月之暗面Kimi K3.1 Pro发布 独立评测超GPT-6

中国人工智能公司月之暗面（Moonshot AI）推出Kimi K3模型的升级版Kimi K3.1 Pro。正如前代产品对全球AI行业产生了显著影响，Kimi K3.1 Pro在独立评测中超越OpenAI的GPT-6 Astra，性能接近Anthropic的Claude Opus 5.5和Sonnet 5.5。

新模型是7月发布的Kimi K3的增强版本，通过后训练（post-training）开发。它采用mixture-of-experts（MoE，混合专家）架构，总参数2.8万亿，激活参数1040亿；在896个专家中，token处理时选择性激活16个。月之暗面表示，其为后训练分配了比前代更多的算力资源，同时改进了训练流程和基础设施效率。

根据独立AI模型评测机构Artificial Analysis（AA）的基准测试，Kimi K3.1 Pro在Intelligence Index（智能指数）中以55分排名第四。该指数是衡量模型性能的综合指标，榜单还包括尚未发布API的Meta Muse Wonder。Kimi K3.1 Pro的得分领先于GPT-6 Astra（53分）、Claude Fable 5.1和谷歌Gemini 4 Argon。

其前代Kimi K3在推理强度设为最大时得分为44分。Kimi K3.1 Pro在衡量实际工作任务表现的GDPval-AA上还取得1,846 Elo，比K3提升312 Elo。

Kimi K3.1 Pro定价为每百万输入token 2美元、每百万输出token 10美元。AA根据其Intelligence Index评测计算，平均每项任务成本为2.11美元；Claude Opus 5.5在最大推理强度下为5.98美元。

不过，Kimi K3.1 Pro的输出速度为每秒73个token，低于每秒81个token的平均水平。它在AA的Intelligence Index评测中生成1.5亿个token，高于8700万个的中位数。这表明，尽管单token定价具有竞争力，延长推理和高输出token消耗仍可能推高实际成本。

AA表示：“与同价位区间的其他模型相比，Kimi K3.1 Pro以合理价格提供了顶级性能，但其缺点包括速度明显较慢和响应非常冗长。”

Kimi K3.1 Pro在多数基准测试中表现强劲，这与其较高的Intelligence Index得分相呼应；同时，它在Terminal Bench 4.0中排名第一。该基准评估AI agents（智能体）能否在终端或命令行环境中完成编码任务，衡量agentic coding（智能体编程）和终端使用能力。

Kimi K3.1 Pro在该测试中得分67%，较前代Kimi K3的13%大幅提升，并领先于Anthropic的Claude Sonnet 5.5（64%），在所有模型中得分最高。月之暗面还称，在评估复杂财务分析能力的OfficeQA Pro v2上，Kimi K3.1 Pro表现优于两款竞品模型。

月之暗面还强调其采用了旨在提升硬件资源效率的技术。该模型引入Kimi Delta Attention，这是公司对Gated DeltaNet的实现，属于一种节省内存的技术，可降低注意力计算所需的内存消耗，提高处理长上下文时的效率。该技术也用于Kimi K3。

Kimi K3.1 Pro还能生成动画，而不局限于静态3D模型。根据月之暗面内部测试，该模型生成了人体运动的动画模拟，并制作了数款3D视频游戏。

与此同时，美国政府、Anthropic和OpenAI指责中国AI公司月之暗面未经授权蒸馏其模型。蒸馏是一种利用更强模型输出作为训练数据来提升另一模型性能的技术。Anthropic指控月之暗面使用欺诈性账号和代理网络收集其Claude模型的响应和推理轨迹，并用于训练Kimi。