根據該公司的公告，中國人工智慧新創公司 Moonshot AI 推出最新 AI 模型 Kimi K3.1 Pro，具備一百萬 token 上下文視窗，並在程式設計、3D 開發、金融研究與自主 AI 代理方面的能力有所提升。

Moonshot 表示，在評估 AI 代理真實程式設計任務表現的 Terminal Bench 4.0 基準測試中，Kimi K3.1 Pro 取得 65.7% 的成績。該結果與 Anthropic 的 Claude Opus 5.5（66.4%）僅相差 0.7 個百分點，並超越 OpenAI 的 GPT 6 Astra 的 58.2%。領先模型之間 0.7 個百分點的差距，凸顯各頂尖模型在代理式程式設計任務上的表現已十分接近。

該模型以 Kimi K3 為基礎，並透過額外訓練強化複雜推理能力，以及完成需要多個步驟與工具的任務的能力。Moonshot 同時推出 Kimi K3.1 Pro Highspeed，這是一個設計上反應速度比標準模型快兩到三倍的版本。兩個版本均可透過 Kimi.ai、Kimi Work、Kimi Code 以及公司 API 使用，完整模型權重預定於 11 月 4 日前發布。

長時程程式設計能力的提升

Moonshot 表示，Kimi K3.1 Pro 在內部基準測試 Kimi Code Bench 3.0 Long horizon 上取得 61.2% 的成績，該測試衡量 AI 代理完成涉及多個步驟、工具使用與長時間解決問題的複雜程式設計任務的能力。相較其前身 Kimi K3 的 55.95%，此結果有所進步。

公司也強調模型在 Unity、Unreal Engine 和 Godot 等遊戲引擎上的程式設計能力有所提升，使其能夠生成互動環境、網站與 3D 素材。在其中一項展示中，Kimi K3.1 Pro 使用包含 296 個骨骼元件與 402 個肌肉元件的解剖模型開發出一套步行模擬器。經過 167 項開發任務與 420 次審查，模型持續改良模擬器，直到虛擬角色能夠連續行走 11.2 秒。

此外，模型在 3D 建模方面也展現更強的表現，在 BenchCAD 上取得 92.7%，相較之下 Claude Opus 5.5 為 96.2%，GPT 6 Astra 為 95.9%。

擴大金融研究

除了程式設計之外，Moonshot 也將 Kimi K3.1 Pro 定位於財務分析、投資研究與業務營運。公司表示，模型在衡量財務文件分析、資訊擷取與數值推理的評測 OfficeQA Pro v2 上取得 64.4 分。

在 Moonshot 的內部評測中，Kimi K3.1 Pro 相較 Kimi K3 在財務建模上提升 7.2 分，在金融研究上提升 11.6 分。公司也表示模型在事實準確性方面有所改善，在內部 Kimi Hallu Bench Hard 評測中的幻覺率由 23.4% 降至 8.3%。根據 Moonshot 公布的比較資料，在同一項使用工具的評測中，Claude Opus 5.5 的幻覺率為 15%。公司提醒，該基準測試專門針對困難情境，並不代表日常使用時的幻覺率。

計畫於 11 月開放權重

此次發布正值 AI 開發者持續擴大取得可獨立於專有雲端平台部署的先進模型之際。Moonshot 表示，Kimi K3.1 Pro 是其 3 兆參數等級中能力最強的模型，完整權重預定於 11 月 4 日公開。由於多項公布數據來自 Moonshot 自身的評測，公開權重將讓外部開發者能夠在自己掌控的基礎架構上測試模型表現。

公司也揭露了為降低釋出能力日益強大的 AI 模型所帶來的網路安全風險而對訓練流程做出的調整。Moonshot 表示，在以內部漏洞研究基準評測最終模型之前，已移除部分網路安全相關的訓練資料與任務。最終模型在該評測中取得 81%，而未受這些限制訓練的版本則為 90.5%，9.5 分的差距反映出限制性訓練方式帶來的折衷。據公司說明，這些調整旨在限制攻擊性網路安全能力，同時保留一般程式設計效能。

Kimi K3.1 Pro 目前可透過公司的消費者、企業與開發者平台使用，預定的模型權重釋出可望讓開發者在自己的基礎架構上執行模型。11 月 4 日的釋出是下一個值得關注的里程碑，代表模型將可在 Moonshot 自有平台之外部署與評測。