æ¨¡æ‹Ÿå™¨çš„åŠ¨åŠ›å­¦è¿›è¡Œäº†å¼€çŽ¯æŽ¢æµ‹ï¼Œè¯†åˆ«å¹¶çº æ­£äº†è‚©éƒ¨è‚Œè‚‰åŠ›è‡‚è®¡ç®—ä¸­çš„ 36 处错误，然后重新训练了控制器。

3D 建模与设计

K3.1 Pro 在 3D 创作和空间推理方面表现出色。 在 BenchCAD 上（该基准通过生成 CAD ä»£ç æ¥æµ‹è¯•åŸºäºŽå¤šè§†è§’æ¸²æŸ“çš„ 3D 重建）， K3.1 Pro åœ¨ä½¿ç”¨å·¥å ·æ—¶å¾—åˆ† 92.7% ，接近 Claude Opus 5.5（96.2%） 和 GPT-6 Astra（95.9%） çš„è¡¨çŽ°ã€‚æ ¹æ®æ–‡æœ¬ç®€è¿°ã€è‰å›¾æˆ–å‚è€ƒå›¾åƒï¼Œå®ƒèƒ½å¤ŸæŽ¨æ–­å½¢çŠ¶ã€æ¯”ä¾‹å’Œç©ºé—´å ³ç³»ï¼Œåˆ›å»ºå¯ç”¨çš„ 3D 模型。它对现有资产库和模型集合也有更强的掌握。

K3.1 Pro å°¤å ¶æ“ é•¿å‚æ•°åŒ–å»ºæ¨¡ï¼Œæ¶µç›–æœºæ¢°é›¶ä»¶ã€å»ºç­‘æ¨¡åž‹åˆ°å¯é ç½®äº§å“å’Œå®šåˆ¶å®¶å ·ã€‚ æ— éœ€ MCP 连接器，它就能为 Blender 和 CAD è½¯ä»¶ç­‰å·¥å ·ç¼–å†™å¹¶è¿è¡Œè„šæœ¬ï¼Œä»¥æž„å»ºå’Œä¼˜åŒ–èµ„äº§ã€ç¼–è¾‘ç»„ä»¶ï¼Œå¹¶è°ƒæ•´å‡ ä½•å½¢çŠ¶ã€æè´¨å’Œåœºæ™¯å¸ƒå±€ã€‚

以下是 K3.1 Pro 为品牌影片、游戏和交互式网页体验创建的 3D 资产示例：

3D Make 现已在 kimi.com 和 Kimi åº”ç”¨ä¸Šçº¿â€”â€”åœ¨çº¿é¢„è§ˆå’Œç¼–è¾‘ä½ çš„ 3D 模型，下载可直接用于 3D æ‰“å°çš„æ¨¡åž‹ï¼Œæˆ–å°†å ¶å¯¼å‡ºä¸ºè§†é¢‘æˆ–å®žå†µç §ç‰‡ï¼Œéšæ—¶éšåœ°åˆ†äº«ã€‚

金融

凭借更强的推理和智能体能力，K3.1 Pro 能够端到端交付完整的金融工作流。K3.1 Pro 在 OfficeQA Pro v2 ä¸Šå–å¾—æœ€å ˆè¿›çš„ç»“æžœï¼ˆ64.4）， 该基准通过检索、跨文档验证和多步数值推理，测试对真实金融文档的复杂财务数据分析。在衡量从筛选到盈利能力分析的完整投资工作流支持的 Frontier Finance 上，K3.1 Pro 也较 K3 有所提升。

K3.1 Pro åœ¨æˆ‘ä»¬æ‰€æœ‰å† éƒ¨é‡‘èžåŸºå‡†ä¸Šä¹Ÿå‡æœ‰æ˜¾è‘—æå‡ï¼š

• 金融建模 è¯„ä¼°çœŸå®žå»ºæ¨¡ä»»åŠ¡ä¸­çš„å ¬å¼è”åŠ¨ã€é‡‘èžé€»è¾‘å’Œæœ€ç»ˆå·¥ä½œç°¿è´¨é‡ã€‚K3.1 Pro 较 K3 提升 7.2 分。

• é‡‘èžç ”ç©¶ è¯„ä¼°æ¨¡åž‹èƒ½å¦åœ¨è¯æ®å’Œæˆªæ­¢æ—¶é—´çº¦æŸä¸‹äº§å‡ºå¯å®¡è®¡çš„ç ”ç©¶ã€‚K3.1 Pro 较 K3 提升 11.6 分。

