Kimi K3.1-Pro凌晨王炸登场，性能强悍到海外刷屏了

Kimi的员工晚上不睡觉吗？今天凌晨1点，AI圈被Kimi炸醒了！

月之暗面发布最新模型Kimi K3.1 Pro。总参数2.8万亿，激活1040亿，100万上下文窗口，代码、3D创作、金融调研全面升级。消息一出，海外AI圈直接刷屏，登上热搜榜。模型权重将在11月4日之前开放。登顶最强开源模型，海外用户震惊了知名大模型竞技平台Arena发布最新榜单：代码领域，Kimi K3.1 Pro以1692分超过Claude Opus 5（Max），成本还降了70%；也超过GPT-6 Sol（Max）的1681分。品牌与营销排名第7，从第9上升；模拟类排名第9，从第20上升。 独立模型分析平台Artificial Analysis给出的成绩是：Kimi K3.1 Pro在智能指数上以55分位列第4，仅次于Claude Opus 5.5（58分）、Claude Sonnet 5.5（56分）和Muse Wonder Full（56分），并确认一旦开放权重，它就是最强开源模型。

各个榜单排名（Kimi网站）

知名科技博主chubby直接说：Kimi K3.1 Pro在关键基准测试上跟Opus 5.5、GPT-6 Astra打平甚至更强。“中国开源又回来了！”网友实测：10小时做个3D游戏，52美元光看榜单不够，有人直接上手干活。 一位网友用Kimi K3.1 Pro开发了一个3D游戏，花了10个小时、400万token，费用近52美元。同样的活换GPT-6 Astra或Opus 5.5，很容易超过500美元。还有人做了个3D网站，把一只机械手拆解成2317个部件，效果相当惊人；另有人直接开发了一个类蜘蛛侠2的游戏，功能、光影、人流、动作几乎能媲美原作——8个小时、380万token，费用只有34.72美元。 单个HTML文件three.js测试里，K3.1 Pro生成的效果也比Opus 5.5、GPT-6 Astra更好。

生成影视画面（官方视频）

目前已经可以在Kimi.ai、移动端App、Kimi Work、Kimi Code和API中使用。定价为每百万输入/输出token 2美元/10美元，开放权重之后将成为目前全球参数最大的开源大模型。这次升级，重点在哪K3.1 Pro是在上一代K3基础上做的一次更大规模后训练。为了让强化学习能在几百个下游领域里联合跑起来，团队把技术栈从上到下捋了一遍：强化学习框架、长上下文推理、训练效率、沙盒基础设施、rollout调度、环境质量检查共享平台，全都大改。目的就一个：让算力发挥到极致，不浪费。毕竟现在算力是真的贵。

工业建模应用（官方视频）

代码和智能体方面，Terminal-Bench 4.0专门评估代码智能体在资源受限的真实终端任务里干活的表现，K3.1 Pro拿到65.7%，比GPT-6 Astra的58.2%高，只比Claude Opus 5.5的66.4%低一点点。内部Kimi Code Bench 3.0 Long-horizon上，K3.1 Pro拿了61.2%，比K3的55.95%进步明显。从在现有代码库里快速修bug，到从0搭建一个完整项目，都能接。而且能熟练驾驭Unity、虚幻引擎、Godot这些主流游戏引擎，配合网页搜索和3D生成，产出完整可运行的作品。

3D建模展示（官方视频）

有个细节挺能说明问题：让K3.1 Pro在开源人体解剖模型上搭一个行走动力学模拟器，296个骨骼组件、402个肌肉组件，听着就头大。在167项任务、420次独立评审里，它自己分析实验结果、诊断问题、反复打磨控制器，硬是把模拟人从几秒钟就趴下练到了能交替步态连续走11.2秒。当奖励塑形怎么调都改善不了手臂运动时，它没有反复微调奖励函数，而是对模拟器动力学做开环探测，最后定位并修正了36处肩部肌肉力臂的计算错误，再回头重新训练控制器。这操作像一个真正有经验的工程师：发现方向不对，回去查底层假设，而不是在错误的路上死磕。 3D建模也相当能打。BenchCAD基准测的是从多视角渲染图生成CAD代码、重建3D模型，开启工具调用后K3.1 Pro拿到92.7%，接近Claude Opus 5.5的96.2%和GPT-6 Astra的95.9%。给个文字描述、一张草图或者一张参考图，它就能推断出物体的形态、比例和空间关系，生成可以直接用的3D模型。参数化建模尤其擅长，机械零件、建筑模型、可配置产品、定制家具都能处理。而且不需要MCP连接器，模型自己就能编写并运行Blender和各种CAD软件的脚本。3D Make功能已经上线kimi.ai和Kimi App，可以在线预览编辑3D模型，下载后直接拿去3D打印。 金融能力也大幅提升。OfficeQA Pro v2上拿了64.4的最先进结果，考的是对真实金融文档做复杂财务数据分析，涉及检索、跨文档验证和多步数值推理。内部金融基准进步更明显：金融建模提升7.2分，金融研究提升11.6分，商业运营性能大约达到K3的4.2倍。金融分析对事实准确性要求极高，错一个数字都可能出大事。内部Kimi Hallu Bench Hard基准专门重压测试事实准确性，K3版本声明级别的幻觉率是23.4%，K3.1 Pro降到了8.3%，出现至少一处事实错误的回复占比只有前代的42.4%。

责任编辑：张云山