月之暗面发布 Kimi K3.1 Pro：2.8T 总参 / 104B 激活的开放权重 MoE，1M 上下文，Terminal-Bench 4.0 达 65.7%，API 降至 $2/$10，权重 11 月 4 日前开放

核心背景与行业痛点

开放权重模型和顶级闭源模型在长程编码、Agent 任务上的差距，一直是开发者选型时最大的顾虑：闭源模型强但贵、数据要出境，开源模型便宜可自托管但长任务容易掉链子。月之暗面 9 月发布的 Kimi K3（2.8T 参数）已经把开源规模推到 3T 级，K3.1 Pro 是这一系列的首个升级版，目标是在不换底座的情况下，把编码、3D、金融等 Agent 能力拉到接近闭源一线的水平，同时把 API 价格降下来。

架构亮点与底层机制

官方博客说明，K3.1 Pro 是 K3 的后训练版本，底座仍是 MoE：总参 2.8T、每 token 激活 104B，1M token 上下文，支持多模态输入。提升主要来自大幅增加的后训练算力：团队对 RL 框架、长上下文推理、训练效率、沙箱、rollout 调度和环境质检平台做了全栈优化，在数百个下游领域上做联合强化学习。另一个值得注意的点是安全处理：开放权重版在中期训练和 RL 阶段都剔除了网络安全相关数据，以压低攻击性漏洞利用能力。

权威 Benchmark 与实测跑分对比

以下均为官方/厂商口径，reasoning effort 设为 max：Terminal-Bench 4.0 得分 65.7%，GPT-6 Astra 为 58.2%，Claude Opus 5.5 为 66.4%；内部 Kimi Code Bench 3.0 长程 61.2%，K3 为 55.95%；BenchCAD 带工具 92.7%，低于 Claude Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%；OfficeQA Pro v2 64.4。内部幻觉压力测试中声明级幻觉率从 23.4% 降至 8.3%。网络安全评测 xdev-bench-hard pass@3 为 81.0%（未做数据剔除的检查点为 90.5%）。目前尚无第三方独立复现。

开发者实战落地与开箱指南

现在就能用：在 Kimi Code 里用 /model 选择 Kimi K3.1 Pro；或在 Kimi API 平台调用 kimi-k3.1-pro / kimi-k3.1-pro-highspeed，API 客户可开启零数据保留。价格方面，K3.1 Pro 输入 $2、输出 $10、缓存命中 $0.20 每百万 token，比 K3 的 $3/$15 便宜约三分之一；Highspeed 为 $4/$20。企业版管理员需手动开启。想自托管的团队可等 11 月 4 日前放出的权重，再结合 vLLM 等已支持 K3 的推理栈评估部署成本。