Chinese AI 模型 Kimi K3.1 Pro正在缩小与 Anthropic 的差距 Claude Opus 5.5

Moonshot AI ,一家 Chinese AI 公司发布了 Kimi K3.1 Pro,该产品现在以55分排在 Artificial Analysis Intelligence Index 上的第四位.如果Moonshot按计划于11月4日之前释放重量,这将使其与顶级专有型号之间的差距缩小到三点. 2026 K3.1 Pro现已通过 Kimi .ai Kimi Work, Kimi Code 和 Kimi API 可用.

背景:一个更重的后训练卡

Moonshot AI 根据Moonshot的说法,Pro是 Kimi K3 的训练后版本.在 Artificial Analysis Intelligence Index 中,只有三个模型排名更高: 2026 5.5 58 分,Claude Sonnet 5.5 56 和Muse Wonder Full.

If Moonshot 在11月4日之前发布模型重量, 2026 K3.1 Pro将成为获得最高得分的开放式重量型号. 这将使开放和专有型号之间的差距从12缩小到 JUST 3点,假设在那时没有其他变化.

除了主型号外,Moonshot还推出K3.1 Pro Highspeed,该公司称其运行速度快两到三倍.这两个版本都可以通过 Kimi .ai,Kimi Work,Kimi Code和 Kimi API访问.

发展:代理商评分,办公室工作和定价

最大的基准收益出现在代理任务中.在GDPval-AA上,Artificial Analysis报告1,846K3.1 Pro的Elo,比K3高312点.这使得它落后于 JUST Claude Opus 5.5 1,866和Muse Wonder Full 1,857.在Terminal-Bench 4.0上,Moonshot报道65.7%,领先于GPT-6 Astra (26%) 和几乎落后 Claude Opus 5.5.在同样的测试中,K3只取得了13%.

Moonshot报告说,其内部Kimi Hallu Bench Hard,从K3的23.4%降至K3.1 Pro的8.3%.该公司表示,基准是压力测试,而不是一般错误率的衡量标准.GPT-6 Astra在同样的测试中仍然占有 5.5%的优势.

对于财务工作,Moonshot表示 K3.1 Pro 在 Financial Modeling 和 11.6 点上获得了 7.2 分.在一般办公任务中,根据 Moonshot 的说法,它超过了OfficeQA Pro v2 上的所有测试模型.所有基准结果都以"最大"设置的推理力度报告.

该模型保持与K3相同的尺寸: 2.8万亿个总参数和1040亿个活跃参数.它的 context window 跨越100万个 tokens ,并且它处理文本和图像. Artificial Analysis说它位于帕雷托边界的顶部,没有任何可比性参数计数的模型在36上得分更高.

token 的价格下降了33%.输入成本 $2 每百万 tokens ,低于$3;输出成本 $10,低于$15;缓存访问成本 $0.20,低于$0.30. Each Intelligence Index任务成本 $1.98,几乎与K3在$2.00相同,因为该模型产生14%以上的产量 tokens .

开发:3D建模和游戏引擎工作

Moonshot说K3.1 Pro直接与Unity,Unreal Engine和Godot一起工作,处理快速修复和完整的项目构建.在BenchCAD上,它得分为47%,工具接近15%5.5,GPT-6 Astra达到49%.没有工具,它达到了50%,几乎匹配了51%.

该公司表示该模型在机械部件,架构模型和可配置产品的参数建模方面最强大.它可以编写并运行Blender和 software 的脚本 CAD 没有 MCP 连接器.Moonshot还于52年推出了一项名为"3D Make"的功能,允许用户预览,编辑和导出3D模型.

最新进展:具有网络限制的开放权重

Moonshot在其技术博客文章中致力于 cybersecurity .它观察到,随着培训后的扩大,漏洞研究能力不断增长,因为与网络有关的内容嵌入了一般的中间培训集体,相关任务是 reinforcement learning 环境组合的一部分.

对于开放权重发布,Moonshot从两个训练阶段剥离了与网络相关的数据. 在其内部xdev-bench-hard上,该版本复制了最近在 software 中披露的漏洞,如 Linux 内核, Node.js 和JavaScriptCore,未清除的版本解决了53%的任务. 数据清洗后,K3.1 Pro解决了54%. DeepSeek -V4.1-Flash在同一测试中达到55%,而Kimi K3得分为56%.

Moonshot表示,任何开放权重模型都不应该推进攻击性网络能力的绝对边界.与此同时,该公司希望逐渐提高开放型号可以做的事情,因为它们也用于审计遗留系统等防御目的. Anthropic 之前表明即使是 GLM - 5.3 ,在 Artificial Analysis Index 上得分为45,也能写出接近-Claude Mythos 的漏洞.

当前阶段:首先是主机,然后是权重

Kimi K3.1 Pro和K3.1 Pro Highspeed的托管版本现在可用,而开放权重发布计划于11月4日.2026目前的位置是由三个可测量的变化所定义:比 Artificial Analysis Intelligence Index,更强大的agentic和3D基准结果上升了11个点,并且在几乎相同的任务成本下降 token 价格. 下一个问题是公布的权重是否会提供与主机模型一样的结果以及其他开放式权重系统是否会缩小剩余三分差距至顶级专有得分.

描述: Moonshot AI Kimi K3.1 Pro 在Artificial Analysis Index,获得了55分,排名第四,如果在11月4日之前发布,可能成为顶级开放重量级模特 2026.

标签: Moonshot AI, Kimi K3.1 Pro, Artificial Analysis Index,开放权重模型,代理基准

首选图片:抽象的技术风格图形,没有真实的人物,没有公司标志和文字.