作者 ｜ 褚杏娟 10 月 24 日，Kimi 正式发布 K3.1 系列首款模型 Kimi K3.1 Pro。这是 Kimi 迄今能力最强的 3 万亿级参数模型，支持百万 Token 上下文，重点强化代码、3D 创作、金融研究以及长程 Agent 能力。与此同时，Kimi 还同步推出 K3.1 Pro Highspeed 高速版，在保持相同模型智能水平的情况下，输出速度提升约 2～3 倍。 按照 Kimi 公布的数据，K3.1 Pro 在代码、Agent 和知识类 Benchmark 上已经达到或接近当前最强闭源模型水平。相比 K3，K3.1 Pro 最明显的变化是进一步增加后训练计算量，并把强化学习（RL）扩展到数百个下游领域。为了支撑这套大规模联合训练，Kimi 对 RL 框架、长上下文推理、训练效率、沙箱基础设施、调度系统以及环境质量检查平台等进行了系统性改造。 K3.1 Pro 目前已经覆盖 Kimi 主要产品线。普通用户可以直接在 kimi.com 和 Kimi App 中使用；Kimi Work 桌面端面向 Windows 和 Apple 芯片 Mac 提供模型能力；Kimi Code 则可以在终端和桌面环境中使用 K3.1 Pro 进行编程。Kimi 表示，K3.1 Pro 完整模型权重将在 11 月 4 日前发布。 API 方面，Kimi K3.1 Pro 每百万 Token 缓存命中输入价格为 1.3 元，未命中缓存输入为 13 元，输出价格为 68 元。高速版 Kimi K3.1 Pro Highspeed 拥有相同模型能力，价格约为标准版 2 倍。 除了直接提供模型 API，Kimi 还推出 Hosted Agents 托管智能体服务，把支撑 Agent 长时间运行的 Harness 作为云端基础设施提供给企业和开发者，可以运行 7×24 小时长程任务，并支持多智能体协作。 这也进一步说明 K3.1 Pro 此次升级的主要方向，Kimi 开始把更多后训练算力投入真正能够持续工作的 Agent 环境，包括编程、金融研究、3D 工具调用以及长时间任务执行。 1 Coding 能力大涨，但“偏科”和冗长仍受关注 代码和长程 Agent 是 K3.1 Pro 此次升级最明显的方向之一。 在 Terminal-Bench 4.0 中，K3.1 Pro 得分达到 65.7%。该 Benchmark 通过真实、资源受限的终端环境测试编程 Agent 完成复杂任务的能力，每项任务均设置专项测试。作为对比，Kimi 公布的成绩显示，GPT-6 Astra 得分 58.2%，Claude Opus 5.5 为 66.4%。这意味着 K3.1 Pro 在该测试中已经超过 GPT-6 Astra，与 Claude Opus 5.5 相差不到 1 个百分点。 在 Kimi 内部的 Kimi Code Bench 3.0 Long-horizon 长程代码测试中，K3.1 Pro 得分 61.2%，相比 K3 的 55.95% 进一步提高。该测试覆盖多种工程领域，重点评估模型的多步执行、工具调用以及端到端问题解决能力。 相比单纯生成代码，Kimi 此次更强调 K3.1 Pro 对完整软件工程任务的执行能力。模型不仅能够在真实代码库中定位和修复问题，也能从零构建完整项目，并自主调用 Unity、Unreal Engine、Godot、Blender 等外部专业工具。 例如，K3.1 Pro 使用 Unreal Engine 5.8 搭建一个云海之上的东方神话天宫游戏场景，调用 Blender 进行程序化建模，并结合 Nanite、Lumen 以及外部 8K 材质和 NASA 月球数据完成场景制作；另一个案例中，它使用 Godot 4.7.2 从零构建了一款包含 5 个探索区域、程序化地形、第三人称战斗、两阶段 Boss、昼夜循环和快速传送系统的 3D 动作冒险游戏。 Kimi 还测试了一个更长程的工程任务：让 K3.1 Pro 基于包含 296 个骨骼组件和 402 个肌肉组件的开源人体解剖模型，搭建人类行走动力学仿真系统。 整个过程中，模型进行了 167 项任务和 420 次独立评审，不断分析实验结果、定位问题和修改控制器，使仿真人体从最初几步就摔倒，逐渐进化至能够交替迈步并连续行走 11.2 秒。值得注意的是，当继续调整奖励函数已经无法改善手臂运动时，模型没有继续“死磕”参数，而是转向检查仿真器动力学，最终发现并修复肩部肌肉力臂计算中的 36 处错误，再重新训练控制器。 模型发布后，很多用户第一时间就自己测试了。有用户称自己用 Kimi 进行汇编和嵌入式逆向工程时获得了不错的结果，认为模型虽然比 Claude Opus 更啰嗦，但