過去兩個月，全球大模型市場迎來一輪密集更新。
9 月，OpenAI 接連推出 GPT-6 Astra、GPT-6 Sol 等新模型，Anthropic 也發佈了 Claude Opus 5.5 和 Claude Sonnet 5.5。
相比之下，中國頭部大模型廠商的新一代旗艦模型發佈節奏相對平靜。自今年 7 月 Kimi K3 發佈以來，已經有三個多月沒有推出同等規模的旗艦升級。
10 月 23 日，月之暗面正式發佈 Kimi K3.1 Pro，重新加入這場競爭。新模型擁有 2.8 兆總參數，每次推理啟動 1040 億參數，支援 100 萬 token 上下文窗口，在程式設計、智能體、3D 創作和金融研究等領域實現升級。官方宣佈，完整模型權重將在 11 月 4 日前開放。
這次發佈最重要的依舊是性能成績。在月之暗面公佈的 Terminal-Bench 4.0 程式設計測試中，K3.1 Pro 獲得 65.7% 的成績，超過 GPT-6 Astra 的 58.2%，距離 Claude Opus 5.5 的 66.4% 僅差 0.7 個百分點。
在考察長周期軟體工程任務的 SWE-Marathon v1.1 中，K3.1 Pro 以 51.7% 的成績超過 Claude Opus 5.5 的 46.3% 和 GPT-6 Astra 的 42.5%。
智能體方面，K3.1 Pro 在 Agents' Last Exam 測試中獲得 43.2 分，超過 Claude Opus 5.5 的 42.6 分和 GPT-6 Astra 的 32.8 分。在允許呼叫工具的完整版 Humanity's Last Exam 中，它也以 70.0% 的成績位列官方對比模型首位。
不過，在科學計算終端任務、部分知識推理和 3D 重建測試中，GPT-6 Astra 和 Claude Opus 5.5 仍保持優勢。
獨立評測機構 Artificial Analysis 隨後公佈了自己的測試結果。K3.1 Pro 在其最新智能指數中獲得 55 分，排名全球第四，僅次於 Claude Opus 5.5、Claude Sonnet 5.5 和 Muse Wonder Full。相比上一代 K3 的 44 分，提高了 11 分。
開源模型的排名也將發生變化。Artificial Analysis 指出，一旦 K3.1 Pro 按計畫公開模型權重，它將成為該指數中得分最高的開放權重模型。領先開放權重模型與頂級閉源模型之間的分差，也將從此前的 12 分縮小至 3 分。
01. 從寫程式碼到開發 3D 遊戲，Kimi 的審美能力再次升級
這次公佈的大量演示作品，更直觀地展示了它的變化。
在程式設計之外，Kimi 一直重視網頁、簡報和互動內容的視覺表現。新模型進一步加強了這方面的能力，能夠同時處理程式碼邏輯、頁面構圖、材質、光照和動畫設計。
此次 K3.1 Pro 展示的作品，已經從普通網頁擴展到完整的 3D 遊戲和複雜場景。
例如，月之暗面展示了一款使用虛幻引擎 5.8 開發的天宮對戰遊戲。模型通過編寫程式碼和呼叫工具，建構大型建築場景，並結合程序化建模、即時光照及外部素材，完成可運行的遊戲環境。
另一項演示則是一款東方仙俠風格的 3D 角色扮演遊戲。作品使用 Godot 引擎開發，包含五個可探索區域、兩階段 Boss 戰、晝夜循環和篝火傳送等機制，同時整合了角色動畫、戰鬥和場景互動。
還有一款 3D 汽車登錄頁面。相比傳統的靜態登錄介面，這個作品將汽車三維模型與網頁互動結合起來，通過車身材質、燈光、空間佈局和動態效果，呈現出更接近汽車品牌官網的視覺體驗。它也體現了 K3.1 Pro 在前端開發上的一個優勢：除了實現頁面功能，還能夠兼顧視覺設計和互動體驗，讓生成的網頁具有更高的完成度。
這些案例展示了模型處理複雜遊戲工程的能力。過去，AI 生成遊戲通常需要開發者手動拼接大量素材和功能模組，如今 K3.1 Pro 已經能夠承擔更多從設計、程式碼編寫到運行偵錯的連續工作。
此外，K3.1 Pro 在 3D 建模上的提升也很明顯。模型能夠根據文字描述、草圖或參考圖片，理解物體的結構、比例和空間關係，並生成對應的三維模型。
它還可以自行編寫和運行 Blender、CAD 等設計軟體的指令碼，修改幾何結構、材質和場景佈局，無須專門通過 MCP 連接器完成所有操作。
