Kimi K3.1 Pro 發佈後登上 Artificial Analysis Intelligence Index 第四位，公開權重後將成最高分開放權重模型
Kimi K3.1 Pro launches at 4th on the Intelligence Index and will lead open weights models
Moonshot 發佈推理模型 Kimi K3.1 Pro，Artificial Analysis Intelligence Index 得分 55、排名第 4，較 Kimi K3（max）的 44 分高 11 分。
文章比較 Kimi K3.1 Pro 在代理任務、其他評測及每項任務成本上的變化，呈現其提升主要集中在哪些能力。
Kimi K3.1 Pro 推出後在 Artificial Analysis Intelligence Index 排名第 4，得分 55，Agent 表現大幅提升；待權重發布後，將成為領先的開放權重模型
Moonshot 推出的新推理模型比 Kimi K3（max，44）高 11 分。在 Intelligence Index 上，它只落後於 Claude Opus 5.5（max with fallback，58）、Claude Sonnet 5.5（max with fallback，56）和 Muse Wonder Full（max，56）。
K3.1 Pro 的權重發布後，將成為得分最高的開放權重模型，並令 Intelligence Index 上領先的開放權重模型與專有模型之間的差距由 12 分縮窄至 3 分。
主要結果： ➤ Agent 表現大幅提升：Kimi K3.1 Pro 在 GDPval-AA 得分 1,846 Elo，排名第 3，較 Kimi K3 高 312 Elo，只落後於 Claude Opus 5.5（1,866 Elo）和 Muse Wonder Full（1,857 Elo）。Kimi K3.1 Pro 在 Terminal-Bench 4.0 的得分亦高於所有其他模型。K3.1 Pro 得分 67%，高於 Kimi K3 的 13%，亦領先 Claude Sonnet 5.5（64%）。測試 Agent 式 SaaS 工作流程的 AutomationBench-AA，得分由 58% 升至 73%。
➤ 其他評測的進步較温和：Humanity's Last Exam 得分由 47% 升至 52%，CritPt 由 23% 升至 25%，SciCode 由 59% 升至 61%。AA-Omniscience Index 得分由 20 升至 30；幻覺率由 53% 降至 44%，準確率則由 48% 升至 51%。
➤ 每項任務成本與 Kimi K3 大致相若，為 $1.98：K3.1 Pro 每項 Intelligence Index 任務使用 55K 輸出 token，較 Kimi K3 的 48K 多 14%，但其官方 token 定價低 33%。
其他模型資料： ➤ 上下文窗口：1M tokens。 ➤ 規模：總計 2.8T，啟用參數 104B ➤ 輸入模態：文字和圖片 ➤ 權重與授權：目前尚未發布權重，預計 Moonshot 會在推出後不久發布權重 ➤ 定價：每 1M 輸入／輸出／快取命中 token 收費 $2/$10/$0.20，三項單價均較 Kimi K3 低 33%。
個別評測結果：
來源：Artificial Analysis 完整文章 · artificialanalysis.ai