Kimi K3.1 Pro重磅发布：3万亿参数旗舰大模型的极限突破

大模型军备竞赛进入深水区，参数规模与能力边界的每一次突破都牵动行业神经。近日，月之暗面正式发布K3.1 Pro——其迄今能力最强的3万亿级参数闭源大模型，支持100万上下文窗口。该模型在代码生成、3D创作、金融研究及长程Agent能力等核心场景实现了质的飞跃，多项权威基准测试成绩追平甚至超越头部闭源竞品。与此同时，团队同步推出高速版模型K3.1 Pro Highspeed，在同等智能水平下实现2至3倍的输出速度提升，标志着国产大模型在能力与效率双重维度的全面进击。

K3.1 Pro作为K3系列的后训练版本，后训练算力大幅增加。为支撑数百个下游领域的大规模联合训练，团队对技术栈每一层进行了系统性优化，涵盖强化学习框架、长上下文推理、训练效率、沙箱基础设施、调度系统等关键环节，确保每一份新增的RL算力都能转化为稳定的能力提升。这种全栈优化的策略使K3.1 Pro在所有测试领域均获得大规模强化学习带来的全面增益，最终在代码、Agent和知识类基准上达到或接近最强闭源模型的水平。

全栈技术优化筑基能力跃迁

在代码能力维度，K3.1 Pro展现出端到端的工程实力。在Terminal-Bench 4.0评测中，K3.1 Pro得分65.7%，超越GPT-6 Astra的58.2%，与Claude Opus 5.5的66.4%仅有微弱差距。在内部长程编码测试Kimi Code Bench 3.0 Long-horizon中，K3.1 Pro得分61.2%，较前代K3的55.95%显著提升。在3D创作领域，K3.1 Pro借助工具在BenchCAD基准测试中取得92.7%的得分，接近Claude Opus 5.5的96.2%和GPT-6 Astra的95.9%，能够独立完成从文字描述或草图到可工程化3D模型的完整重建，并支持参数化建模、部件级修改与场景布局调整。

代码与3D创作能力的标杆级突破

凭借更强的推理与工具调用能力，K3.1 Pro能够端到端交付完整的金融工作流。在OfficeQA Pro v2基准测试中，K3.1 Pro取得64.4%的当前最优成绩，该测试考察基于真实金融文档的复杂财务数据分析能力。在Frontier Finance投资工作流基准测试中，K3.1 Pro同样较前代实现进一步提升。内部金融基准测试显示：财务建模能力较K3提升14%，金融研究报告生成能力较K3提升20%，商业运营长程决策能力约为K3的4.2倍。更值得关注的是事实准确性的大幅改善：针对高难度真实工作场景和高难度提示词的专项压力测试中，单项事实陈述错误率从K3的23.4%降至8.3%，包含至少一处事实错误的回答比例仅为前代的42.4%，这对于金融场景的实际落地至关重要。

开放权重与安全可控的平衡艺术

在网络安全维度，团队针对漏洞研究能力进行了专项评估与控制。分析发现，随着后训练规模扩大，模型的网络攻防能力会自然增强。为此，团队在中期训练和强化学习两个阶段均识别并移除了相关数据，同时保留保障模型实用性所需的通用编程任务。评估结果显示：若不进行数据移除，模型在xdev-bench-hard测试中可解决90.5%的问题；实施控制后的最终版本得分为81.0%，在有效降低攻击性安全风险的同时，仍较前代实现大幅提升，且落后于已发布至少三个月的前沿闭源模型。团队表示将渐进式提升开放权重中的网络攻防能力，让防御方能够以开放形式获取这些两用能力，最终使整个软件生态更加安全。

K3.1 Pro的发布标志着国产大模型在能力边界上的又一次重要跨越。从代码生成到3D建模，从金融研究到长程Agent执行，更强的推理能力与工具调用水平正在重塑AI在各行业的落地想象空间。随着完整模型权重即将发布及企业级部署选项的完善，这场由大模型驱动的产业变革正在加速驶入深水区。