• 商业运营 评估模拟商业环境中的长程管理和决策能力。K3.1 Pro 达到约 K3 的 4.2 倍表现。

è´¢åŠ¡åˆ†æžä¸ŽæŠ•èµ„ç ”ç©¶å¯¹äº‹å®žå‡†ç¡®æ€§çš„è¦æ±‚æžé«˜ã€‚ä¸ºæ­¤ï¼Œæˆ‘ä»¬é’ˆå¯¹ K3.1 Pro 在真实任务和挑战性提示上的 事实准确性 进行了定向改进。在 Kimi Hallu Bench Hard åŸºå‡†ï¼ˆæˆ‘ä»¬å† éƒ¨ç”¨äºŽåŽ‹åŠ›æµ‹è¯•äº‹å®žå‡†ç¡®æ€§çš„åŸºå‡†ï¼‰ä¸Šï¼Œå ¶å£°æ˜Žçº§å¹»è§‰çŽ‡ä»Ž K3 的 23.4% 降至 8.3%ï¼Œè€ŒåŒ å«è‡³å°‘ä¸€å¤„äº‹å®žé”™è¯¯çš„å›žç­”å æ¯”ä» ä¸ºå‰ä»£æ¨¡åž‹çš„ 42.4%。（该评估是对事实准确性的压力测试，示例刻意设计用于探查模型容易出错的场景。所报告的比率不代表日常使用中的整体错误率。）

以下案例展示了 K3.1 Pro åœ¨è´¢åŠ¡å»ºæ¨¡ã€æŠ•èµ„åˆ†æžå’ŒåŸºäºŽæ¥æºçš„ç ”ç©¶ä¸­çš„å®žé™ è¡¨çŽ°ï¼š

ç½‘ç»œå®‰å ¨

随着 K3.1 Pro èƒ½åŠ›å¢žå¼ºï¼Œæˆ‘ä»¬ç›¸åº”æŠ•å ¥äº†æ›´å¤§æ¯”ä¾‹çš„åŠªåŠ›æ¥ç†è§£ç½‘ç»œèƒ½åŠ›çš„æ¥æºï¼Œä»¥åŠæˆ‘ä»¬èƒ½åœ¨å¤šå¤§ç¨‹åº¦ä¸ŠæŽ§åˆ¶å®ƒã€‚å› æ­¤ï¼Œæˆ‘ä»¬åˆ†æžå¹¶è¯„ä¼°äº† K3.1 Pro çš„æ¼æ´žç ”ç©¶èƒ½åŠ›ï¼Œå¹¶åœ¨è®­ç»ƒæœŸé—´æ–½åŠ å®šå‘æŽ§åˆ¶ï¼Œä»¥é™ä½Žæ½œåœ¨æ»¥ç”¨é£Žé™©ï¼ŒåŒæ—¶ä¿ç•™é€šç”¨å®žç”¨æ€§ã€‚

è¯†åˆ«å¹¶ç§»é™¤ç½‘ç»œç›¸å ³æ•°æ®ã€‚ åœ¨å¼€å‘è¿‡ç¨‹ä¸­ï¼Œæˆ‘ä»¬è§‚å¯Ÿåˆ°æ¼æ´žç ”ç©¶æ€§èƒ½éšç€åŽè®­ç»ƒè§„æ¨¡æ‰©å¤§è€Œç¨³æ­¥æå‡ã€‚è¿½æº¯è¿™ä¸€è¶‹åŠ¿çš„æ¥æºï¼Œæˆ‘ä»¬å‘çŽ°ç½‘ç»œç›¸å ³å† å®¹åµŒå ¥åœ¨é€šç”¨ä¸­æœŸè®­ç»ƒè¯­æ–™ä¸­ï¼Œä¸”ç½‘ç»œç›¸å ³ä»»åŠ¡å­˜åœ¨äºŽ RL çŽ¯å¢ƒç»„åˆä¸­â€”â€”è¿™æ˜¯åŸºäºŽå¹¿æ³›æ•°æ®è®­ç»ƒçš„è‡ªç„¶äº§ç‰©ã€‚åœ¨å† éƒ¨æ¨¡åž‹çš„åˆæ­¥å®žéªŒä¸­ï¼Œæˆ‘ä»¬å‘çŽ°è‹¥åœ¨ä¸­æœŸè®­ç»ƒæˆ– RL é˜¶æ®µå‡ä¸ç§»é™¤æ•°æ®ï¼Œä¸‹æ¸¸ç½‘ç»œèƒ½åŠ›å°†å¤§å¹ æå‡ã€‚è¿™äº›å‘çŽ°ä¸ºæˆ‘ä»¬æä¾›äº†å ·ä½“çš„æŽ§åˆ¶æ æ†ã€‚å¯¹äºŽ K3.1 Pro çš„å¼€æ”¾æƒé‡å‘å¸ƒï¼Œæˆ‘ä»¬åœ¨ä¸¤ä¸ªè®­ç»ƒé˜¶æ®µå‡è¯†åˆ«å¹¶ç§»é™¤äº†ç½‘ç»œç›¸å ³æ•°æ®ï¼ŒåŒæ—¶ä¿ç•™äº†æ¨¡åž‹å®žç”¨æ€§æ‰€éœ€çš„é€šç”¨ç¼–ç¨‹ä»»åŠ¡ã€‚æˆ‘ä»¬å°†ç»§ç»­åœ¨æ¯ä¸ªè®­ç»ƒé˜¶æ®µæ–½åŠ é€‚å½“æŽ§åˆ¶ï¼Œç½‘ç»œç›¸å ³æ•°æ®çš„è¯†åˆ«ä¸Žé™åˆ¶ä¾¿æ˜¯å ¶ä¸­ä¸€ä¾‹ã€‚

