Kimi K3.1 Pro 的發佈，把開源權重模型與閉源前沿之間的差距又收緊了一截。兩個月前，我們報道過 Z.ai 首席執行官唐傑教授的預測：到今年年底會出現一個 Fable 級開源權重模型。兩週前，Meta 在閉源領域做出了一個 Fable 級模型。而距離年底還有 2.5 個月，我們終於等到了它——一個 2.8T 的開源權重模型，而且不只是擊敗 Fable 5，而是擊敗了 Fable 5.1，效率還更高。從 Kimi 相當精緻的落地頁也能看出他們對這個最新模型有多自豪。
和往常一樣，研究細節並不多，這次更新在性質上類似 Z.ai 的 5.2 到 5.3 那種小幅版本提升——版本號只動了一點，後訓練投入卻大得多。按官方的説法：Kimi K3.1 Pro 是 Kimi K3 的後訓練版本，後訓練算力規模大幅提升。為了在數百個下游領域實現大規模聯合強化學習，他們優化了技術棧的每一層——RL 框架、長上下文推理、訓練效率、沙箱基礎設施、rollout 調度，以及用於環境質量檢查的共享平台——讓每一份 RL 算力的增加都能帶來穩定、可預測的回報。結果是 K3.1 Pro 在每個領域都取得了持續提升。
需要先釐清發佈狀態。Moonshot 推出 Kimi K3.1 Pro，獨立基準結果接近前沿水平，模型規模顯著增大，並承諾在 2026 年 11 月 4 日發佈開放權重。模型方面，Moonshot 將 K3.1 Pro 描述為一個多模態、“3T 級”的專家混合模型，總參數 2.8 萬億，激活參數 1040 億，上下文窗口 100 萬 token。其宣傳的強項包括完整項目級編程、Blender/CAD 工作、金融建模以及長時間運行的智能體。可用性方面，標準版和 Highspeed 版已在 Kimi 網站與應用、Kimi Work、Kimi Code 和 API 上線。Moonshot 聲稱 Highspeed 在保持智能水平的同時生成速度提升 2 到 3 倍；官方賬號的總結則説它的價格是標準版的兩倍。此次發佈還包含 Kimi Hosted Agents，這是一個託管的執行框架，提供 24/7 運行環境，面向長時間任務和多智能體協作。
發佈時，API 可用，但權重不可用。Moonshot 的公告承諾在 2026 年 11 月 4 日發佈權重。現有推文無法確定最終許可證、再分發條件、商用限制、檢查點精度以及完整的推理需求。因此，“即將開源權重”比若干反應中使用的“OSS”或“開源”説法更準確。Artificial Analysis 明確將權重記錄為未發佈。發佈節奏也引發了混亂：早期有報道基於傳聞預測“今天”發佈、可能是最強的開源權重模型，後續又重複了正面傳聞，但兩者都不是評測；預告引發了關於 11 月 5 日的猜測，包括 Moonshot 是否會在發佈權重前先通過網站訪問變現，而官方公告隨後明確為 11 月 4 日；早期用户報告稱 kimi.com 比 kimi.ai 先可用，後來又有用户報告獲得了訪問權限，這些屬於上線過程中的觀察，並不能證明存在長期地域限制。
從架構上説，1040 億激活參數並不意味着它等同於存儲一個 1040 億的稠密模型：部署時必須容納大得多的專家池，外加運行時狀態。做一個説明性計算——並非實測配置——僅 2.8 萬億參數就意味着 16 位下約 5.6TB、4 位下約 1.4TB，這還不算量化元數據和服務開銷。現有帖子沒有披露層佈局、專家路由配置、注意力設計、訓練算力預算或實測的全上下文服務佔用。這對“本地模型”的敍事很重要。有熱情的發帖稱這就是本地可用的 Fable 5.1 智能，隨後更正為權重將於 11 月 4 日到來。另有評論者警告，不要把萬億參數模型稱為“本地”，因為部署需要大量加速器基礎設施。可自託管與消費級設備本地是兩種不同的屬性。此次官方發佈中沒有宣佈 Flash 模型，反應從失望到猜測“Pro”的命名意味着之後會推出更小版本不等。
獨立評測方面，Artificial Analysis 提供了本批中最有力的廣泛獨立證據：K3.1 Pro 在其 Intelligence Index 上排名第四，得分 55，落後於 Opus 5.5 的 58 以及 Sonnet 5.5 和 Muse Wonder Full 的 56。提升最強的部分是智能體能力，而非在知識與科學測試上均勻分佈。AA 還報告在 AA-Omniscience 上準確率從 48% 升至 51%，幻覺率從 53% 降至 44%，即在該評測上幻覺減少 9 個百分點——這與 Moonshot 宣傳的金融工作幻覺減少 65% 不是同一項測量。AA 表示，一旦權重發布，其領先開源與閉源之間的 Intelligence Index 差距將從 12 分縮小到 3 分。
