K3.1 Pro让了一只手，仍吊打GPT-6 Astra

10月24日是程序员的节日，月之暗面在今天推出了Kimi K3.1 Pro，为全球程序员送上了一份大礼。

官方称它是目前最强的3T级开放权重模型，单个token激活约1040亿参数，上下文窗口为100万token。

重点在于性能，编程方面，在Terminal-Bench 4.0上，K3.1 Pro是65.7%秒杀GPT-6 Astra的58.2%，仅次于Opus 5.5的66.4%。

在第三方评测机构Artificial Analysis自己跑的Terminal-Bench 4.0里，K3.1 Pro是67%，甚至比月之暗面自己跑的还高。不仅如此，67%也是Artificial Analysis里目前最高的评分。

3D建模方面，BenchCAD带工具时K3.1 Pro是92.7%，Opus 5.5是96.2%，稍逊于GPT-6 Astra的95.9%。不带工具时是72.8%，与Opus 5.5的73.0%几乎持平。

GDPval-AA，这是一个测真实工作任务的Elo榜，K3.1 Pro是1846分，比K3涨了312分，排第三，只落后 Opus 5.5的1866和Muse Wonder Full的1857。

在智能水平的榜单中，排名亦是如此，K3.1 Pro超过了所有OpenAI的模型。

尤其需要指出的是，这样的成绩，是在K3.1Pro进行了“自我削弱”的情况下取得的。也就是说，尽管让了一只手，K3.1Pro仍然轻松吊打Astra。

月之暗面官方称，K3.1 Pro的权重最晚11月4日放出。也就是说，杨植麟坐上了开源第一的王座。

01

别只看跑分

官方博客把K3.1 Pro的更新归纳成三个方向。

第一个是编码。

K3.1 Pro能在Unity、Unreal Engine和Godot这些游戏引擎里工作，还能结合联网搜索和3D生成，做出完整的游戏和网页体验，前端页面和Three.js场景在构图、字体、动画上更讲究。

第二个是3D建模。

K3.1 Pro擅长参数化建模，不需要MCP连接器，就能自己写脚本驱动Blender和CAD软件。配套的产品3D Make同步上线，可以在线预览、编辑，下载后直接3D打印，也可以导出成视频或 Live Photo。

第三个是金融。

OfficeQA Pro v2得分64.4，甚至超过了Opus 5.5的62.2。

这是一套考“看财报、查数据、做计算”的题。题目是真实的财务文件，模型要先找到资料，再核对多份文件里的数字有没有矛盾，最后一步步算出答案。

Frontier Finance得分58.6。

在幻觉方面，官方针对事实准确性做了专门的优化，月之暗面拿一批专门设计来“诱导AI犯错”的难题去测，然后把AI的回答拆成一条条具体的说法，再去数其中有多少条是错的。模型的幻觉率从K3的23.4%降到了K3.1 Pro的8.3%。

此外，除了K3.1 Pro，月之暗面这次还发布了一个高速版的K3.1 Pro。月之暗面官方表示，高速版在能力、思考档位、上下文、多模态全都和K3.1 Pro一样，差的是速度翻2-3倍、价格翻2倍、额度消耗提高2倍。

在价格方面，K3.1 Pro的输入为13元/百万token；输出为68元/百万token。如果输入内容命中了缓存，费用会降到1.3元/百万token，默认缓存写入则是13元/百万oken。这个价格要低于K3，不过高速版的价格要高于K3。

K3.1 Pro本质上是K3的后训练版本。为了在数百个下游领域做联合强化学习，月之暗面把RL框架、长上下文推理、沙箱、rollout调度整条链路都重做了一遍。

但是这些都是常规提升模型性能的手段，月之暗面这次出了个“奇招”，专门搭了一个“环境质量检查”的共享平台。

月之暗面官方表示，这样做的目的只有一个，让每多投入一份RL算力，回报都是稳定、可预测的。

就相当于是厨房和厨师没变，但是把原材料、锅碗瓢盆、灶台等等，能换的全换了个遍。

其实对于模型训练来说，并不是换了流程就一定会更好，往往有可能出现这么一种情况：算法换成最新的，效果反而下降了。这时候就轮到环境质量检查共享平台发挥作用了。

举个例子，K3.1 Pro在开源人体解剖模型human-atlas（296 个骨骼部件，402 块肌肉）的基础上，搭建了一套包含训练和评估流程的 “人体行走动力学模拟器”。它经历了167个任务、420次独立评审，让模拟人从几秒内摔倒，变成能连续迈步走11.2秒。

但是随后月之暗面发现，即使训练了很多轮也没有很大的提升。

以往模型训练中，遇到这种情况会继续调整奖励函数，让结果更靠近人们预期的那样。

月之暗面没有，他们反而调头回去，用环境检查平台对模拟器的动力学做了检查，找出并修正了肩部肌肉力臂计算里的36处错误，随后才重新训练控制器。因此模型性能进一步提升。

它怀疑的不是策略，是环境。

于是K3.1 Pro到了使用端，也学会了验证环境是否可靠。一个只会堆算力调参的Agent，会卡死在这一步。而长程任务里最值钱的，恰恰是这种“停下来怀疑工具”的动作。

