Kimi 新模型离闭源头名只差三分

即将开源权重的旗舰模型，在第三方总指数上与闭源头名的分差已收到约三分。Moonshot 在 2026 年 10 月 23 日推出 Kimi K3.1 Pro：API 与产品线当天可用，完整权重写明要到 11 月 4 日才放。Artificial Analysis 同日给出的 Intelligence Index 是 55，排在第四，只比 Claude Opus 5.5（58）低 3 分。

先给结论：今天最该记住的是「分差」和「口径」，不是「最强」二字。据 Artificial Analysis 的评测文章，K3.1 Pro 相对上一版 Kimi K3（max，44）升了 11 分；权重一旦放出，它会被记为当时最高分的开放权重模型，开放权重与闭源头名在该指数上的分差会从约 12 分收到约 3 分。同一篇文章里，它在 Terminal-Bench 4.0 上拿到 67%，写明为全场最高，并高于 Claude Sonnet 5.5 的 64%。可是据 Kimi 自己的技术博客，同一项 Terminal-Bench 4.0 的自测是 65.7%，脚手架写明是 Claude Code，并且写 Claude Opus 5.5 为 66.4%——比自家略高。分析推断：第三方榜与厂商自测至少有一套脚手架或采样设定不同，读者不能把「67%」和「65.7%」当成同一条证据叠在一起用；依据是两边对脚手架与对手成绩的写法并不相同。

发生了什么

据 Kimi 技术博客，K3.1 Pro 是 K3 的后训练加强版，上下文 100 万词元，并同时放出更快的 Highspeed 变体（自称约为 Pro 的 2–3 倍速度）。产品入口包括 Kimi.ai、Kimi Work、Kimi Code 与 API；企业侧默认关闭，需管理员打开。完整模型权重的日期写死为 2026 年 11 月 4 日。

据 Artificial Analysis，模型规模记为总参数约 2.8 万亿、激活约 1040 亿；输入含文本与图像；官方 API 标价为每百万词元输入 2 美元、输出 10 美元、缓存命中 0.20 美元，三项都比 K3 低约三分之一。按 Intelligence Index 任务折算的每题成本约 1.98 美元，与 K3 大致持平——输出词元用量约多 14%，被降价抵消。智能体相关分项里，GDPval-AA 排到第三（Elo 1846），AutomationBench-AA 从 58% 升到 73%；知识与幻觉类指标也有改善，但幅度小于智能体侧。

据 Vercel 的变更说明，K3.1 Pro 与 Highspeed 已于 10 月 23 日进入 AI Gateway，权重计划同样写到 11 月 4 日。这说明第三方分发渠道已能调到该模型，但仍是托管 API，不是本地权重。

为什么重要

开放权重竞赛里，读者常被「某榜第一」带着走。这一次更干净的读法是：在一份常用的第三方总指数上，一个已经排期开源的模型，距离闭源头名只剩约三分；智能体向的终端任务上，第三方甚至把它写成全场最高。与此同时，厂商自己的同项数字更低、且依赖另一家的编程脚手架。林测的习惯说法是：先问数字是谁测的、怎么测的，再谈名次。

对选型的含义也因此收窄。今天你可以在 API 或 Gateway 上试 K3.1 Pro，比较单价与每题成本；你还不能假设 11 月 4 日之前就能在自有集群里复现同一套分数。AA 文里「将成为最高分开放权重」的判断，前提是权重按期放出、且期间没有更高分的开放权重插入——这是时间表，不是今天的事实。

最强反方

最有力的反驳是：Intelligence Index 55 与「差三分」只描述这一套合成指数，不证明生产里的路由、延迟、工具调用与安全策略都已对齐闭源旗舰；Terminal-Bench 又高度依赖脚手架，换 Claude Code、Kimi Code 或别的 harness，名次可能对调。厂商博客已经给出一个反例——自测 65.7% 时 Opus 仍略高。若只采信 AA 的 67%，会夸大「已经超过」的印象；若只采信自测，又会低估第三方在统一协议下的读数。我们仍坚持本文的论点，是因为「差三分」来自同一份 AA 总指数的内部可比分数，而「名次不能单独当结论」已经被厂商与第三方的分叉直接证明；让步之处在于：在权重放出、更多独立 harness 复测之前，不宜把智能体分项的领先写成稳定优势。

我们不知道什么

我们还不知道 11 月 4 日实际放出的权重许可证条款、量化与推理栈是否让第三方复现 AA 的 55 分与 67%；不知道 Highspeed 变体在总指数与终端任务上是否同档；也不知道其他实验室是否会在同一窗口放出更高分的开放权重，从而改写「分差收到约三分」这句话的时效。Moonshot 博客另有一段关于削弱网络攻击相关训练数据的自述，本文未把它并入选型主线，因为缺少独立复测。

接下来看什么：权重是否按时公开；Artificial Analysis 是否在权重可下载后把它移入开放权重对照表；以及在同一 harness 下，K3.1 Pro 与 Opus / Sonnet 的 Terminal-Bench 分差会不会收敛。