撰文：李丹

中國大模型公司月之暗面推出新一代旗艦模型 Kimi K3.1 Pro，瞄準編程、3D 創作、金融研究等複雜專業任務，並計劃於 11 月 4 日前開放完整模型權重。這款模型總參數規模達 2.8 萬億，採用混合專家（MoE）架構，每次激活 1,040 億參數，支持 100 萬 Token 上下文窗口。

月之暗面稱，Kimi K3.1 Pro 是 K3 系列的首個模型，也是公司迄今能力最強的 3 萬億級參數模型。與此前側重通用能力的模型相比，新模型著重強化了長程編程、3D 建模、金融分析以及智能體（Agent）執行複雜任務的能力，並在多項測試中達到或接近頂尖閉源模型的水平。

月之暗面還同步推出高速版 Kimi K3.1 Pro Highspeed，稱其智能水平與標準版相當，輸出速度可提高至約 2 至 3 倍。目前，兩款模型已透過 Kimi 官網、App、Kimi Work、Kimi Code 及 API 提供服務，完整模型權重預計於 11 月 4 日前發布。

對月之暗面而言，Kimi K3.1 Pro 此次升級的核心，不只是將參數規模推至 3 萬億級別，而是進一步把編程、空間推理、金融分析和長程智能體執行能力整合到同一模型中。

隨著完整權重即將開放，市場接下來需要觀察的，將是這些基準測試中的優勢能否在真實項目中持續兌現，以及開發者能否以可接受的部署成本，將模型能力轉化為穩定、可靠的生產力。

大規模強化學習加持，複雜任務執行能力提升

Kimi K3.1 Pro 並非從頭訓練的新模型，而是基於 Kimi K3 進行後訓練的版本。月之暗面表示，新模型大幅增加了後訓練算力，並圍繞強化學習框架、長上下文推理、訓練效率、沙箱基礎設施和任務調度系統等環節進行了優化，以支持數百個下游領域的大規模聯合訓練。

月之暗面認為，這一訓練路線的關鍵在於，將更大規模的強化學習投入轉化為複雜任務中的持續執行能力，而不僅僅是提高單輪問答的表現。

月之暗面稱，在代碼、Agent 和知識類基準上，K3.1 Pro 達到或接近最強閉源模型的水平。其透露，在編程智能體測試 Terminal-Bench 4.0 中，Kimi K3.1 Pro 獲得 65.7% 的評估得分，高於 OpenAI 的 GPT-6 Astra 的 58.2%，與 Anthropic 的 Claude Opus 5.5 的 66.4% 僅有微弱差距。

Terminal-Bench 4.0 測試透過真實環境中的終端任務，考察模型在資源受限條件下使用工具、執行命令和解決編程問題的能力。

在月之暗面內部的 Kimi Code Bench 3.0 Long-horizon 測試中，新模型得分為 61.2%，高於上一代 K3 的 55.95%。這項測試側重多步驟執行、工具調用以及端到端工程問題解決能力。

需要注意的是，上述成績來自不同的測試體系，其中部分為月之暗面內部基準。不同模型的測試環境、工具配置和評估方法可能存在差異，分數不能直接等同於所有實際工作場景中的能力排名。

從編寫代碼到開發遊戲，嘗試端到端完成整個項目

在編程方面，月之暗面希望 Kimi K3.1 Pro 能夠處理從修復現有代碼庫中的問題，到從零開發完整軟件項目的任務。

月之暗面展示的案例包括使用虛幻引擎（Unreal Engine）、Unity 和 Godot 等遊戲引擎開發遊戲，以及生成網頁、Three.js 互動場景和 3D 資產。

其中，在虛幻引擎 5.8 中，模型構建了一座位於雲海之上的東方神話天宮。月之暗面稱，項目中的柱廊透過 Blender 程序化建模，源模型包含 3,600 萬三角形，並使用 Nanite 和 Lumen 進行渲染。

另一個案例是基於 Godot 開發的 3D 動作冒險遊戲，包含五個可探索區域、程序化生成的地形與村莊、第三人稱戰鬥、兩階段 Boss 戰、晝夜循環和快速傳送等功能。

模型還完成了瀏覽器內的 3D 機械臂展示頁面，生成 2,317 個零件和 268 條動態走線，並實現分解視圖、透明外殼和剖面展示。

這些案例試圖說明，模型的目標不再局限於生成代碼片段，而是進一步承擔項目規劃、調用專業工具、生成素材、調試和迭代等工作。

月之暗面還展示了一項更複雜的仿真任務：模型基於開源人體解剖學模型構建人類行走動力學仿真器，並在 167 項任務、420 次獨立評審過程中持續調整行走控制器，最終讓仿真人體實現連續行走 11.2 秒。

更值得注意的是，當調整獎勵機制無法改善手臂運動時，模型轉而檢查仿真器動力學，定位並修正了肩部肌肉力臂計算中的 36 處錯誤，再重新訓練控制器。

這類案例體現了長程智能體能力的一個重要方向：模型不僅要生成解決方案，還需要根據實驗反饋定位問題，並在多輪執行中持續改進結果。不過，演示案例本身並不能代表模型在所有同類任務中都能穩定復現相同表現。

3D 建模能力增強，支持 Blender 與 CAD 專業工具

除編程外，3D 創作與空間推理也是 Kimi K3.1 Pro 此次升級的重點。

月之暗面稱，Kimi K3.1 Pro 擅長 3D 創作與空間推理，擅長參數化建模，例如機械零件、建築模型、多參數可配置的產品和定製家具。在 BenchCAD 基準測試中，該模型藉助工具獲得 92.7% 的成績，接近 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。