不仅如此，K3.1 Pro还选择“自废武功”。

月之暗面在K3.1 Pro的网络安全方面写到，一个没有做任何网络安全防护的内部版K3.1 Pro，它在xdev-bench-hard上的得分是90.5%。

这其实是一个有点危险的数字，xdev-bench-hard是Kimi自己的内部基准，考的是基于源码的漏洞发现和利用。

模型要自己写出攻击程序，在隔离的沙箱里实现任意代码执行，并拿到一串秘密字符串。测试没有严格的超时限制，也没有输出token限制。

90.5%意味着，只要时间充足，模型就可以攻破几乎所有的安全措施。

最终发布时月之暗面对K3.1 Pro进行削弱，xdev-bench-hard只有81.0%，K3是33.3%，DeepSeek-V4.1-Flash是85.7%。

月之暗面表示，这是通用编码和长程调试能力外溢的结果，也就是说，数据剔除只能压低风险，并不能完全阻止其发现安全漏洞。

02

实测

我对K3.1 Pro说：“给我生成个3D戴森球”，其余什么提示词都没有，实际效果如下。

可以看到，K3.1 Pro不仅生成了动态的戴森球，还加入了大量的运镜，让视频更加流畅且具有观赏性。甚至还让恒星在运动过程中发光，以增加动态感。

接下来，我给了K3.1 Pro三张图片，我要求K3.1 Pro基于图片生成3D角色，并且将他们融合在一起。

K3.1 Pro不仅从图片复杂的背景里将人物抠出来，还原了这些2D人物的3D建模，并且自己加入融合过程的动画，生成第三个人物。

各路网友也都对K3.1 Pro进行了测试。

@dragono64v表示，他要求K3.1 Pro一整段提示词直接生成主题为BSIDIAN · 黑曜巨龙的前端页面。

@bubbubbdex让K3.1 Pro复刻游戏《漫威蜘蛛侠》，模型耗费了将近400万token，最终实现了如下的效果。

@atomicagent_io通过相同的提示词，对比K3.1 Pro和GPT-6 Astra的3D建模能力。

Bhavani_00007则是用火箭发射来对比K3.1 Pro和Opus 5.5。

同样是对比Opus 5.5，这次用了一个更梦幻的提示词，要求模型生成一个漂浮在空中的庄园。

03

K3的成功可以复制

杨植麟心很细，他眼里不只有模型的性能，用户体验比模型又提升了百分之多少更重要。

从权重上说，K3.1 Pro是K3的后训练版本。可是从时间线上来说，K3.1 Pro的上一代产品是K2.8。

9月，K2.8上线，月之暗面官方称，编码与Agent能力全面提升、思考效率较K2.7 Code显著改善。月之暗面官方没有对这个模型做过多介绍，甚至连跑分榜都没有。

当时很多人看K2.8都是一头雾水，“发完了K3，转头发K2.8？杨植麟怎么开倒车了？”与此同时，评测机构Goldie认为，K2.8的本质，是个带真用户流量跑的A/B试验场。

直到K3.1 Pro发布以后，这才让我们反应过来，K2.8的目的确实如此，它就是月之暗面用来了解用户的一扇窗。

K2.8是月之暗面第一个让全部会员档位都体验1M上下文窗口的模型，由于结果满意，因此K3.1 Pro留下了1M窗口。

当用户关闭K3的思考后，输出会自动路由到K2.8上。于是到了K3.1 Pro这里，思考强制常开，关掉思考的请求返回400。

K2.8沿用K2.7 Code的模型 ID，老客户端不用改配置就能直接用上新模型。到了K3.1 Pro这里，月之暗面直接换掉整个模型ID，官方明令不要在K3、K2.8的旧会话里切换新模型，直通时代到此为止。

早在7月份K3发布的时候，由于性能直追GPT 5.6 Sol而爆火，大量新用户涌入，导致月之暗面陷入算力紧缺的窘境。

月之暗面被迫暂停了新用户订阅，把有限的算力优先留给现有付费用户。

到了K3.1 Pro，目前并未出现相似的情况。

还没完，K3.1 Pro的成功，正是改掉了所有K3留下来的“毛病”。

前文提到，K3.1 Pro的幻觉率很低。这是因为当时K3发布之后，Artificial Analysis的AA-Omniscience基准显示，K3的幻觉率为51%，比K2.6的39%还高。

K3还一个特点就是贵，结果K3.1 Pro反手降价35%。

2025年底，杨植麟在内部公开信里写：“我们短期不着急上市，也不以上市为目的。”

9月，月之暗面完成最后一轮私募，估值约500亿美元。

媒体报道称，月之暗面最快本月就会开始和投资者做初步会谈。K3.1 Pro的发布时间，刚好落在这个节点前。

K3.1 Pro就是杨植麟递给投资人的一个礼物。

杨植麟只想证明一件事，K3的成功不是一次性的。K3.1 Pro还可以成功，K3.2也可以，K4、K5依然可以。