例如，官方展示了一款以福建土樓為靈感的 3D 列印檯燈。模型將傳統圓形建築轉化為鏤空格柵結構，設計出五個可以分別列印的部件。
在另一項演示中，K3.1 Pro 使用 Blender 建構機場室內雨林場景，生成了一段 19.5 秒、1920×1080 解析度、每秒 60 幀的展示視訊。
為此，月之暗面還同步推出了 3D Make 功能。使用者可以直接在 Kimi 網頁和 App 中建立、預覽和編輯 3D 模型，下載用於 3D 列印的檔案，或將作品匯出為視訊和實況照片。
除了審美和建模能力，這次升級還體現在長時間執行複雜任務的能力上。
月之暗面提供了一個人體行走模擬實驗。K3.1 Pro 需要基於包含 296 個骨骼元件、402 個肌肉元件的開源人體模型，編寫模擬器並訓練虛擬人行走。整個過程中，模型經歷 167 項任務和 420 次獨立評審，不斷分析實驗結果、修改控製程序，最終讓原本幾秒鐘就會倒下的虛擬人，能夠連續交替
當手臂運動始終無法改善時，模型還回頭檢查模擬器的計算方法，發現並修復了 36 處肩部肌肉力臂計算錯誤，隨後重新訓練控製器。模型已經能夠在任務失敗後檢查底層假設，尋找錯誤原因，並根據結果重新安排工作步驟。
02. 強化學習推動能力提升，金融研究和事實精準性同步改善
K3.1 Pro 為什麼能取得如此明顯的進步？
根據月之暗面，新模型是在 K3 基礎上進行更大規模後訓練得到的，並未重新從頭訓練一個 3 兆參數模型。
團隊重點擴大了強化學習的計算投入，同時調整了強化學習框架、長上下文推理、訓練效率、沙盒環境和任務調度系統，使模型能夠在數百個不同領域的任務中持續學習。團隊讓模型在更多真實或模擬任務中反覆嘗試，根據執行結果調整策略，提高完成複雜工作的能力。
這也解釋了為什麼 K3.1 Pro 此次最明顯的進步集中在程式設計、智能體以及長周期任務，而不是所有知識和推理測試都同步取得大幅領先。
金融研究是另一個提升明顯的領域。在 OfficeQA Pro v2 測試中，模型需要處理真實金融檔案，完成資訊檢索、跨文件核對及多步驟計算。K3.1 Pro 獲得 64.4 分，超過 Claude Opus 5.5 的 62.2 分和 GPT-6 Astra 的 54.4 分。
月之暗面的內部測試還顯示，相比上一代 K3，K3.1 Pro 的金融建模成績提高 7.2 分，金融研究提高 11.6 分，模擬商業營運成績提升至原來的約 4.2 倍。在實際演示中，模型可以完成輝達財務預測與估值模型、寧德時代投委會報告，以及量子計算行業研究報告等任務。
團隊還專門改善了事實精準性。在內部 Kimi Hallu Bench Hard 壓力測試中，模型生成內容的單條事實錯誤率從 K3 的 23.4% 下降至 8.3%。這一測試專門挑選容易產生事實錯誤的複雜任務，不能直接代表日常使用中的總體幻覺率。
這些進展也體現在模型的定價上。目前，K3.1 Pro 的 API 價格為每百萬輸入 token 2 美元、輸出 token 10 美元，比上一代 K3 對應價格下降約三分之一。官方還推出了 Highspeed 版本，宣稱在維持相同模型能力的情況下，輸出速度提升約 2 至 3 倍，但價格也相應翻倍。
值得注意的是，Artificial Analysis 測得標準版 K3.1 Pro 的輸出速度約為每秒 73.5 個 token，低於同類模型的平均水平，完成測試任務時的輸出篇幅也偏長。因此，其實際使用成本和任務耗時，仍需要結合具體場景判斷。
目前，K3.1 Pro 已上線 Kimi 網頁端、移動端、Kimi Work、Kimi Code 和 API 平台。
對於月之暗面而言，這次發佈延續了 K3 以來的大規模開放權重路線。相比單純擴大參數規模，K3.1 Pro 更充分地利用了已有模型，通過後訓練改善複雜任務的執行能力，並進一步拓展到 3D 創作和專業工作。
它仍然存在不足，在部分科學推理、工程任務和運行效率上，領先的閉源模型保持著優勢。
但至少從目前的獨立評測結果來看，全球頂級閉源模型與開放權重模型之間的差距正在進一步縮小。如果 K3.1 Pro 如期公佈完整權重，這一變化也將為更多開發者提供接近前沿水平的模型選擇。 (DeepTech深科技)