模型規格與權重釋出時程

Moonshot 將 Kimi K3.1 Pro 描述為一個多模態、3T 級別的混合專家（Mixture-of-Experts, MoE）模型，總參數量達 2.8 兆，活躍參數為 1040 億，並支援 100 萬 token 的上下文視窗。該模型強調在完整專案編碼、Blender/CAD 建模、財務建模以及長時間運行的代理任務上的優勢。

目前僅開放 API 存取，官方承諾完整模型權重將於 2026 年 11 月 4 日前釋出。值得注意的是，「即將開放權重」與「開源」或「自由商用」不同，目前尚未公布最終的授權條款、再分發條件或商業使用限制。Artificial Analysis 明確記錄該模型的權重在發布時為未公開狀態。

技術上需注意，1040 億活躍參數不等於儲存一個 1040 億稠密模型所需的資源。作為示意性計算（非實測配置），僅 2.8 兆參數在 16-bit 精度下約需 5.6 TB 記憶體，或在 4-bit 量化下約需 1.4 TB，這尚未包含量化元數據與服務開銷。因此，宣稱可在本地設備運行此類兆級參數模型需審慎評估基礎設施需求。

獨立評測表現：智能與編碼能力

根據第三方評測機構 Artificial Analysis 的數據，Kimi K3.1 Pro 在 Intelligence Index 獲得 55 分，排名第四。這落後於 Claude Opus 5.5（58 分）以及 Sonnet 5.5 和 Muse Wonder Full（均為 56 分），但領先 Claude Fable 5.1、GPT-6 Astra 和 Gemini 4 Argon（均為 53 分）。這是首個即將開放權重的模型在該指數上達到如此高的水準。

與前一代 Kimi K3 相比，K3.1 Pro 的準確率從 48% 提升至 51%，幻覺率在 AA-Omniscience 測試中從 53% 降至 44%。Artificial Analysis 指出，一旦權重釋出，開源模型與專有模型在該指數上的差距將從 12 分縮小至 3 分。

在 Arena 的 WebDev 編碼評測中，Kimi K3.1 Pro 排名第 8，得分 1,692 點，較 Kimi K3 上升 9 名並增加 37 點。Moonshot 因此重回 Arena 的前四大實驗室名單。在該設定下，其表現大致相當於 Opus 5 Max，但不一定超越更新的 Opus 5.5。

然而，評測結果顯示能力提升並非均勻分佈。Artificial Analysis 指出 K3.1 Pro 的改進主要集中在代理（Agentic）任務上，而非知識與科學測試的全面領先。在 AA-3D 早期偏好測試中，該模型預計排名低於其在知識工作與編碼領域的地位，投票仍在進行中，尚無最終 Elo 分數。

定價策略與實際任務成本

標準版定價為每百萬輸入 token 2.00 美元、輸出 10.00 美元，緩存輸入 token 為 0.20 美元。這比前一代 K3 的價格（3/15/0.30）降低了三分之一，與 GPT-6.1 Sol 持平，僅為 Claude Opus 5.5 定價的一半。官方中文帳戶摘要顯示人民幣計價為每百萬 token 未緩存輸入 13 元、輸出 68 元、緩存輸入 1.3 元。

Moonshot 同時推出 Highspeed 版本，宣稱在保持智能不變的情況下生成速度快 2-3 倍，但價格為標準版的兩倍（僅輸入 token 緩存命中價格相同）。

較低的單價不代表較低的總任務成本。Artificial Analysis 數據顯示，在 Intelligence Index 測試中，K3.1 Pro 每個任務產生約 55,000 個輸出 token，比 K3 的 48,000 個多出約 14%，這抵消了部分 token 價格的降低。在 Cyber Index 測試中，由於輸入 token 消耗量約為兩倍，儘管費率較低，每個任務的成本仍比 K3 高出 15%。

Arena 的比較數據顯示，K3.1 Pro 在 WebDev 任務的中位數成本為每任務 1.23 美元，比 Opus 5 Max 低 74%，比 GPT-6 Sol Max 低 24%，且表現更好。但在 Cyber Index 上，其每任務成本為 2.81 美元，遠高於 DeepSeek 1017。

網路安全訓練策略與防禦能力

Moonshot 採取了一項獨特的安全措施：在中期訓練和強化學習階段移除網路安全相關數據，而非僅依賴推理時的拒絕機制。內部測試顯示，這導致網路攻擊性能力分數從 90.5% 降至 81%，降低了 9.5 個百分點，但編碼和其他能力持續提升。Moonshot 認為，若不進行此項干預，下游的網路攻擊能力會大幅增強，可能帶來風險。

儘管訓練數據被移除，K3.1 Pro 在 Artificial Analysis 的 Cyber Index 上仍獲得 64% 的高分，這是公開可存取結果中的最高分，僅次於具有可信存取權限的 GPT-6 Sol Daybreak Blue（69%）。與前一代 K3 的 41% 相比，提升了 23 個指數點，特別是在 CyberGym 測試中從 58% 躍升至 95%。

Artificial Analysis 觀察到，在公開的防禦任務上，該模型沒有出現安全拒絕回答的情況。這區分了兩種機制：訓練時的能力削減（可能降低相對於其反事實模型的特定攻擊能力）與 API 拒絕政策（公開防禦任務仍被正常回答）。需要注意的是，高防禦基準分數並不代表在所有目標上都具備不受限制的攻擊能力。

社群反應與爭議

發布初期，社群對即將開放權重的前沿模型表示興奮，但也出現了關於推理經濟學、部分互動任務表現較弱以及基準測試呈現方式的擔憂。有評論指出，Moonshot 的基準測試表格並非獨立重複實驗，且大量使用了 Claude Code harness，這引發了可重現性的質疑。

近期討論轉向 alleged（據稱）的未披露付費推廣指令。有評論者指控 Moonshot 尋求虛假的正面評價，並引用傳聞中的指示「不要標註付費合作標籤」。然而，目前沒有 Moonshot 的官方回應或對該傳聞簡報的獨立驗證。這些指控屬於聲譽判斷，並非對模型能力的證據。

關於部署保真度，Vals 的一項供應商研究發現，Kimi K3（非 K3.1）通過 Baseten 在法律任務上得分 60.6%，而通過 Moonshot 官方端點則為 75.8%。這表明相同的模型名稱在不同服務商之間可能導致不同的代理性能，但此數據不適用於 K3.1 Pro。

部分用戶報告在 kimi.com 上先於 kimi.ai 獲得存取權限，隨後確認了可用性。這些是發布過程中的觀察，並非持久的區域限制證據。此外，關於是否會推出 Flash 版本的猜測眾多，但官方發布中未提及任何 Flash 模型。