月之暗面放出了 K3.1 系列的第一个模型 Kimi K3.1 Pro，按官方公布，即日起在 Kimi.com、Kimi Work、Kimi Code 和 Kimi API 上线，第三方汇总的渠道里还有 OpenRouter 和 OpenCode Go；完整权重承诺 11 月 4 日前释出。它构建在 Kimi K3 基座上，官方称后训练投入的算力大幅增加，并将其称为「迄今最强的 3T 级开放权重模型」；第三方报道给出的参数细节是 MoE 架构、总参数 2.8T、激活 104B，上下文窗口 100 万 token。官方把这一代的升级重点放在编码、3D 创作和金融研究等代理能力上，3D Make 功能已同步上线 kimi.com 与 Kimi app。同场推出的 Kimi K3.1 Pro Highspeed，速度为标准版的 2–3 倍。
成绩单：摸到第一梯队的下沿
Artificial Analysis 的综合智能指数给 K3.1 Pro 打了 55 分，排在第四，比上一代 K3 高 11 分；前面是 Claude Opus 5.5（58 分），以及 Claude Sonnet 5.5 和 Muse Wonder Full（各 56 分）。Nathan Lambert 的判断是：它已超过 Fable 5.1 与 Astra 6，若权重如期开放，将是该指数上得分最高的开放权重模型。
单项基准的分布更能说明位置，三项数据放在一起看：
- Terminal-Bench 4.0：65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%
- BenchCAD（带工具）：92.7%，落后于 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%
- Code Arena WebDev：1692 分，与 Claude Opus-5 (Max) 持平，官方称成本低 70%
开放权重与头部模型的差距，更多留在带工具的 CAD 类任务上；终端类基准上，它已经能和头部模型互有胜负。官方标注的评测设置为 reasoning effort 取 max、temperature 1.0、top-p 0.95，复测时可以按同一条件对齐。
比名次更值钱的，是幻觉率的降幅
官方自测的 Kimi Hallu Bench Hard 里，claim 级幻觉率从 K3 的 23.4% 降到 8.3%，含至少一处事实错误的回复比例降为前代水平的 42.4%。内部长程编码基准 Kimi Code Bench 3.0（long-horizon）从 K3 的 55.95% 升到 61.2%；金融建模、金融研究分别比 K3 高 7.2 分和 11.6 分，商业运营类任务的成绩约为 K3 的 4.2 倍，办公文档基准 OfficeQA Pro v2 拿到 64.4 分，官方称是该基准上的最佳成绩。官方还展示了一个内部测试：模型为包含 296 块骨骼、402 组肌肉的人体模型搭建行走模拟器，把「几秒内跌倒」改进到持续交替行走 11.2 秒，期间经 167 次任务与 420 次独立评审，还纠正了肩部肌肉力臂计算里的 36 处错误。代理场景中模型自主运行的时间越长，一次幻觉的代价就越大，这类可靠性指标因此比榜单名次更能说明这代模型的实际用途。
主动削弱攻击能力，并把代价写成数字
这次发布最不寻常的部分，是网络安全数据的清理。月之暗面称，随着训练规模扩大，模型的安全研究能力同步上升，来源是中训练语料和强化学习环境里混入的网络安全内容；面向开放权重的版本因此在中训练和 RL 两个阶段移除了这类数据，保留通用编码训练。代价可以量化：内部漏洞利用基准 xdev-bench-hard（pass@3）上，未清理的检查点为 90.5%，最终发布的 K3.1 Pro 为 81.0%。官方称，清理后的网络攻击能力落后于已公开至少三个月的前沿闭源模型；原则是不发布把网络攻击能力推到绝对前沿的权重，同时逐步提高开放权重的安全能力。在 Artificial Analysis 的网络安全指数上，它仍列开放可用模型第一。这套做法未必人人认同，但它把「削弱了多少」写成了可以复测的数字，而不是停留在笼统的安全表态上。
单价降了 33%，总账未必
第三方汇总的 API 报价为每百万 token 输入 2 美元、输出 10 美元、缓存命中 0.2 美元，三项均比 K3 低 33%；官方称 API 客户可选用零数据保留。不过 Lambert 同时提醒，K3.1 Pro 每次回答消耗的 token 明显更多，实际花费可能与 K3 相近。按官方说明，企业版默认关闭，需要管理员手动开启。
发布日的分数只能当参考，真正的验收在权重释出之后：外部研究者复测时，幻觉率的降幅和网络能力的削减能否与官方数字对得上，11 月 4 日这个时间点能否兑现。这两件事，比榜单第四名更能决定这代开放权重模型的成色。