編碼方面，Arena 將其在 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 前四實驗室。Brand & Marketing 從第 9 升至第 7，Simulations 從第 20 升至第 9。Arena 稱其在所有類別上都有提升，發佈後將成為其排名最高的開源權重模型，超過 DeepSeek V4.1 Flash；在這些設置下大致相當於 Opus 5 Max，未必是新版 Opus 5.5。另一項聚合給出了初步 ECI 164.7，90% 自助法區間為 152.5 至 169.0，基於已發佈基準，發帖者隨後認為 160 至 165 是合理區間。這屬於不確定的聚合，而不是另一套獨立執行的任務集。
網絡安全方面，儘管有意減少了網絡相關訓練，它隨後在 Artificial Analysis 的 Cyber Index 上得到 64%，是公開可用的最高結果、總體第二，僅次於受信任訪問的 GPT-6 Sol Daybreak Blue 的 69%。K3.1 Pro 比 K3 的 41% 提升了 23 個指數點，主要由 CyberGym 從 58% 升至 95% 驅動；AA 在其任務上未觀察到任何安全拒答。Moonshot 獨特的安全乾預是在中期訓練和強化學習中移除網絡相關數據，而不只是依賴推理時拒答。引用報告的帖子稱內部得分從 90.5% 降至 81%，下降 9.5 個百分點，而編碼等能力繼續提升；Moonshot 給出的反事實是下游網絡能力本會大幅提高。
定價方面，標準版第一方價格為輸入每百萬 token 2 美元、輸出 10 美元、緩存輸入 0.2 美元，比 K3 的 3/15/0.30 下降三分之一。官方中文賬號總結給出的是未緩存輸入 13 元、輸出 68 元、緩存輸入 1.3 元每百萬 token。Highspeed 據稱是標準版兩倍價格。三種成本視角都重要：AA Intelligence Index 上每任務 1.98 美元，與 K3 大致持平；Arena WebDev 中位每任務 1.23 美元，比 K3 低 29%；AA Cyber Index 上每任務 2.81 美元，比 K3 高 15%，且遠高於 DeepSeek 1017。在 Intelligence Index 上，K3.1 Pro 每任務生成 5.5 萬輸出 token，而 K3 為 4.8 萬，約多 14%，抵消了部分單價下降。Arena 的更詳細比較顯示其 1.23 美元中位任務成本：比 Opus 5 Max 低 74% 且多一個偏好點，比 GPT-6 Sol Max 低 24% 且多 11 點，比 Qwen3.8-Max 低 47% 且多 20 點。
發佈評論強調標準價比起 Opus 5.5 報價的 4/20 美元低 50%，比 Astra 的 10/50 美元低 80%，但這些比較針對的是每 token 標價，而不是實測的每成功任務成本。Terminal-Bench 成本説法在各反應中並不一致：有説法稱其以約三分之一成本優於 Opus 5.5，Cline 則稱以一半成本接近持平；不同的測試框架、設置或成本核算可能解釋分歧，但現有文本無法調和。
反應出現分裂：對潛在開源權重前沿競爭者的熱情，隨後轉為對推理經濟性、部分交互任務較弱、基準呈現方式以及未披露付費推廣指控的擔憂。這些是不同問題：基準質量不能確立部署經濟性，推廣不當的指控也不能確立模型能力。一個值得記住的預測反轉：測試前有評論者預測 AA 52、Vals 65、CritPt V2 76、Terminal-Bench 4.0 49、WeirdML V3 約 20 官方/28 最佳、ECI 164，並預期實際表現低於 Sonnet 5.5 和 GPT-6.1 Sol；發佈後同一評論者承認結果高於預測，並接受了與 K3 同價、AA 比 DeepSeek-1017 高約十分的結果。那些初始數字明確是預測，而非泄露的測量值。