评估与结果。 æ•°æ®æ¸ æ´—åŽï¼Œæˆ‘ä»¬åœ¨ xdev-bench-hard 上评估了 K3.1 Proï¼Œè¿™æ˜¯æˆ‘ä»¬å† éƒ¨çš„åŸºå‡†ï¼Œç”±ä¸“å®¶ç­–åˆ’ã€åŸºäºŽæºä»£ç çš„æ¼æ´žå‘çŽ°ä¸Žåˆ©ç”¨ä»»åŠ¡æž„æˆï¼Œç»è¿‡æ ¡å‡†ä»¥åœ¨å½“å‰èƒ½åŠ›æ°´å¹³ä¸Šæä¾›æœ‰æ„ä¹‰çš„åŒºåˆ†åº¦ã€‚å¤§å¤šæ•°ä»»åŠ¡å¿ å®žå¤çŽ°äº† Linux å† æ ¸ã€Node.js、JavaScriptCore、Exim 和 VirGL ç­‰è½¯ä»¶ä¸­è¿‘æœŸæŠ«éœ²çš„æ¼æ´žï¼Œå¹¶å¯ç”¨äº†ç¼“è§£æŽªæ–½ã€‚æ¯ä¸ªä»»åŠ¡æä¾›å­˜åœ¨æ¼æ´žçš„æºä»£ç ã€ç®€çŸ­çš„ç¼ºé™·æç¤ºä»¥åŠç›¸åº”çš„äºŒè¿›åˆ¶æ–‡ä»¶ï¼›æ™ºèƒ½ä½“å¿ é¡»å¼€å‘æ¼æ´žåˆ©ç”¨ï¼Œåœ¨ç‹¬ç«‹æ²™ç®±ä¸­å®žçŽ°ä»»æ„ä»£ç æ‰§è¡Œï¼Œå¹¶èŽ·å–ä¸€ä¸ªç§˜å¯†å­—ç¬¦ä¸²ä»¥ä¾›è‡ªåŠ¨éªŒè¯ã€‚æˆ‘ä»¬æŠ¥å‘Šéšæœºè¿è¡Œå­é›†ä¸Šçš„ pass@3ï¼Œä¸è®¾ç¡¬æ€§è¶ æ—¶æˆ–è¾“å‡º token 限制。

在 xdev-bench-hard ä¸Šï¼Œæœªé‡‡å–è¿™äº›é£Žé™©é™ä½ŽæŽªæ–½ï¼ˆè®­ç»ƒä¸­æœŸæœªç§»é™¤ç½‘ç»œç›¸å ³æ•°æ®ï¼Œä¹Ÿæœªå¯¹ç½‘ç»œç›¸å ³ RL 环境进行过滤）的检查点，在 pass@3 下解决了 90.5% 的问题；最终的 K3.1 Pro 达到 81.0%。这一对比表明，相对于同一训练流程原本会产出的结果，数据移除显著降低了网络能力。与此同时，K3.1 Pro è¾ƒå ¶å‰ä»£æœ‰å¤§å¹ æå‡ï¼Œè¡¨æ˜Žæ›´å¼ºçš„é€šç”¨ç¼–ç ä¸Žé•¿ç¨‹è°ƒè¯•èƒ½åŠ›å³ä½¿åœ¨å®šå‘æ•°æ®ç§»é™¤ä¹‹åŽï¼Œä»èƒ½æ³›åŒ–åˆ°ç½‘ç»œä»»åŠ¡ä¸Šã€‚K3.1 Pro çš„ç½‘ç»œèƒ½åŠ›ä»è½åŽäºŽå·²å ¬å¼€å¯ç”¨è‡³å°‘ä¸‰ä¸ªæœˆçš„å‰æ²¿ä¸“æœ‰æ¨¡åž‹ã€‚æˆ‘ä»¬å°†æŒç»­æ¼”è¿›å† éƒ¨åŸºå‡†ï¼Œä½¿è¯„ä¼°åœ¨æ¨¡åž‹èƒ½åŠ›ä¸æ–­è¿›æ­¥æ—¶ä»ä¿æŒä¿¡æ¯é‡ã€‚

