月之暗面发布 Kimi K3.1 Pro：3T 级开放权重模型，1M 上下文，权重 11 月 4 日前释出
月之暗面 10 月 23 日发布 Kimi K3.1 Pro：1M 上下文，API 定价每百万 token 2/10 美元，权重承诺 11 月 4 日前开放。
月之暗面（Moonshot AI）10 月 23 日发布大模型 Kimi K3.1 Pro：一个 1M token 上下文的 3T 级开放权重推理模型，K3.1 系列的首款模型，官方称其为迄今能力最强的 3T 级开放权重模型。官方博客同时给出可核对的具体数字——Terminal-Bench 4.0 得分 65.7%，距离 Claude Opus 5.5 的 66.4% 一步之遥，高于 GPT-6 Astra 的 58.2%。API 当天即用，模型 ID 为 kimi-k3.1-pro；全部权重承诺 2026 年 11 月 4 日前释出，截至发稿 Hugging Face 上还没有官方仓库，想自部署的还得等。
要点
- Terminal-Bench 4.0 得 65.7%（官方数据，Claude Code 框架下测得），距 Opus 5.5 的 66.4% 差 0.7 个百分点；上一代 K3 在 Kimi Code Bench 3.0 Long-horizon 上是 55.95%，K3.1 Pro 拉到 61.2%。
- 定价不在官方博客里，OpenRouter 与 Simon Willison 给出了同一组数：每百万 token 输入 2 美元、输出 10 美元；Highspeed 版 4/20 美元，官方称速度是普通版 2–3 倍。
- 权重未发布，只是承诺：官方写明「Full model weights will be released by Nov 4, 2026」，当天能用的只有 API。
背景
Kimi K3 在 9 月底已经把开源阵营的天花板抬过一次。站内此前的报道记得两件事：vLLM 原班人马创办的 Inferact 用 16 块 TPU v7 跑 Kimi K3，速度比同配置 GB200 快 57%，说明开源权重模型已经成了推理厂商刷成绩的标准负载；OpenAI 内部蒸馏争议那一条（10 月 1 日）则让「Kimi 怎么追上来的」成了坊间话题。这次 K3.1 Pro 的变化是把目标从「跟住上一代旗舰」换成「直接对齐当前旗舰」：官方博客称它是 K3.1 系列的首款模型、迄今最强的 3T 级开放权重模型，对照系里写的就是 Opus 5.5 和 GPT-6 Astra，而不是 K3 自己的旧分数。
上一次传闻出现是 10 月 23 日早些时候：匿名代号 Kibitz 出现在 LMArena 上，当时本站日报只把它记为用户比对的猜测，Moonshot 未确认。当天下午官方博客发布，传闻落地，时间线从猜测到官宣不到一个上午。
事实部分
官方博客（2026-10-23）给出的数字如下，评测条件为 reasoning effort 调到 max、temperature 1.0、top-p 0.95：
| 基准 | K3.1 Pro | 对照 |
|---|---|---|
| Terminal-Bench 4.0 | 65.7% | Opus 5.5 66.4%，GPT-6 Astra 58.2% |
| Kimi Code Bench 3.0 Long-horizon | 61.2% | K3 为 55.95% |
| BenchCAD（带工具） | 92.7% | Opus 5.5 96.2%，GPT-6 Astra 95.9% |
| OfficeQA Pro v2 | 64.4 | 官方称同榜最高 |
| Kimi Hallu Bench Hard 幻觉率 | 8.3% | K3 为 23.4% |
几个口径要分开说：
- 参数量：官方博客只写「3T-class」。2.8T 总参、104B 激活的 MoE 细分出自 Kimi 的 X 公告（经 OpenRouter 页面转述），引用时别把两处口径混成一处。
- 上下文与多模态：1M token 上下文；OpenRouter 的模型页写明输入侧接受文本、图片和视频，最大补全 943,718 token。
- 可用性：Kimi.com、Kimi Work、Kimi Code、Kimi API 当天可用；Kimi Work 桌面端要求 v3.1.0 以上（Windows 与 Apple silicon Mac），企业接入默认关闭。
- 安全处理：官方称为了开放权重释出，在训练中后期和 RL 阶段识别并移除了网络安全攻击相关数据，并给出一个罕见的自曝数字——未清理检查点在 xdev-bench-hard pass@3 上是 90.5%，清理后的 K3.1 Pro 是 81.0%。
- 零保留：API 提供 Zero Data Retention 选项。
各方说法
Simon Willison 当天用 LLM 0.32 的 llm openai endpoint 功能直连 api.moonshot.ai/v1 做了实测，跑的是他标志性的「骑自行车的鹈鹕 SVG」，分别在 low、medium、max 三档推理强度下生成，并与 K3 同档对比。他的评价只有一句，分量却最重：这是「即将开放权重的模型首次把分数打到离 frontier 这么近」。他同时转引了 Artificial Analysis 的第三方分：K3.1 Pro 得 55，高于 Claude Fable 5.1、GPT-6 Astra、Gemini 4 Argon 的 53，低于 Opus 5.5 的 58（此数据经 Willison 转引，未直接核对 Artificial Analysis 原页）。
定价上 Willison 给了参照系：输入价与 GPT-6.1 Sol 持平，约为 Opus 5.5 的一半。OpenRouter 10 月 23 日 18:31 的公告确认两个版本都已上架。
Hacker News 主帖（story 50212065）在发稿当天持续升温：Wayback 的 20:57Z 快照已记录到 498 分，UTC 10-24 01:00 的快照为 700 分，评论在 360 条以上，讨论分成几股。有人晒出实测：dom96 说 K3.1 Pro 在他的语言解释器场景里「对 hack 语句含义的推断比 Opus 5.5 还准」；更多人围着权重承诺吵——一种意见认为把网络安全能力「削过再开源」只是姿态，因为攻击者拿到权重就能自己微调回来；反驳的评论则说这比 refusal 高明，refusal 可以被轻易「消融」掉，真要用它做攻击得自己去训练 3T 权重，成本上不划算；zozbot234 补充口径：这只是 K3 预训练模型的后训练检查点，所谓清理只是把攻击性 cyber 排除在后训练目标之外。也有人对社区口径泼冷水：「Chinese models never agreed to the pacing anyway」——如果存在什么前沿限速协议，中国团队从来就没签过字。
编辑判断
对开发者最实际的变化是价格与长任务能力的组合：2/10 美元的价位、1M 上下文加一个号称 2–3 倍速的 Highspeed 版，长上下文代理工作流的账会好算很多。若 11 月 4 日权重如约而至，它会成为下一个被推理厂商拿去刷 TPU/自建集群成绩的模型——Inferact 那组测试大概率会有续集。
需要盯两点。一是「开放权重」目前只是承诺，承诺日期前的任何分数都只代表 API 版本；二是官方自家基准（Kimi Code Bench 是以官方命名的基准）与第三方的 55 分之间有观测差距，等 Artificial Analysis 页面独立复核后再当决策依据更稳。至于幻觉率 23.4% 到 8.3% 的改善，是官方自家口径，同样待第三方复测。11 月 4 日之后值得回头核对三件事：仓库是否落在 Hugging Face 的 moonshotai 名下、清理数据的做法有没有写入随权重发布的模型卡、以及 Highspeed 版在自托管环境下能复现多少倍速。