Moonshot发布Kimi K3.1 Pro，承诺11月开源权重

Moonshot（月之暗面）于 2026 年 10 月 23 日通过 API 正式推出 Kimi K3.1 Pro，该模型目前尚未开放权重，但官方承诺将于 11 月 4 日发布全量模型权重。这是首个在 Artificial Analysis 基准测试中得分达到 55 分、即将开源的模型，超越了 GPT-6 Astra 和 Gemini 4 Argon，仅次于 Claude Opus 5.5。 定价策略上，Moonshot 提供了标准版与“Highspeed”版本，后者速度提升 2-3 倍但价格翻倍（输入 token 缓存命中除外）。美元定价为每百万输入 token 2.00 美元，输出 token 10 美元，这一价格仅为 Claude Opus 5.5 的一半，与 GPT-6.1 Sol 持平。Moonshot 自测数据显示其性能与 Opus 5.5 和 GPT-6 Astra 相当，并在部分基准测试中胜出。 作者 Simon Willison 通过 LLM 0.32 工具调用 Moonshot API 进行了实测，验证了模型对低、中、高三种推理强度（reasoning_effort）的支持，并生成了相应的 SVG 图像作为示例。事实层面确认了 API 可用性、具体价格锚点及开源时间表；推断层面显示 Moonshot 试图以高性价比和开源预期抢占高端推理市场；猜测层面在于 11 月 4 日的开源质量是否会影响现有闭源模型的护城河。

Moonshot AI 发布了后训练版本 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 上获得 55 分，仅落后于排名第一的 Claude Opus 5.5（58 分）和 Muse Wonder Full（56 分），成为目前排名第四的模型。该模型在 GDPval-AA 智能体任务中达到 1,846 Elo，仅次于 Claude Opus 5.5 的 1,866 Elo；在 Terminal-Bench 4.0 测试中得分为 65.7%，略低于 Claude Opus 5.5 的 66.4%。若按计划在 2026 年 11 月 4 日开源权重，K3.1 Pro 将成为评分最高的开源模型，将开源与闭源模型的差距从 12 分缩小至 3 分。 尽管性能大幅提升，Moonshot 在技术博客中明确披露了针对网络安全能力的 deliberate limits（刻意限制）。为了降低开源模型被用于恶意攻击的风险，公司在训练阶段剥离了包含漏洞研究的数据。这一举措导致模型在内部 xdev-bench-hard 基准上的表现从清洗前的 90.5% 下降至 81.0%，虽然仍高于 DeepSeek-V4.1-Flash 的 85.7%，但显著低于未清洗版本。此外，模型保持了与 K3 相同的参数量（2.8 万亿总参数，1040 亿激活参数）和百万 token 上下文窗口，同时将输入价格从每百万 token 3 美元降至 2 美元，输出价格从 15 美元降至 10 美元。 推断显示，Moonshot 正在通过牺牲部分极端攻防能力来换取更广泛的开源部署许可和社会接受度，这是一种防御性对齐策略。猜测认为，这种“阉割”后的开源模型可能会在审计、合规等防御性场景中比纯进攻型模型更具商业价值。事实层面，模型确实支持直接操作 Unity、Unreal Engine 等游戏引擎进行 3D 建模，且无需 MCP 连接器即可运行 Blender 脚本，显示出其在工程实践中的高可用性。

月之暗面正式发布 Kimi K3.1 Pro 及其高速版，这是其 K3.1 系列的首个模型，拥有 100 万 token 上下文窗口，支持代码、3D 创作及金融研究等智能体任务。该模型在 Terminal-Bench 4.0 上以 65.7% 的成绩超越 GPT-6 Astra，并在 BenchCAD 等基准测试中接近 Claude Opus 5.5 的水平。完整模型权重将于 2026 年 11 月 4 日发布，目前已在 Kimi.ai、Kimi Work 及 API 渠道上线。 文章披露了一个关键的技术细节：为了控制潜在风险，开发团队在中期训练和强化学习阶段主动识别并移除了与网络安全相关的训练数据。这一操作导致模型在 xdev-bench-hard 漏洞利用基准上的通过率从 90.5% 下降至 81.0%，但相比前代 K3 仍有显著提升。这种“有损”的训练策略旨在确保开源版本不会成为绝对前沿的攻击武器，同时保留防御性审计所需的通用能力。 事实层面，Kimi K3.1 Pro 已明确具备处理 Unity、Unreal Engine 等游戏引擎及 Blender 脚本的能力，且幻觉率从 23.4% 降至 8.3%。推断层面，这种对特定领域数据的清洗表明厂商开始将“可控性”作为开源发布的硬性指标，而非单纯追求性能最大化。猜测层面，未来其他开源模型的发布可能会更多采用类似的“降权”策略，以平衡社区创新需求与安全合规压力。