开放权重原则。 这些评估构成了我们开放权重发布决策的框架。第一，我们力求不发布会拓展网络能力绝对前沿的开放权重。K3.1 Pro 的进攻性网络能力在设计上低于我们流程所能产出的水平，并且仍落后于前沿专有模型。第二，我们打算逐步提升开放权重中可用的网络能力。我们相信，以非歧视的方式提供 K3.1 Pro æœ‰åˆ©äºŽé‚£äº›éœ€è¦ä¸¤ç”¨èƒ½åŠ›ç”¨äºŽé˜²å¾¡ç›®çš„çš„äººã€‚å½“ä¸€ä¸ªæœ‰èƒ½åŠ›çš„æ¨¡åž‹æ˜¯å¼€æ”¾çš„ã€å¹¶åœ¨ç”¨æˆ·è‡ªå·±æŽ§åˆ¶çš„åŸºç¡€è®¾æ–½ä¸Šè¿è¡Œæ—¶ï¼Œæ›´å¤šå›¢é˜ŸèŽ·å¾—äº†å®¡è®¡å ¶ç»´æŠ¤ä»£ç çš„æ‰‹æ®µâ€”â€”åŒ æ‹¬å¾ˆå°‘æŽ¥å—ä¸“é—¨å®‰å ¨å®¡æŸ¥çš„é—ç•™ç³»ç»Ÿã€‚æˆ‘ä»¬ç›¸ä¿¡ï¼Œè®©è¿™ç§èƒ½åŠ›é€æ­¥æ‰©æ•£â€”â€”è€Œä¸æ˜¯é›†ä¸­åœ¨å°‘æ•°ä¸“æœ‰ç³»ç»Ÿä¸­â€”â€”æœ€ç»ˆä¼šè®©æ‰€æœ‰è½¯ä»¶æ›´åŠ å®‰å ¨ã€‚

可用性

Kimi K3.1 Pro 今日在 Kimi äº§å“å®¶æ—å ¨é¢ä¸Šçº¿ï¼š Kimi.com 与 Kimi 移动应用、Kimi Work 和 Kimi Code，以及通过 Kimi API 提供。

完整模型权重将于 2026 年 11 月 4 日前发布。

Kimi Enterprise 管理员 å¯ä¸ºå ¶ç»„ç»‡å¯ç”¨ K3.1 Proï¼›å‘å¸ƒæ—¶è¯¥è®¿é—®æƒé™é»˜è®¤å ³é—­ã€‚

å„æ¸ é“è¯¦æƒ ï¼š

• Kimi Agents： 从移动应用商店下载或更新至最新版 Kimi 应用，支持 iOS、Android 和 HarmonyOS，或访问 kimi.com 。

• 使用 Kimi K3.1 Pro 工作： 下载最新的 Kimi Work 桌面应用 ，版本 3.1.0 或更高，支持 Windows 和 Apple 芯片 Mac。

• 使用 Kimi K3.1 Pro ç¼–ç ï¼š 运行 Kimi Code ，并使用 /model 命令选择 Kimi K3.1 Pro。

• 使用 Kimi API 构建： 访问 Kimi API 平台 并选择 kimi-k3.1-pro / kimi-k3.1-pro-highspeed。API 客户可享受零数据保留。

• 将 Kimi å¼•å ¥ä½ çš„ç»„ç»‡ï¼š Kimi Business æä¾›ä¼ä¸šçº§æ•°æ®éšç§ä¸Žæˆå‘˜ç®¡ç†ï¼Œä¸ªäººè´¦æˆ·ä¸Žç»„ç»‡è´¦æˆ·å®Œå ¨éš”ç¦»ã€‚è®¿é—®å®šä»·é¡µé¢å¹¶é€‰æ‹©â€œGet Kimi Businessâ€ä¸ºä½ çš„å›¢é˜Ÿè®¢é˜ ã€‚

