月之暗面发布 Kimi K3.1 Pro：2.8T 总参数/104B 激活的 MoE 模型，支持 1M 上下文

MarkTechPost· Asif Razzaq·2026-10-24 06:52· 55 分钟前AI 评分73

Moonshot AI 发布 Kimi K3.1 Pro：总参数 2.8T、激活 104B（MoE）模型，上下文 1M

AI 导读

月之暗面发布 Kimi K3.1 Pro，总参数 2.8T、激活 104B（MoE），上下文窗口 1M token，已上线 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API。

正文 · 原文

Moonshot AI 刚刚发布了 Kimi K3.1 Pro，这是其 K3.1 系列的首个模型。Kimi K3.1 Pro 是一款 3T 级开放权重*模型，上下文窗口为 100 万 token。Moonshot 团队将其定位为在编程、智能体和知识基准上对标最强的闭源模型。对开发者而言，它的 API 价格比 K3 更低，且开放权重尚未发布。*开放权重预计于 2026 年 11 月发布。

TL;DR

规模：总参数 2.8T、激活 104B（MoE），上下文 1M token。
运行于：目前通过 Kimi API 提供。对于 K3，Moonshot 建议使用 64 个以上加速器的超级节点，采用 MXFP4 权重和 MXFP8 激活。并非单 GPU 模型。
性能：在终端编程上接近闭源前沿水平；在科学终端任务上落后。
最佳：SWE-Marathon 51.7，在 Kimi 图表中领先所有模型（自报数据）。
最差：Terminal-Bench Science 0.1 为 38.1，而 Kimi 图表中 GPT-6 Astra 为 68.1。

Kimi K3.1 Pro 是什么？

Kimi K3.1 Pro 是 Kimi K3 的后训练版本，后训练算力大幅增加。Moonshot 团队在数百个下游领域进行了联合强化学习。为支持这一点，Moonshot 团队优化了 RL 框架、长上下文推理、沙箱基础设施和 rollout 调度。

基础 K3 架构采用 Kimi Delta Attention（KDA）和 Attention Residuals（AttnRes）。它通过 Stable LatentMoE 框架激活 896 个专家中的 16 个。根据快速入门文档，该模型通过 API 接受文本、图像和视频。

Moonshot 团队还推出了 Kimi K3.1 Pro Highspeed。根据 Moonshot 官方博客，它的运行速度快 2 到 3 倍。

Kimi K3.1 Pro 在基准测试中表现如何？

以下所有数字均为 Moonshot 在 max 推理强度下自报，大多使用 Claude Code 测试框架。

编程：在 Terminal-Bench 4.0 上，K3.1 Pro 得分 65.7%。在 Kimi 图表中仅落后于 Claude Opus 5.5 的 66.4%。在 SWE-Marathon 上以 51.7 领先，超过 Opus 5.5 的 46.3。在内部基准 Kimi Code Bench 3.0 Long-horizon 上，得分为 61.2，高于 K3 的 55.95。
科学：Terminal-Bench Science 0.1 是明显的差距。K3.1 Pro 得分为 38.1，而 Kimi 图表中 GPT-6 Astra 为 68.1，Opus 5.5 为 63.3。
3D 与 CAD：在带工具的 BenchCAD 上，K3.1 Pro 得分为 92.7。Opus 5.5 得分为 96.2，GPT-6 Astra 为 95.9。不带工具时，K3.1 Pro 得分为 72.8，接近 Opus 5.5 的 73.0。
金融：K3.1 Pro 在 OfficeQA Pro v2 上报告了最先进的 64.4。在 Frontier Finance 上得分为 58.6。在内部金融测试中，相比 K3 在建模上提升 7.2 分，在研究上提升 11.6 分。
幻觉：在内部压力测试 Kimi Hallu Bench Hard 上，声明级幻觉从 23.4%（K3）降至 8.3%。这大致相当于 Moonshot 所称的 65% 降幅。在同一测试中，GPT-6 Astra 仍以 5.5% 保持更低。

Kimi K3.1 Pro 如何处理网络风险？

在开放权重版本中，Moonshot 从训练中期和强化学习中移除了与网络相关的数据。在其内部的 xdev-bench-hard 上，未经过滤的检查点在 pass@3 下解决了 90.5%。交付的 K3.1 Pro 解决了 81.0%。Moonshot 表示，在攻击性网络任务上，它仍落后于前沿专有模型。

开发者如何访问 Kimi K3.1 Pro？

该模型已在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上线。API ID 为 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed。端点兼容 OpenAI。

K3.1 Pro 的定价为每百万 token 输入 $2.00、输出 $10.00。缓存命中费用为 $0.20。高速版为输入 $4.00、输出 $20.00。K3 本身的定价为 $3.00 和 $15.00。

快速入门中的实际限制：

思考模式始终开启。推理强度为 low、high 或 max（默认 max）。
温度 1.0 和 top-p 0.95 固定不变。
输出默认 131,072 个 token，最高可达 1,048,576。
最低充值 $1 后即可解锁访问。
视觉输入不接受公开图片 URL。请使用 base64 或上传的文件 ID。

与竞争模型相比如何？

*数据取自 Kimi 的对比图表；未在竞争对手自己的页面上确认。

有哪些限制？

权重尚未公开，因此目前无法自托管。
2.8T 的规模指向多节点、超级节点级服务。
科学密集型终端任务落后 GPT-6 Astra 和 Opus 5.5 超过 25 分。
若干声称的胜绩来自内部基准测试。
对于 K3，Moonshot 警告称，在 harness 中丢弃推理历史会使输出不稳定。K3.1 Pro 文档也说明要返回完整的 assistant 消息。

关键要点

Kimi K3.1 Pro：总参数 2.8T，激活参数 104B，上下文 1M。
Terminal-Bench 4.0 为 65.7%，落后 Opus 5.5 0.7 分。
以 51.7 领先 SWE-Marathon；在 Terminal-Bench Science 上大幅落后（38.1）。
API 费用为每百万 token $2/$10，比 K3 便宜。
开放权重预计于 2026 年 11 月发布。

查看官方技术博客、API 快速入门 以及 X 上的发布帖。所有功劳归于该项目的研究者。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？联系我们

文章 Moonshot AI 发布 Kimi K3.1 Pro：一个总参数 2.8T/激活参数 104B（MoE）且上下文 1M 的模型首次出现在 MarkTechPost。

来源：MarkTechPost · marktechpost.com