据MarkTechPost报道，Moonshot AI于10月23日发布Kimi K3.1 Pro，这是K3.1系列首款模型。该模型采用2.8万亿总参数、1040亿激活参数的混合专家架构，支持100万token上下文，并已通过Kimi API上线；Moonshot称其在编程、智能体和知识基准上接近最强专有模型，开放权重预计2026年11月发布。
Kimi K3.1 Pro在Kimi.ai、Kimi Work、Kimi Code和Kimi API上线，API标识为kimi-k3.1-pro和kimi-k3.1-pro-highspeed，接口兼容OpenAI。其输入价格为每百万token 2美元、输出10美元，缓存命中0.20美元；Highspeed版本输入4美元、输出20美元，运行速度据称是标准版的2至3倍。K3此前的价格为输入3美元、输出15美元。
据Moonshot自报，在最大推理努力、多数使用Claude Code harness的测试中，K3.1 Pro在Terminal-Bench 4.0得分65.7%，比图表中Claude Opus 5.5的66.4%低0.7个百分点；在SWE-Marathon以51.7分领先Opus 5.5的46.3分。内部基准Kimi Code Bench 3.0 Long-horizon得61.2分，高于K3的55.95分。
科学类终端任务差距更明显。Terminal-Bench Science 0.1中，K3.1 Pro得38.1分，图表中GPT-6 Astra为68.1分、Opus 5.5为63.3分。带工具的BenchCAD得92.7分，低于Opus 5.5的96.2分和GPT-6 Astra的95.9分；不带工具得72.8分，接近Opus 5.5的73.0分。金融方面，OfficeQA Pro v2得64.4分，Moonshot称其达到当前最优；Frontier Finance得58.6分，内部金融测试较K3在建模和研究上分别提升7.2分和11.6分。内部Kimi Hallu Bench Hard中，主张级幻觉率从K3的23.4%降至8.3%，但GPT-6 Astra在同一测试中为5.5%。
Moonshot介绍，K3.1 Pro由K3增加后训练计算而来，团队在数百个下游领域进行联合强化学习。基础架构使用Kimi Delta Attention、Attention Residuals，并通过Stable LatentMoE从896个专家中激活16个，API支持文本、图像和视频输入。
针对网络安全风险，Moonshot称已从开放权重版本的mid-training和强化学习中移除网络相关数据。其内部xdev-bench-hard测试中，未过滤检查点在pass@3下解决90.5%的任务，发布的K3.1 Pro解决81.0%。Moonshot表示，该模型在攻击性网络任务上仍落后于前沿专有模型。
目前K3.1 Pro权重尚未公开，开发者不能自托管。2.8万亿参数规模意味着需要多节点、超级节点级服务；Moonshot对K3建议使用64个以上加速器，采用MXFP4权重和MXFP8激活。使用限制包括思考模式常开、推理努力可选低、高、最大且默认最大、温度固定为1.0、top-p固定为0.95，输出默认131072个token、最高1048576个，账户最低充值1美元；视觉输入不接受公开图片URL，需使用base64或上传文件ID。MarkTechPost指出，上述对比数据来自Kimi的图表，未在竞争对手页面确认，且多项胜出来自内部基准。