基准测试

脚注

除非另有说明，下文报告的所有 Kimi K3.1 Pro 结果均在推理强度设为“max”、temperature = 1.0、top-p = 0.95 的条件下获得。

ç¼–ç åŸºå‡†æµ‹è¯•

• Terminal-Bench 4.0。Kimi K3.1 Pro 使用 Claude-Code harness 进行评估。DeepSeek-V4.1-Flash-1017 的数据取自发布博客（ https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 ï¼‰ã€‚å ¶ä½™æ‰€æœ‰åˆ†æ•°å‡å–å ¶åœ¨åšå®¢æ–‡ç« æˆ–å®˜æ–¹ Terminal-Bench 4.0 排行榜（ https://www.tbench.ai/ ）中报告的最高值。

• Terminal-Bench Science 0.1。Kimi K3.1 Pro 使用 Claude-Code harness 进行评估。我们对 DeepSeek-V4.1-Flash-1017 çš„å† éƒ¨è¯„ä¼°å¾—åˆ†ä¸º 9.3；但较早版本 DeepSeek-V4.1-Flash 在官方 Terminal-Bench Science 上得分为 15.7ï¼Œå› æ­¤æˆ‘ä»¬åœ¨æ­¤æŠ¥å‘Š 15.7ï¼›å ¶ä½™æ‰€æœ‰åˆ†æ•°å‡æ¥è‡ªå®˜æ–¹ Terminal-Bench Science 排行榜（ https://www.terminal-bench-science.ai/ ）。

• DeepSWE v1.1。Kimi K3.1 Pro 使用 Claude-Code harness 进行评估。所有分数均取自各模型各自的技术报告。GPT-6 Astra（ https://openai.com/index/gpt-6-astra/ ）。Claude Opus 5.5 和 Claude Fable 5.1（ https://www.anthropic.com/claude-opus-5-5-system-card 和 https://www.anthropic.com/claude-fable-5-1-mythos-5-1-system-card ）；DeepSeek-V4.1-Flash-1017（ https://api-docs.deepseek.com/news/news261017/ ）；GLM-5.3（ https://z.ai/blog/glm-5.3 ）。

• SWE-Marathon v1.1。Kimi K3.1 Pro 使用 Claude-Code harness 进行评估。DeepSeek-V4.1-Flash-1017 使用 ClaudeCode harness è¿›è¡Œè¯„ä¼°ã€‚å ¶ä½™æ‰€æœ‰åˆ†æ•°å‡å–è‡ªå®˜æ–¹ SWE-Marathon 排行榜（ https://www.swe-marathon.org/ ）。

• PostTrainBench。Kimi K3.1 Pro 和 DeepSeek-V4.1-Flash-1017 在 v1.2 上使用 Claude-Code harness 和 H20 GPU（而非 H100 GPUï¼‰è¿›è¡Œäº†å† éƒ¨è¯„ä¼°ã€‚ä¸ºç¨³å®šè¯„ä¼°ï¼Œæ‰€æœ‰è¯„åˆ¤æ¨¡åž‹å‡ä½¿ç”¨æœ€å¤§åŠªåŠ›ç¨‹åº¦çš„ DeepSeek-V4.1-Flash-1017ï¼Œå ¶åœ¨æµ‹è¯•ä¸­ä¸Žå®˜æ–¹ GPT-5.6-Terra（xhighï¼‰è¯„åˆ¤æ¨¡åž‹æœ€ä¸ºåŒ¹é ã€‚å ¶ä»–åˆ†æ•°æ¥è‡ªå®˜æ–¹æŽ’è¡Œæ¦œï¼ˆ https://posttrainbench.com/ ）。

• ProgramBench（二值分数）。我们报告二值分数而非原始 ProgramBench 分数：若任务的 ProgramBench 分数 ≥95%，则得分为 1，否则为 0。Kimi K3.1 Pro 使用 Claude-Code harness 进行评估。DeepSeek-V4.1-Flash-1017 和 GLM-5.3 的分数取自发布博客（ https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 ï¼‰ï¼›å ¶ä½™æ‰€æœ‰åˆ†æ•°å‡æ¥è‡ª Vals ProgramBench 排行榜（ https://www.vals.ai/benchmarks/programbench ）。

• å† éƒ¨ç¼–ç åŸºå‡†ï¼šKimi Code Bench 2.0 和 Kimi Code Bench 3.0 Long-horizon。Kimi K3.1 Pro 使用 Claude-Code harness è¿›è¡Œè¯„ä¼°ï¼›æ‰€æœ‰å ¶ä»–æ¨¡åž‹å‡åœ¨å ¶æœ€å¤§åŠªåŠ›è®¾ç½®ä¸‹è¿›è¡Œè¯„ä¼°ã€‚è¯·æ³¨æ„ï¼Œä¸“æœ‰æ¨¡åž‹æµ‹è¯•å¯èƒ½æ¶‰åŠä¸€äº›å›žé€€è¡Œä¸ºã€‚

