10月24日，月之暗面正式推出Kimi K3.1 Pro与Kimi K3.1 Pro Highspeed。据财联社报道，这是K3.1系列的第一个模型，也是该公司迄今能力最强的3万亿级参数模型，支持100万上下文，即日起通过kimi.com、Kimi App、Kimi Work、Kimi Code与Kimi API开放使用。高速版在同等智能水平下输出速度约为标准版的2到3倍。官方同时给出一条更具分量的时间表：完整模型权重将于11月4日前发布。在此之前的10月22日凌晨，竞技场上出现两个匿名模型Kibitz与Kalmia，社区通过分词器特征与部署痕迹判断前者属于月之暗面，后者疑似来自阿里千问团队，这场匿名预热在两天后被官方视频里的模型名坐实。
Artificial Analysis智能指数是十项独立基准的加权平均，K3.1 Pro在这个榜单上拿到55分，比K3提升11分，位列全球第四。排在它前面的只有Claude Opus 5.5的58分、Claude Sonnet 5.5与Muse Wonder Full的56分。11分的跃升在这个位置上极不容易，因为榜单越往上，每提升一分都要付出数倍算力与数据成本。更关键的是开源维度，官方称若按计划在11月4日前开放权重且无其他变量干扰，K3.1 Pro将成为得分最高的开源权重模型，届时开源与顶级闭源模型之间的差距会从12分缩小到3分。
智能体任务是最突出的强项。在GDPval-AA基准上，K3.1 Pro的Elo达到1846分，比K3提升312分，仅次于Claude Opus 5.5的1866分与Muse Wonder Full的1857分。在Terminal-Bench 4.0上得分65.7%，超过GPT-6 Astra的58.2%，紧追Opus 5.5的66.4%，而K3在这项测试上只有13%。13%到65.7%的跨度说明这不是常规的版本迭代，而是训练配方层面的重构，终端操作这类需要多轮试错、读取报错、修正命令的任务，考的正是长程执行能力。
第一个数字是幻觉率。官方内部压力测试Kimi Hallu Bench Hard显示，主张级幻觉率从K3的23.4%降至8.3%。虽然仍高于GPT-6 Astra的5.5%，但降幅接近三分之二，这个指标对落地的影响远大于跑分，因为企业用户最怕的不是模型不会，而是模型自信地编造。第二个数字是办公场景，在OfficeQA Pro v2通用办公任务上，K3.1 Pro的表现超过所有参测模型，金融建模与研究两项内部基准分别提升7.2分与11.6分。第三个数字来自工程侧，在BenchCAD基准上配合工具使用时得分92.7%，接近Opus 5.5的96.2%与GPT-6 Astra的95.9%；不使用工具时得72.8%，与Opus 5.5的73.0%几乎持平。
另有一项能力此前很少被国产模型强调：K3.1 Pro可以直接处理Unity、Unreal Engine与Godot等游戏引擎的工程，既能快速修复代码，也能完成完整项目构建。这项能力在匿名测试阶段就被社区反复验证，Kibitz在竞技场里被要求用单个HTML文件搭出包含宝塔、树木与樱花的3D体素庭院，成品色彩与结构完整，耗时约为GPT-6 Astra Max的三分之一。这类测试没有标准答案，但它反映的是模型在长代码生成与空间想象叠加时的稳定性，恰好是游戏与3D内容生产最费人的环节。
3万亿参数的规模放在当前的开源与闭源阵列里都属于第一梯队，但参数只是容量，真正决定体验的是激活策略与后训练。官方把这一代定位为K3的后训练增强版本，也就是说底座没有重训，提升来自后训练阶段的数据配方、强化学习与工具调用能力打磨。这条路线的好处是迭代快、成本可控，坏处是能力上限受底座约束，遇到需要新知识的领域仍要回到预训练。从发布节奏看，月之暗面选择了先让Pro版本上线服务、再开放权重的顺序，这与它此前K2系列的策略一致：先用真实流量验证稳定性，再把权重交出去，避免社区拿到一个还没跑顺的版本。
权重开放这件事对生态的影响可能比跑分更大。目前全球最强的几个模型里，愿意开放权重的并不多，中国厂商是主要供给方。K3.1 Pro如果按计划在11月4日前开放，开发者就能在自有集群上部署一个智能指数55分的模型，这对需要数据不出域的企业是硬需求，对做垂直微调的团队也是成本结构的改变。需要注意的是许可证细节，官方尚未公布商用条款、是否允许蒸馏、是否要求署名，这些条款的实际松紧，决定了它会被当成生产基座还是研究素材。
过去两年，开源模型追赶闭源模型的叙事一直被反复讲述，但差距始终存在。这次不同之处在于差距的量级：3分在智能指数上属于同一档位内的波动，很多具体任务上开源版本甚至更好。这会带来两个连锁反应。一是价格锚点下移，闭源厂商的定价空间会被压缩，尤其是智能体这类调用量大、对绝对智能要求不那么极致的场景；二是部署形态分化，需要极致能力的场景继续走闭源API，需要数据主权与成本控制的场景转向自托管，中间地带会迅速缩小。
也要保持一份清醒。智能指数是加权平均，掩盖了任务分布上的差异；官方公布的对比多为自测环境，第三方独立评测通常要滞后数周；幻觉率这类指标来自厂商内部压力测试，口径不完全可比。K3.1 Pro在编程与智能体上的强势已经被社区部分验证，但在长文档理解、多语言文化语境、专业领域知识深度上，与头部闭源模型仍可能有距离。对开发者的实际建议是，把它放进自己的真实任务集里跑一轮，重点看三项：失败时的可恢复性、工具调用的准确率、长上下文下的信息召回。跑分决定要不要试，这三项决定能不能用。