BenchCAD 主要考察模型能否根據多個視角的渲染圖，透過生成 CAD 代碼重建 3D 模型。模型需要理解物體的形狀、比例和空間關係，再將視覺信息轉化為可用的三維結構。

月之暗面表示，Kimi K3.1 Pro 能夠根據文字描述、草圖或參考圖片推斷物體結構，並直接編寫和運行 Blender、CAD 等專業工具的腳本，完成參數化建模、幾何調整、材質修改和場景佈局等工作，無需依賴 MCP 連接器。

月之暗面展示的案例包括在 Blender 中構建機場室內雨林場景、使用 FreeCAD 和 Python 生成包含 2,100 個實體的渦扇發動機模型，以及設計可直接進行 3D 打印的檯燈。

其中，渦扇發動機模型支持分步裝配、內部結構展示和多個轉子的旋轉動畫；檯燈則借鑑福建土樓的圓形建築形態，設計成五個部件組成的鏤空結構。

與此同時，Kimi 官網和 App 已上線 3D Make 功能，支持在線預覽和編輯 3D 模型，並允許用戶下載模型用於 3D 打印，或導出視頻和實況照片。

這意味著月之暗面正嘗試將模型的空間推理和代碼生成能力，進一步轉化為可直接使用的創作工具。

金融研究成為重點突破方向，事實錯誤率下降

金融研究是 Kimi K3.1 Pro 另一項重點強化的能力。

月之暗面表示，新模型能夠圍繞財務建模、投資分析和行業研究完成較完整的工作流，而不僅僅是回答財務問題或總結研報。

在 OfficeQA Pro v2 基準測試中，Kimi K3.1 Pro 獲得 64.4 分，月之暗面稱其達到當前最優水平（SoTA）。該測試側重基於真實金融文檔進行複雜數據分析，涉及信息檢索、跨文檔核對和多步驟數值推理。

在公司內部的財務建模測試中，新模型較 K3 提升 14%；金融研究測試提升 20%；商業運營測試的得分則達到 K3 的約 4.2 倍。

在實際應用案例中，模型生成了英偉達的財務模型，支持經營假設調整、公式聯動和敏感性分析；還製作了寧德時代的投資委員會報告，梳理市場一致預期與公司實際表現之間的差異，並整理未來可能的催化因素。

月之暗面還展示了一份量子計算行業研究報告，強調報告中的數據和引用均可追溯至一手來源。

不過，金融研究對準確性的要求遠高於一般內容生成。模型能夠製作完整的財務工作簿或研究報告，並不意味著其中每項數據、假設和結論都必然正確，實際使用仍需核驗關鍵數字及其來源。

針對這一問題，月之暗面專門開展了事實準確性壓力測試。

在內部的 Kimi Hallu Bench Hard 測試中，新模型的單項事實陳述錯誤率從 K3 的 23.4% 降至 8.3%。包含至少一處事實錯誤的回答比例，則降至前代的約 42.4%。

月之暗面特別指出，這項測試刻意選取模型容易出錯的高難度場景，測試結果不代表日常使用中的整體錯誤率。

儘管如此，降低事實錯誤率仍是模型進入金融、企業運營等專業場景的重要條件。對於這些任務而言，模型能否提供可追溯的證據、驗證計算過程並及時發現錯誤，可能比單純提高回答速度更為重要。

標準版 API 輸出價 68 元/百萬 Token 開放權重前先做安全評估

在商業化方面，月之暗面採取了產品服務先行、模型權重隨後開放的安排。

目前，Kimi K3.1 Pro 已接入 Kimi 官網、App、Kimi Work、Kimi Code 和 Kimi API。開發者可透過 API 調用模型，企業用戶則可將其用於編程、研究和其他智能體工作流。

按照月之暗面公布的價格，標準版 Kimi K3.1 Pro 的 API 輸入價格為每百萬 Token 緩存命中 1.3 元、緩存未命中 13 元，輸出價格為 68 元。高速版輸出速度約為標準版的 2 至 3 倍，價格為標準版的兩倍。

月之暗面還推出了 Kimi Hosted Agents 託管智能體服務，為企業和開發者提供雲端運行環境，支持長時間任務執行和多智能體協作，降低自行搭建和維護智能體運行框架的成本。

更受開源社區關注的是模型權重的發布計劃。月之暗面表示，完整權重將在 11 月 4 日前開放。這將使開發者有機會在自己的基礎設施上部署、研究和適配模型，具體使用範圍仍需以最終發布的許可條款為準。

與此同時，月之暗面也披露了開放權重模型的網絡安全評估。公司表示，在準備開放 Kimi K3.1 Pro 權重時，已從中期訓練和強化學習階段識別並移除了網絡攻防相關數據，以限制模型的漏洞研究能力。

在自研的 xdev-bench-hard 測試中，未經相關數據移除處理的模型得分為 90.5%，最終版得分為 81.0%。公司稱，這表明針對性的數據清理降低了模型的漏洞研究能力，但更強的通用編程和長周期調試能力仍可能遷移至網絡安全任務。

這也反映出開放權重模型面臨的兩難：一方面，開放模型有助於企業和研究人員在本地部署、檢查代碼和開展防禦性安全工作；另一方面，模型能力不斷增強，也要求開發者評估其在網絡攻防等雙重用途場景中的潛在風險。