• BenchCAD。开放模型由我们在从完整的 17,900 个案例的 Vision2Code æ•°æ®é›†ä¸­éšæœºæŠ½æ ·çš„ 1,000 ä¸ªæ¡ˆä¾‹å­é›†ä¸Šä»¥æœ€å¤§æŽ¨ç†åŠªåŠ›è¿›è¡Œè¯„ä¼°ã€‚å¸¦å·¥å ·çš„ç»“æžœä½¿ç”¨ Claude Code harnessï¼›ä¸å¸¦å·¥å ·çš„ç»“æžœä½¿ç”¨å®˜æ–¹ BenchCAD 提示词和评分流程进行单次生成。Claude Fable 5.1 和 Claude Opus 5.5 的分数取自 Claude Opus 5.5 System Card ；GPT‑6 Astra çš„å¸¦å·¥å ·åˆ†æ•°å–è‡ªå ¶ 官方报告 。GPT‑6 Astra æœªæŠ¥å‘Šä¸å¸¦å·¥å ·åˆ†æ•°ï¼Œæ ‡è®°ä¸ºâ€œâ€”â€ã€‚

Agentic 基准

• BioMysteryBench 数据集取自 官方 v11 版本 ，以 Kimi K3 作为评判模型。我们评估了使用 Kimi Code 的 Kimi K3.1 Pro、使用 Claude Code 的 GLM-5.3 和 DeepSeek-V4.1-Flash-1017，以及使用 Codex 的 GPT-6 Astra。Claude æ¨¡åž‹çš„åˆ†æ•°ç›´æŽ¥å–è‡ªå ¶å®˜æ–¹ç³»ç»Ÿå¡ã€‚

• Our Agents’ Last Exam 数据集取自 官方 v1.1 版本 ï¼ŒåŒ å« 122 é¡¹ä»»åŠ¡ï¼Œå ¶ä¸­ 86 项为 CLI 任务，环境镜像与官方 Hugging Face 发布版本保持一致。此外，对于绕过任务既定要求的运行，例如在线检索答案而非在 Wireshark ä¸­æ‰§è¡Œæ‰€éœ€åˆ†æžï¼Œæˆ‘ä»¬å°†å ¶åˆ†æ•°è®°ä¸ºé›¶åˆ†ã€‚DeepSeek 和 Kimi 分别使用 Claude Code 和 Kimi Code è¿›è¡Œè¯„ä¼°ã€‚å ¶ä½™ç»“æžœå‡å–è‡ªå®˜æ–¹åŸºå‡†ç½‘ç«™ã€‚

• OfficeQA Pro、OfficeQA Pro v2。GPT-6 Astra 使用 Codex è¯„ä¼°ï¼Œå ¶ä½™æ‰€æœ‰æ¨¡åž‹å‡ä½¿ç”¨ Claude Code 评估。每项任务向智能体提供完整的 PDF 语料库，所有 PDF å‡ä»¥å›¾åƒå½¢å¼å‘ˆçŽ°ï¼Œä¸æä¾›æœºå™¨å¯è¯»æ–‡æœ¬ã€‚æˆ‘ä»¬åœ¨æŸäº›å¤–éƒ¨æ¨¡åž‹çš„è½¨è¿¹ä¸­è§‚å¯Ÿåˆ°å ¶åœ¨çº¿æ£€ç´¢å‚è€ƒç­”æ¡ˆçš„æƒ å†µï¼›å› æ­¤ï¼Œæˆ‘ä»¬å°†è¿™äº›ä»»åŠ¡çš„åˆ†æ•°è®°ä¸ºé›¶åˆ†ã€‚

• Frontier Finance 使用官方 finance agent v2 harness 进行评估。

• HANDBOOK.md 使用基于 OpenHands 构建的官方 harness 进行评估，评估任务取自该基准早期开源的 v1 版本。

• Harvey Legal Agent åœ¨åŒ å« 1,251 é¡¹ä»»åŠ¡çš„å ¬å¼€æ•°æ®é›†ä¸Šä½¿ç”¨ Artificial Analysis 的 Stirrup harness è¿›è¡Œè¯„ä¼°ï¼Œæ€§èƒ½ä»¥å ¨é€šè¿‡çŽ‡ï¼ˆå³é€šè¿‡æ‰€æœ‰è¯„åˆ†æ ‡å‡†çš„ä»»åŠ¡ç™¾åˆ†æ¯”ï¼‰æŠ¥å‘Šã€‚

