Kimi K3.1 Pro 的发布，把开源权重模型与闭源前沿之间的差距又收紧了一截。两个月前，我们报道过 Z.ai 首席执行官唐杰教授的预测：到今年年底会出现一个 Fable 级开源权重模型。两周前，Meta 在闭源领域做出了一个 Fable 级模型。而距离年底还有 2.5 个月，我们终于等到了它——一个 2.8T 的开源权重模型，而且不只是击败 Fable 5，而是击败了 Fable 5.1，效率还更高。从 Kimi 相当精致的落地页也能看出他们对这个最新模型有多自豪。
和往常一样，研究细节并不多，这次更新在性质上类似 Z.ai 的 5.2 到 5.3 那种小幅版本提升——版本号只动了一点，后训练投入却大得多。按官方的说法：Kimi K3.1 Pro 是 Kimi K3 的后训练版本，后训练算力规模大幅提升。为了在数百个下游领域实现大规模联合强化学习，他们优化了技术栈的每一层——RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度，以及用于环境质量检查的共享平台——让每一份 RL 算力的增加都能带来稳定、可预测的回报。结果是 K3.1 Pro 在每个领域都取得了持续提升。
需要先厘清发布状态。Moonshot 推出 Kimi K3.1 Pro，独立基准结果接近前沿水平，模型规模显著增大，并承诺在 2026 年 11 月 4 日发布开放权重。模型方面，Moonshot 将 K3.1 Pro 描述为一个多模态、“3T 级”的专家混合模型，总参数 2.8 万亿，激活参数 1040 亿，上下文窗口 100 万 token。其宣传的强项包括完整项目级编程、Blender/CAD 工作、金融建模以及长时间运行的智能体。可用性方面，标准版和 Highspeed 版已在 Kimi 网站与应用、Kimi Work、Kimi Code 和 API 上线。Moonshot 声称 Highspeed 在保持智能水平的同时生成速度提升 2 到 3 倍；官方账号的总结则说它的价格是标准版的两倍。此次发布还包含 Kimi Hosted Agents，这是一个托管的执行框架，提供 24/7 运行环境，面向长时间任务和多智能体协作。
发布时，API 可用，但权重不可用。Moonshot 的公告承诺在 2026 年 11 月 4 日发布权重。现有推文无法确定最终许可证、再分发条件、商用限制、检查点精度以及完整的推理需求。因此，“即将开源权重”比若干反应中使用的“OSS”或“开源”说法更准确。Artificial Analysis 明确将权重记录为未发布。发布节奏也引发了混乱：早期有报道基于传闻预测“今天”发布、可能是最强的开源权重模型，后续又重复了正面传闻，但两者都不是评测；预告引发了关于 11 月 5 日的猜测，包括 Moonshot 是否会在发布权重前先通过网站访问变现，而官方公告随后明确为 11 月 4 日；早期用户报告称 kimi.com 比 kimi.ai 先可用，后来又有用户报告获得了访问权限，这些属于上线过程中的观察，并不能证明存在长期地域限制。
从架构上说，1040 亿激活参数并不意味着它等同于存储一个 1040 亿的稠密模型：部署时必须容纳大得多的专家池，外加运行时状态。做一个说明性计算——并非实测配置——仅 2.8 万亿参数就意味着 16 位下约 5.6TB、4 位下约 1.4TB，这还不算量化元数据和服务开销。现有帖子没有披露层布局、专家路由配置、注意力设计、训练算力预算或实测的全上下文服务占用。这对“本地模型”的叙事很重要。有热情的发帖称这就是本地可用的 Fable 5.1 智能，随后更正为权重将于 11 月 4 日到来。另有评论者警告，不要把万亿参数模型称为“本地”，因为部署需要大量加速器基础设施。可自托管与消费级设备本地是两种不同的属性。此次官方发布中没有宣布 Flash 模型，反应从失望到猜测“Pro”的命名意味着之后会推出更小版本不等。
独立评测方面，Artificial Analysis 提供了本批中最有力的广泛独立证据：K3.1 Pro 在其 Intelligence Index 上排名第四，得分 55，落后于 Opus 5.5 的 58 以及 Sonnet 5.5 和 Muse Wonder Full 的 56。提升最强的部分是智能体能力，而非在知识与科学测试上均匀分布。AA 还报告在 AA-Omniscience 上准确率从 48% 升至 51%，幻觉率从 53% 降至 44%，即在该评测上幻觉减少 9 个百分点——这与 Moonshot 宣传的金融工作幻觉减少 65% 不是同一项测量。AA 表示，一旦权重发布，其领先开源与闭源之间的 Intelligence Index 差距将从 12 分缩小到 3 分。
