Moonshot AI 發佈 Kimi K3.1 Pro，K3.1 系列首款模型

Moonshot AI 於 2026 年 10 月 24 日推出 Kimi K3.1 Pro，這是全新 K3.1 系列的首個模型，並同時推出速度更快的配套版本 Kimi K3.1 Pro Highspeed。該公司稱，K3.1 Pro 是其迄今能力最強的 3T 級開放權重模型，支援 1 百萬 token 的上下文視窗。

根據公佈，K3.1 Pro Highspeed 的速度是 K3.1 Pro 的兩至三倍，而模型能力完全相同。兩款模型均可在 Kimi 產品系列中使用：包括 Kimi.ai、Kimi 的 iOS、Android 及 HarmonyOS 流動應用程式；適用於 Windows 及 Apple silicon Mac、版本為 3.1.0 或以上的 Kimi Work 桌面應用程式；Kimi Code，用戶可在其中使用 /model 指令選擇模型；以及 Kimi API，模型名稱分別為 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed，API 客戶亦可使用 Zero Data Retention。Kimi Enterprise 管理員可為其機構啟用 K3.1 Pro；推出時，存取權預設為關閉。

訓練及效能評測

K3.1 Pro 是 Kimi K3 經後訓練的版本。Moonshot AI 稱，該模型使用了大幅增加的後訓練運算資源。為在數百個下游領域進行大規模聯合強化學習，該公司表示已最佳化技術堆疊的每一層，包括強化學習框架、長上下文推理、訓練效率、沙盒基建、rollout 排程，以及用於檢查環境品質的共用平台。

該公司報告稱，在評估編碼 Agent 執行貼近現實且資源受限的終端機任務的 Terminal-Bench 4.0 上，K3.1 Pro 得分為 65.7%，高於 GPT-6 Astra 的 58.2%，但以些微差距落後於 Claude Opus 5.5 的 66.4%。在 Kimi Code Bench 3.0 Long-horizon 這項內部基準測試中，該測試涵蓋多步驟執行、工具使用及端到端問題解決，K3.1 Pro 得分為 61.2%，K3 則為 55.95%。BenchCAD 透過 CAD 程式碼生成，測試根據多視角算繪圖像進行 3D 重建的能力；K3.1 Pro 使用工具時得分為 92.7%，接近 Claude Opus 5.5 的 96.2% 及 GPT-6 Astra 的 95.9%。3D Make 功能已在 kimi.ai 和 Kimi 應用程式推出，用戶可在線預覽及編輯 3D 模型，並下載可供 3D 列印的模型。

Moonshot AI 亦報告稱，K3.1 Pro 在 OfficeQA Pro v2 取得 64.4 分，達到業界最佳水平。這項測試以真實財務文件進行複雜財務數據分析。該公司指出，在其內部財務基準測試中，K3.1 Pro 的表現均高於 K3：Financial Modeling 高出 7.2 分、Financial Research 高出 11.6 分，而在 Business Operation 的表現約為 K3 的 4.2 倍。在 Kimi Hallu Bench Hard 這項內部事實準確度壓力測試中，模型的主張級幻覺率由 K3 的 23.4% 降至 8.3%；至少包含一項事實錯誤的回應比例，則為前代模型的 42.4%。該網誌指出，這項評測刻意設計來探測容易出錯的情況，公佈的比率並不代表日常使用中的整體錯誤率。

網誌提到，在一項內部長期編碼測試中，K3.1 Pro 基於 human-atlas 建立了一個人類步行動力學模擬器。human-atlas 是一個開源人體解剖模型，包含 296 個骨骼組件及 402 個肌肉組件。在 167 項任務及 420 次獨立評審中，模型反覆改進步行控制器；當獎勵塑形未能改善手臂動作時，模型對模擬器的動力學進行開環探測，找出並修正肩部肌肉力臂計算中的 36 項錯誤，然後重新訓練控制器。

網絡安全控制措施與開放權重原則

Moonshot AI 表示，隨着後訓練規模擴大，模型在漏洞研究方面的表現持續提升；公司追溯這個趨勢，認為原因是一般中期訓練語料庫中包含網絡安全相關內容，以及強化學習環境組閤中包含網絡安全相關任務。對於 K3.1 Pro 的開放權重版本，公司表示已從兩個訓練階段中識別並移除網絡安全相關資料，同時保留模型發揮用途所需的通用編碼任務。

網誌指出，在 xdev-bench-hard 這個公司內部基準測試中，這套基準由專家策劃，包含以原始碼為本的漏洞發現及利用任務；未採取上述風險降低措施訓練的檢查點，在 pass@3 下解決了 90.5% 的問題，而最終版 K3.1 Pro 則達到 81.0%。Moonshot AI 表示，結果顯示，與同一訓練流程原本會產生的能力相比，移除資料能有效降低網絡安全能力；K3.1 Pro 的網絡安全能力仍落後於已公開提供至少三個月的前沿專有模型。

網誌闡述了開放權重版本背後的兩項原則。第一，公司旨在避免推出會推高網絡安全能力絕對前沿的開放權重模型。第二，公司打算逐步提升開放權重模型可提供的網絡安全能力，並指出，不受歧視的存取權讓更多團隊有能力審核自己維護的程式碼，包括甚少接受專門安全審查的舊有系統。

Kimi Code 中的模型配置

另外一份 Kimi Code 文件詳述模型如何提供予開發者使用。文件列出 K3.1 Pro、K3、K2.8 Preview 及 K2.7 Code Highspeed 系列的六個模型 ID，並稱 k3.1-pro 是一款 3T 參數的旗艦模型，為較高級別會員提供最多 1,048,576 個 token 的上下文視窗；Highspeed 版本則具備相同能力，但配額用量約為兩倍。頁面指出，K3.1 Pro 已在 Kimi Code 全面推出。

文件指出，K3.1 Pro 模型只支援思考模式；停用思考模式的請求會被拒絕，並回傳 HTTP 400 錯誤。兩款新模型均接受 reasoning_effort 設定，選項為 low、high 或 max，預設為 max，亦均接受圖片及影片輸入。按新會員方案，k3.1-pro 須為 Plus 或以上級別用戶方可使用，而 1M 上下文視窗僅供 Pro 或以上級別使用；k3.1-pro-highspeed 則須為 Pro 或以上級別用戶方可使用。按舊版方案，相應級別為 Moderato 和 Allegretto。

文件建議另開新工作階段，而不要在工作階段進行期間切換至新模型；如要取得最穩定的輸出，建議使用原生 Responses、chat completion 或 message API；在第三方工具中則應輸入準確的模型 ID，因為 ID 拼錯時會改用 K2.8 Preview，且不會啟用思考模式。

公司表示，Kimi K3.1 Pro 的完整模型權重將於 2026 年 11 月 4 日前發布。