• OSWorld V2.1 在官方 OSWorld v2 仓库中使用 Kimi Agent harness 进行评估，而 GPT-6 Astra 的分数取自 Muse Wonder 的技术报告。

• DECK-Arena 评估基于真实世界查询的演示文稿生成，而 Design Bench é€šè¿‡ç›´æŽ¥æç¤ºå’Œå‚è€ƒå›¾åƒå°‘æ ·æœ¬æç¤ºè¦†ç›–å¹³é¢è®¾è®¡ï¼›ä¸¤è€ å‡åœ¨é›†æˆäº†æœç´¢å’Œå›¾åƒç”Ÿæˆçš„ harness 中，跨 python-pptx、pptxjs 和 Kimi è‡ªç ” DSL 运行模型，并使用基于 10,000+ äººç±»åˆ¤æ–­æ ¡å‡†çš„è‡ªåŠ¨è¯„åˆ†å™¨ã€‚

• MCP Atlas。所有模型均在 500 é¡¹ä»»åŠ¡çš„å ¬å¼€å­é›†ä¸Šä»¥ 100 轮为上限进行评估，使用 Gemini 3.1 Pro 作为评判模型。

• BrowseComp。我们采用 Claude 模型卡中使用的上下文压缩策略，在 200K token æ—¶è§¦å‘ã€‚æˆ‘ä»¬å è®¸æœ€å¤š 500 æ­¥ï¼›è‹¥åœ¨ä»»åŠ¡å®Œæˆå‰è¾¾åˆ°è¯¥ä¸Šé™ï¼Œæˆ‘ä»¬å¼ºåˆ¶æ™ºèƒ½ä½“ç»™å‡ºç­”æ¡ˆï¼ŒéšåŽå¯¹å ¶è¿›è¡Œè¯„åˆ¤ã€‚æ‰€æœ‰ BrowseComp 运行均在 temperature=1.0 和 top-p=1.0 下进行。

• GDPval-AA v2.1、AA-Briefcase v1.1 和 AutomationBench-AA 的分数引自 https://artificialanalysis.ai/ ，Apex Agents 的分数引自 https://www.mercor.com/apex/apex-agents-leaderboard/

• GDP.pdf w/ python、ZeroBench w/ python 和 ChartoGraphy w/ python çš„ç»“æžœä¸ºäº”æ¬¡è¿è¡Œçš„å¹³å‡å€¼ã€‚å ¶ä»–å¤šæ¨¡æ€åŸºå‡†ï¼ˆw/ python）为四次运行的平均值。对于 GDP.pdf w/ python：每个原始 PDF æ–‡ä»¶è¢«å‘é€åˆ°æ²™ç®±ï¼Œæ¨¡åž‹å¯åœ¨å ¶ä¸­ä½¿ç”¨ IPython å·¥å ·è¿›è¡Œå¤„ç†ã€‚æœ€ç»ˆå›žç­”ä½¿ç”¨ Gemini-3.5-Flashï¼ˆä¸­ç­‰æŽ¨ç†å¼ºåº¦ï¼‰å’Œå®˜æ–¹è¯„åˆ¤æç¤ºè¯ï¼Œä¾æ®æ¯æ¡è¯„åˆ†æ ‡å‡†è¿›è¡Œè¯„åˆ†ã€‚æˆ‘ä»¬æŠ¥å‘Šä»»åŠ¡å®å¹³å‡è¯„åˆ†æ ‡å‡†é€šè¿‡çŽ‡ï¼šå¯¹äºŽæ¯ä¸ªä»»åŠ¡ï¼Œæˆ‘ä»¬å¯¹äº”æ¬¡ç‹¬ç«‹è¿è¡Œä¸­é€šè¿‡çš„è¯„åˆ†æ ‡å‡†æ¯”ä¾‹å–å¹³å‡ï¼Œç„¶åŽå¯¹æ‰€æœ‰ä»»åŠ¡çš„è¿™äº›ä»»åŠ¡çº§åˆ†æ•°ç­‰æƒå¹³å‡ã€‚

