Kimi K3.1 Pro 和 K3.1 Pro Highspeed 发布——3T 级开源模型，拥有 100 万 Token 上下文和更快推理速度

摘要——Kimi K3.1 Pro 是什么以及为何重要

Kimi 发布了 K3.1 Pro，一个拥有 3 万亿参数的开源权重模型，支持 100 万 Token 的上下文窗口，以及一个运行速度快 2–3 倍的 Highspeed 变体。该模型在编程、3D 创作、金融和智能体基准测试中达到或超越了最强的专有系统，同时团队刻意移除了与网络相关的训练数据，以将攻击性安全能力保持在领先水平之下。

模型概览和可用性

关键事实

模型规模：3 万亿参数（K3 的后训练版本，使用了大幅增加的强化学习计算量）。
上下文窗口：100 万 Token，是公开宣布的开源权重 LLM 中最长的。
Highspeed 变体：推理速度提升 2–3 倍，权重相同，优化了服务管道。
发布日期：今天可在 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API 上使用。完整模型权重将于 2026 年 11 月 4 日 发布。
定价：K3.1 Pro 的提示词价格为每百万 Token 2.00 美元，补全价格为每百万 Token 10.00 美元；缓存使用价格为每百万 Token 0.20/2.00 美元。
企业版：K3.1 Pro 默认对企业管理员关闭；可通过 Kimi Business 启用。

基准性能——编程

结论：K3.1 Pro 提供了领先水平的编程能力，超越了大多数开源模型，并接近顶级专有系统。

Terminal-Bench 4.0：通过率 65.7%，领先于 GPT-6 Astra（58.2%），略低于 Claude Opus 5.5（66.4%）。
Kimi Code Bench 3.0 长时任务：61.2%，而 K3 为 55.95%。
Human-atlas 模拟测试：构建了完整的人体行走动力学模拟器，迭代修复了 36 个肩部肌肉错误，并在 167 次任务和 420 次审查后实现了稳定的 11.2 秒行走。
社区反馈：用户报告称，与 Astra 和 Opus 相比，K3.1 Pro 在不同领域感觉“尖锐”，提供了独特的解决问题角度。

3D 建模和设计——新能力

结论：该模型在参数化 3D 创建和 CAD 代码生成方面表现出色，可与顶级专有模型媲美。

BenchCAD（带工具）：Voxel-IoU 达到 92.7%，接近 Claude Opus 5.5（96.2%）和 GPT-6 Astra（95.9%）。
参数化建模：无需 MCP 连接器即可生成用于机械零件、建筑和定制家具的 Blender 和 CAD 脚本。
3D Make：新的网页界面，可将提示词转换为可打印的 3D 模型、视频或 Live Photos。
用户评论：对前端设计质量以及模型“直率且好辩”的个性（有些人觉得有趣）给予积极评价。

金融基准——端到端工作流

结论：K3.1 Pro 在金融分析方面树立了新的开源权重最先进水平，在开源模型中取得了最高的 OfficeQA Pro v2 分数。

OfficeQA Pro v2：64.4，领先排行榜。
Frontier Finance：58.6，优于大多数开源竞争对手。
内部金融收益：财务建模提升 +7.2 分，金融研究提升 +11.6 分，业务运营任务提升约 4.2 倍。
事实准确性：声明级幻觉率从 K3 的 23.4% 降至 8.3%；在 Kimi Hallu Bench Hard 上，整体事实错误占比降至 K3 的 42.4%。

网络安全——受控能力降低

结论：Kimi 通过移除网络相关数据，刻意降低了攻击性网络能力，使开源权重模型更安全，同时保留了通用编程实力。

数据移除：在中期训练和强化学习阶段都剥离了网络相关内容。
xdev-bench-hard（pass@3）：K3.1 Pro 得分为 81.0%，而未降低能力的检查点为 90.5%；仍领先于 DeepSeek-V4.1-Flash（85.7%），远高于 K3（33.3%）。
政策理由：开源权重不应扩展网络能力的绝对前沿；团队计划随着安全控制的成熟逐步提升能力。
社区反应：评论者指出这种方法“比拒绝好得多”，并将其比作使攻击性使用在经济上不可行。

智能体和多模态基准——广泛技能集

结论：在智能体、推理和多模态任务中，K3.1 Pro 始终匹配或超越领先的闭源模型。

智能体任务：在 BioMysteryBench、OfficeQA Pro、Frontier Finance 和 OSWorld V2.1 上表现强劲（为简洁起见省略具体数字）。
多模态：在使用工具增强管道评估时，在 MMMU-Pro、GDP.pdf 和 ZeroBench 上取得有竞争力的分数。
Highspeed 变体：提供相同质量，延迟降低 2–3 倍，适用于交互式智能体。

定价、配额和实际使用

结论：该模型定价具有竞争力，但每次会话强制执行 5 小时的使用配额，一些早期采用者认为这具有限制性。

配额问题：用户报告称，在一次最大努力会话后即达到 5 小时限制，使长时间工作流变得困难。
成本比较：以每百万 Token 2 美元的提示词成本计算，K3.1 Pro 比许多美国替代品便宜；中国定价比 K3 低约 30%。
性能与成本：诸如 Pac-Man 烘焙测试等基准显示，K3.1 Pro 以约一半的价格匹配 Claude Sonnet 5.5 的质量。

社区情绪和开放问题

结论：Hacker News 讨论突出了对该模型能力的强烈热情、对网络安全方法的好奇心，以及对配额限制的担忧。

“处理网络问题的好主意，通过从预训练中移除网络数据来专门削弱模型的网络能力。这比拒绝好得多……” – @henry700

“5 小时限制使其完全无法使用。你几乎还没开始做任何事就立即达到限制。” – @Athanase000

“Artificial Analysis 指数结果显示 K3.1 Pro 排名第 55，击败了 GPT-6 Astra 和 Fable 5.1。” – @minimaxir

“Highspeed 快 2–3 倍，但它是单独的模型吗？” – @vikramkr

总体而言，社区认为 K3.1 Pro 是开源权重 LLM 的一大进步，尤其是在编程、3D 和金融领域，同时呼吁更清晰地记录使用限制和 Highspeed 变体的确切性质。

最终评估

Kimi 的 K3.1 Pro 发布表明，开源权重 LLM 现在可以在广泛的技术任务上与顶级专有系统竞争，这得益于大规模强化学习计算、100 万 Token 上下文和专用的高速服务路径。刻意降低攻击性网络能力反映了主动的安全立场，尽管当前模型的配额限制可能阻碍重度使用场景。即将于 11 月 4 日发布的权重将促进更广泛的研究和下游创新。