月之暗面 11 月 2 日开放权重的 Kimi K3.1 Pro：在 Kimi K3 上做大规模联合强化学习后训练，是 K3.1 系列第一个模型。MoE 结构，总参 2.8T、每个 token 激活 104B，原生支持文本和图像输入（MoonViT-V2 视觉编码器），上下文 1,048,576 token；权重经量化感知训练做成 MXFP4（激活 MXFP8）。和 K3 相比，把全注意力的 Gated MLA 层换成 Gated DSA（DeepSeek 稀疏注意力），长上下文更省。官方称编程、3D 创作、金融研究、事实准确性和智能体能力都有明显提升。近 7 期没有收录。
上升分 499 · 点赞 510 · 下载量 797
理由
- 官方成绩（推理强度 max）里领先的多是长程编程和智能体项：SWE Marathon v1.1 51.7、HLE-Full 带工具 70.0、Agents' Last Exam 43.2、OfficeQA Pro v2 64.4 都是表中最高；Terminal-Bench 4.0 65.7、OSWorld V2.1 79.6，接近表中 Claude Opus 5.5 的 66.4 / 81.8；BrowseComp 92.1。
- 官方称幻觉更少：内部的 Kimi Hallu Bench Hard（带工具，越低越好）得 8.3，表中只有 GPT-6 Astra（5.5）更低，DeepSeek-V4.1-Flash-1017 是 23.3。
- 结构和评测设置公开得细：93 层（69 层 KDA + 24 层 Gated DSA）、896 个专家每 token 选 16 个加 2 个共享专家、词表 160K；每项评测用的代理框架（多数是 Claude Code 或 Kimi Code）和对比分数的出处都写在脚注里。
用法
- 不自建：在 platform.kimi.ai 选 kimi-k3.1-pro，官方提供 OpenAI / Anthropic 兼容接口。
- 自建：官方推荐 vLLM、SGLang、TokenSpeed，卡里给了各自的部署食谱链接（如 recipes.vllm.ai/moonshotai/Kimi-K3.1-Pro）；仓库带自定义代码（configuration_kimi_k3.py、kimi_k3_processor.py 等）。
- 思考强度用请求顶层的 reasoning_effort 设 low / high / max（默认 max）；多轮和工具调用时必须把 API 返回的整条 assistant 消息原样放回 messages，包括 reasoning_content 和 tool_calls；官方评测用 temperature 1.0、top_p 0.95。
风险
- 成绩全是官方自评，其中 9 项是内部基准（Kimi Code Bench、Business Operation、PerceptionBench、Kimi Hallu Bench 等），闭源模型的分数可能含回退；也有明显落后的项：Program Bench 31.5（Claude Opus 5.5 为 65.0）、Terminal-Bench-Science 0.1 38.1（GPT-6 Astra 68.1）、HLE-Diamond 39.4（GPT-6 Astra 65.8）。
- 体量极大：卡里没写硬件需求，2.8T 总参即使是 MXFP4 也只能在多卡服务器集群上跑，个人用户基本只能用 API；只支持文本和图像输入。
- 许可是改版 MIT（Kimi K3.1 Pro License）：经营模型即服务、且连同关联方 12 个月营收超过 2,000 万美元的，商用前要和月之暗面另签协议；产品月活超过 1 亿或月收入超过 2,000 万美元的，要在界面上显著标注 Kimi K3.1-Pro；内部使用不受这两条限制。