Kimi K3.1 Pro 发布：1M 上下文、权重 11 月 4 日前放出，官方价 $2/$10

月之暗面 10 月 23 日发布 Kimi K3.1 Pro，是 K3.1 系列首款模型，定位 3T 级开放权重、100 万 token 上下文。官方称它在 Terminal-Bench 4.0 上得 65.7%，高于 GPT-6 Astra 的 58.2%、略低于 Claude Opus 5.5 的 66.4%；Kimi Code Bench 3.0 长程任务从 K3 的 55.95% 升到 61.2%。3D 方向 BenchCAD 带工具得 92.7%，财务 OfficeQA Pro v2 得 64.4。官方定价页为输入 $2、输出 $10、缓存命中 $0.20 每百万 token，完整权重承诺 11 月 4 日前发布。

发布与定位

K3.1 Pro 是在 Kimi K3 基础上继续做后训练的版本，官方说这一轮把后训练算力拉得更大，并在 RL 框架、长上下文推理、沙箱基础设施、rollout 调度等层面做了配套优化，目标是在数百个下游领域做联合强化学习。模型支持 100 万 token 上下文，官方把它称为目前能力最强的 3T 级开放权重模型。

同步发布的还有 Kimi K3.1 Pro Highspeed，官方称速度为普通版的 2 到 3 倍，定价是输入 $4、输出 $20 每百万 token。两者都已上 Kimi.ai、Kimi Work、Kimi Code 和 Kimi API。

官方跑分

Terminal-Bench 4.0：K3.1 Pro 65.7%，GPT-6 Astra 58.2%，Claude Opus 5.5 66.4%；
Kimi Code Bench 3.0 Long-horizon：61.2%，K3 为 55.95%；
BenchCAD（带工具）：92.7%，Claude Opus 5.5 为 96.2%，GPT-6 Astra 为 95.9%；
OfficeQA Pro v2：64.4；内部金融建模比 K3 提升 7.2 分，金融研究提升 11.6 分；
Kimi Hallu Bench Hard：claim 级幻觉率从 K3 的 23.4% 降到 8.3%。

价格与开放权重

官方定价页列出的价格是输入 $2.00 / MTok、输出 $10.00 / MTok、缓存命中 $0.20 / MTok；Highspeed 为 $4 / $20。这个价位和一线闭源推理模型相比有明显差距，尤其是长上下文场景，缓存命中价会直接决定多轮 agent 的成本。

权重方面，官方只承诺“11 月 4 日前发布完整权重”，目前还没有可下载的检查点。也就是说，现在能评估的是 API，不是自部署；对数据不能出内网的团队，要等到权重真正放出来才能做最终决定。

该看什么

这些数字全部来自月之暗面自己的评测，Terminal-Bench 和内部基准的 harness 设置也会影响结果。1M 上下文听起来很宽，但真实任务里更值得测的是“有效上下文”——把关键信息放在 30 万、60 万 token 位置时还能不能稳定找到，以及长上下文下的首 token 延迟和缓存命中率。

开放权重是承诺，不是现货；在 11 月 4 日之前，它仍然只是一个 API 模型。