据该公司公告，中国人工智能初创公司月之暗面（Moonshot AI）发布了其最新 AI 模型 Kimi K3.1 Pro，该模型拥有 100 万 token 上下文窗口，并在编码、3D 开发、金融研究和自主 AI 智能体方面具备更强的能力。

在评估 AI 智能体真实编程任务表现的基准测试 Terminal Bench 4.0 上，Moonshot 表示 Kimi K3.1 Pro 得分为 65.7%。该成绩与得分为 66.4% 的 Anthropic Claude Opus 5.5 仅相差 0.7 个百分点，并超过得分为 58.2% 的 OpenAI GPT 6 Astra。榜首 0.7 个百分点的差距表明，各领先模型在智能体编码任务上的表现已十分接近。

该模型基于 Kimi K3 构建，并通过额外训练强化了复杂推理能力以及完成需要多步骤和多种工具任务的能力。Moonshot 还推出了 Kimi K3.1 Pro Highspeed，该版本的响应速度设计为标准模型的两到三倍。两个版本均可通过 Kimi.ai、Kimi Work、Kimi Code 和公司 API 使用，完整模型权重定于 11 月 4 日前发布。

长程编码能力提升

Moonshot 报告称，Kimi K3.1 Pro 在内部基准 Kimi Code Bench 3.0 Long horizon 上得分为 61.2%，该基准衡量 AI 智能体完成涉及多步骤、工具使用和长期问题求解的复杂编程任务的能力。这一成绩较其前身 Kimi K3 的 55.95% 有所提升。

公司还强调了该模型在 Unity、Unreal Engine 和 Godot 等游戏引擎编码方面的改进，使其能够生成交互式环境、网站和 3D 资源。在一次演示中，Kimi K3.1 Pro 基于一个包含 296 个骨骼组件和 402 个肌肉组件的解剖模型开发了一个行走模拟器。经过 167 项开发任务和 420 次审查，该模型不断改进模拟器，直至其中的虚拟角色能够连续行走 11.2 秒。

此外，该模型还展现出更强的 3D 建模能力，在 BenchCAD 上得分为 92.7%，而 Claude Opus 5.5 为 96.2%，GPT 6 Astra 为 95.9%。

拓展金融研究领域

除编码之外，Moonshot 还将 Kimi K3.1 Pro 定位于金融分析、投资研究和业务运营。公司报告其在 OfficeQA Pro v2 上得分为 64.4，该评测衡量金融文档分析、信息检索和数值推理能力。

在 Moonshot 的内部评测中，与 Kimi K3 相比，Kimi K3.1 Pro 在金融建模方面提升了 7.2 分，在金融研究方面提升了 11.6 分。公司还报告了事实准确性的提升，该模型在内部 Kimi Hallu Bench Hard 评测中的幻觉率从 23.4% 降至 8.3%。根据 Moonshot 公布的对比数据，在同一使用工具的评测中，Claude Opus 5.5 的幻觉率为 15%。公司提醒，该基准专门测试困难场景，并不代表日常使用中的幻觉率。

计于 11 月开放权重

此次发布正值 AI 开发者持续扩大可独立于专有云平台部署的先进模型的可获得性之际。Moonshot 表示，Kimi K3.1 Pro 是其在 3 万亿参数级别中能力最强的模型，完整权重预计将于 11 月 4 日公开发布。由于部分报告数据来自 Moonshot 自身的评测，公开权重将使外部开发者能够在其自主控制的基础设施上测试模型性能。

公司还披露了其训练流程的调整，旨在降低发布能力日益增强的 AI 模型所带来的网络安全风险。Moonshot 表示，在内部漏洞研究基准上评测最终模型之前，其移除了部分网络安全训练数据和任务。所得到的模型在该评测中得分为 81%，而未受这些限制训练的版本为 90.5%，9.5 分的差距反映了受限训练方式带来的性能折衷。据公司介绍，这些调整旨在限制攻击性网络安全能力，同时保持通用编码性能。

Kimi K3.1 Pro 目前可通过该公司的消费者、企业和开发者平台使用，计划中的模型权重发布预计将使开发者能够在自己的基础设施上运行该模型。11 月 4 日的权重发布是下一个值得关注的里程碑，标志着该模型可以在 Moonshot 自有平台之外进行部署和评测。