编码方面，Arena 将其在 Code Arena: WebDev 中排在第 8 位，1692 分，比 Kimi K3 上升 9 位、提高 37 分，Moonshot 重回 Arena 前四实验室。Brand & Marketing 从第 9 升至第 7，Simulations 从第 20 升至第 9。Arena 称其在所有类别上都有提升，发布后将成为其排名最高的开源权重模型，超过 DeepSeek V4.1 Flash；在这些设置下大致相当于 Opus 5 Max，未必是新版 Opus 5.5。另一项聚合给出了初步 ECI 164.7，90% 自助法区间为 152.5 至 169.0，基于已发布基准，发帖者随后认为 160 至 165 是合理区间。这属于不确定的聚合，而不是另一套独立执行的任务集。
网络安全方面，尽管有意减少了网络相关训练，它随后在 Artificial Analysis 的 Cyber Index 上得到 64%，是公开可用的最高结果、总体第二，仅次于受信任访问的 GPT-6 Sol Daybreak Blue 的 69%。K3.1 Pro 比 K3 的 41% 提升了 23 个指数点，主要由 CyberGym 从 58% 升至 95% 驱动；AA 在其任务上未观察到任何安全拒答。Moonshot 独特的安全干预是在中期训练和强化学习中移除网络相关数据，而不只是依赖推理时拒答。引用报告的帖子称内部得分从 90.5% 降至 81%，下降 9.5 个百分点，而编码等能力继续提升；Moonshot 给出的反事实是下游网络能力本会大幅提高。
定价方面，标准版第一方价格为输入每百万 token 2 美元、输出 10 美元、缓存输入 0.2 美元，比 K3 的 3/15/0.30 下降三分之一。官方中文账号总结给出的是未缓存输入 13 元、输出 68 元、缓存输入 1.3 元每百万 token。Highspeed 据称是标准版两倍价格。三种成本视角都重要：AA Intelligence Index 上每任务 1.98 美元，与 K3 大致持平；Arena WebDev 中位每任务 1.23 美元，比 K3 低 29%；AA Cyber Index 上每任务 2.81 美元，比 K3 高 15%，且远高于 DeepSeek 1017。在 Intelligence Index 上，K3.1 Pro 每任务生成 5.5 万输出 token，而 K3 为 4.8 万，约多 14%，抵消了部分单价下降。Arena 的更详细比较显示其 1.23 美元中位任务成本：比 Opus 5 Max 低 74% 且多一个偏好点，比 GPT-6 Sol Max 低 24% 且多 11 点，比 Qwen3.8-Max 低 47% 且多 20 点。
发布评论强调标准价比起 Opus 5.5 报价的 4/20 美元低 50%，比 Astra 的 10/50 美元低 80%，但这些比较针对的是每 token 标价，而不是实测的每成功任务成本。Terminal-Bench 成本说法在各反应中并不一致：有说法称其以约三分之一成本优于 Opus 5.5，Cline 则称以一半成本接近持平；不同的测试框架、设置或成本核算可能解释分歧，但现有文本无法调和。
反应出现分裂：对潜在开源权重前沿竞争者的热情，随后转为对推理经济性、部分交互任务较弱、基准呈现方式以及未披露付费推广指控的担忧。这些是不同问题：基准质量不能确立部署经济性，推广不当的指控也不能确立模型能力。一个值得记住的预测反转：测试前有评论者预测 AA 52、Vals 65、CritPt V2 76、Terminal-Bench 4.0 49、WeirdML V3 约 20 官方/28 最佳、ECI 164，并预期实际表现低于 Sonnet 5.5 和 GPT-6.1 Sol；发布后同一评论者承认结果高于预测，并接受了与 K3 同价、AA 比 DeepSeek-1017 高约十分的结果。那些初始数字明确是预测，而非泄露的测量值。