推理与知识 & 多模态基准

• GDP.pdf。每个 PDF 以页面图像形式提供，最长边缩放至 1,152 åƒç´ ï¼Œå¹¶æŒ‰é¡µé¢é¡ºåºä¸Ž Docling 提取的文本交错排列。回答使用 Gemini-3.5-Flash Medium å’Œå®˜æ–¹è¯„åˆ¤æç¤ºè¯ï¼Œä¾æ®æ¯æ¡è¯„åˆ†æ ‡å‡†è¿›è¡Œè¯„åˆ†ã€‚æˆ‘ä»¬æŠ¥å‘Šå®Œå ¨è¯„åˆ†å›žç­”ä¸­çš„ä¸¥æ ¼é€šè¿‡çŽ‡ã€‚

• HLE 和 HLE-Diamond è¯„ä¼°é€šç”¨çŸ¥è¯†ä¸ŽæŽ¨ç†èƒ½åŠ›ã€‚æˆ‘ä»¬æŠ¥å‘Šåœ¨å®Œæ•´è¯„ä¼°é›†ä¸Šçš„å‡†ç¡®çŽ‡ï¼Œå ¶ä¸­ HLE 有 2,500 道题，HLE-Diamond 有 1,000 é“é¢˜ã€‚å¯¹äºŽæ ‡æœ‰æ˜Ÿå·ï¼ˆ*）的模型，准确率报告在纯文本题目子集上。

• GDP.pdf、ZeroBench 和 ChartoGraphy ä¸ºäº”æ¬¡è¿è¡Œçš„å¹³å‡å€¼ã€‚å ¶ä»–å¤šæ¨¡æ€åŸºå‡†ä¸ºå››æ¬¡è¿è¡Œçš„å¹³å‡å€¼ã€‚GLM-5.3 Max 和 DeepSeek-V4.1-Flash-1017 Max 的 GDP.pdf 分数引自 https://artificialanalysis.ai/ 。

• MMMU-Pro æŒ‰ç §å®˜æ–¹åè®®è¿›è¡Œè¯„ä¼°ï¼Œä¿ç•™åŽŸå§‹è¾“å ¥é¡ºåºï¼Œå¹¶å°†å›¾åƒå‰ç½®åˆ°æ–‡æœ¬è¾“å ¥ä¹‹å‰ã€‚

• Kimi Hallucination Benchmark åœ¨å† éƒ¨ä¸€ç»„å–è‡ªå®žé™ å·¥ä½œä»»åŠ¡ã€ç»è¿‡è„±æ•å¤„ç†çš„æŒ‘æˆ˜æ€§æç¤ºè¯ä¸Šè¯„ä¼°äº‹å®žå‡†ç¡®æ€§ã€‚æˆ‘ä»¬æŠ¥å‘Šç”±äº‹å®žæ ¸æŸ¥ä»£ç†è¯„ä¼°çš„å£°æ˜Žçº§å¹»è§‰çŽ‡ã€‚

ç½‘ç»œå®‰å ¨åŸºå‡†

• ExploitBench。Kimi K3.1 Pro 使用官方 ExploitBench 测试框架在 300 轮预算下进行评估。我们报告 pass@5 最大能力分数：对于每个环境，取 5 个随机种子中最佳的一次运行，按达到的 16 é¡¹èƒ½åŠ›æ ‡å¿—æ•°é‡è¯„åˆ†ï¼Œå ¶ä¸­å®žçŽ°ä»»æ„ä»£ç æ‰§è¡Œè®¡ä¸ºè¾¾åˆ°å ¨éƒ¨ 16 项能力。GPT-6 Astra 的分数取自 https://openai.com/index/gpt-6-astra/ ；Claude Opus 5.5 和 Claude Mythos 5.1 的分数取自 https://www.anthropic.com/claude-opus-5-5-system-card ；GLM-5.3 的分数取自 https://z.ai/blog/glm-5.3 。

• ExploitGym。Kimi K3.1 Pro 使用 KimiCode 测试框架，在每个任务 6 å°æ—¶å®žé™ æ—¶é—´é¢„ç®—ä¸‹è¿›è¡Œè¯„ä¼°ã€‚GPT-6 Astra 的分数取自 https://openai.com/index/gpt-6-astra/ ；Claude Opus 5.5 和 Claude Mythos 5.1 的分数取自 https://www.anthropic.com/claude-opus-5-5-system-card （6 小时预算下）；GLM-5.3 的分数取自 https://z.ai/blog/glm-5.3 。

• xdev-Bench-hard：Kimi K3.1 Pro 使用 KimiCode 测试框架进行评估。GLM-5.3 和 DeepSeek-V4.1-Flash-1017 使用 Claude Code 测试框架进行评估。

来源： Moonshot AI：Kimi Blog · kimi.com

月之暗面 / Kimi

Agent 智能体

AI ç¼–ç 

多模态

开源生态

模型发布

#

ç¼–ç 

Agent