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 刚发布了 Kimi K3.1 Pro，这是其 K3.1 系列的第一个模型。Kimi K3.1 Pro 是一个 3T 级别的开放权重*模型，具有 100 万个 token 的上下文窗口。Moonshot 团队将其定位在与最强的专有模型在编码、代理和知识基准测试中竞争。对于开发者来说，它的 API 定价比 K3 更便宜，但开放权重尚未可用。*开放权重预计将在 2026 年 11 月发布。

TL;DR

大小： 2.8T 总量，104B 活跃参数（MoE），1M-token 上下文。
运行在： 今天在 Kimi API 上运行。对于 K3，Moonshot 推荐 64+ 加速器的超节点，使用 MXFP4 权重和 MXFP8 激活。不是单 GPU 模型。
性能： 在终端编码方面接近专有模型的边界；在科学终端任务方面落后于它。
最佳： SWE-Marathon 51.7，领先于 Kimi 图表中的所有模型（自我报告）。
最差： Terminal-Bench Science 0.1 在 38.1，而 Kimi 图表中的 GPT-6 Astra 为 68.1。

什么是 Kimi K3.1 Pro？

Kimi K3.1 Pro 是 Kimi K3 的一个后训练版本，具有更大的后训练计算能力。Moonshot 团队跨数百个下游域运行了联合强化学习。为了支持这一点，Moonshot 团队优化了 RL 框架、长上下文推理、沙盒基础设施和滚动调度。

基础 K3 架构使用 Kimi Delta 注意力（KDA）和注意力残差（AttnRes）。它通过一个 Stable LatentMoE 框架激活 16 个中的 896 个专家。该模型通过 API 接受文本、图像和视频，根据快速入门文档。

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

Kimi K3.1 Pro 在基准测试中的表现如何？

以下所有数字都是由 Moonshot 在 max 推理工作下自我报告的，大多数使用 Claude Code 套件。

编码：在 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%。这仅次于 Kimi 图表中的 Claude Opus 5.5 的 66.4%。在 SWE-Marathon 上，它以 51.7 领先，领先于 Opus 5.5 的 46.3。在 Kimi Code Bench 3.0 长期来看，一个内部基准，它得分 61.2，比 K3 的 55.95 有所提高。
科学：Terminal-Bench Science 0.1 是明显的差距。K3.1 Pro 得分 38.1，而 Kimi 图表中的 GPT-6 Astra 为 68.1，Opus 5.5 为 63.3。
3D 和 CAD：在 BenchCAD with tools 上，K3.1 Pro 得分 92.7。Opus 5.5 得分 96.2，GPT-6 Astra 得分 95.9。没有工具，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，它在建模方面提高了 7.2 分，在研究方面提高了 11.6 分，超过了 K3。
幻觉：在 Kimi Hallu Bench Hard，一个内部压力测试中，声明级别的幻觉从 K3 的 23.4% 下降到 8.3%。这大约是 Moonshot 引用的 65% 的下降。GPT-6 Astra 在同一测试中仍然以 5.5% 的较低分数出现。

Kimi K3.1 Pro 如何处理网络风险？

Moonshot 在中期训练和 RL 中移除了与网络相关的数据，用于开放权重的发布。在其内部 xdev-bench-hard 上，一个未过滤的检查点在 pass@3 下解决了 90.5%。发布的 K3.1 Pro 解决了 81.0%。Moonshot 表示它在进攻性网络任务上仍然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 上上线。API ID 是 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed。端点是 OpenAI 兼容的。

K3.1 Pro 的定价为每百万个 token 输入 2.00 美元，输出 10.00 美元。缓存命中成本为 0.20 美元。高速成本为输入 4.00 美元，输出 20.00 美元。K3 的价格是 3.00 美元和 15.00 美元。

来自快速入门的实际限制：

思考模式始终开启。推理力度是 low、high 或 max（默认 max）。
温度 1.0 和 top-p 0.95 是固定的。
输出默认为 131,072 个 token，最高可达 1,048,576。
访问权限在最低充值 1 美元后解锁。
视觉输入不接受公共图片 URL。使用 base64 或上传文件 ID。

它如何与竞争模型比较？

*图来自 Kimi 的比较图表；未在竞争对手自己的页面上确认。

有哪些限制？

权重尚未公开，因此目前无法自行托管。
2.8T 大小指向多节点、超节点级服务。
科学计算终端工作落后于 GPT-6 Astra 和 Opus 5.5 25+ 分。
几个声称的胜利来自内部基准测试。
对于 K3，Moonshot 警告说在 harness 中丢弃推理历史会使输出不稳定。K3.1 Pro 文档也说要返回完整的助手消息。

关键要点

Kimi K3.1 Pro：总 2.8T，活跃 104B，上下文 1M。
Terminal-Bench 4.0 达到 65.7%，落后 Opus 5.5 0.7 分。
在 SWE-Marathon 中领先 51.7；在 Terminal-Bench 科学上表现不佳（38.1）。
API 成本为每百万个 token 2/10 美元，比 K3 更便宜。
开放权重预计在 2026 年 11 月发布。

查看官方 技术博客、API 快速入门 和 Twitter 上的发布帖子。所有功劳归于该项目的研究人员。此外，欢迎关注我们的 Twitter，别忘了加入我们的 15k+ML SubReddit 并订阅我们的 新闻简报。等等！你用 Telegram 吗？现在你也可以加入我们的 Telegram。

需要与我们合作推广您的 GitHub 仓库 OR Hugging Face 页面 OR 产品发布 OR 网络研讨会等？联系我们

文章 Moonshot AI 发布 Kimi K3.1 Pro：一个 2.8T 总/104B 活跃参数（MoE）模型，上下文 1M 首次出现在 MarkTechPost。