10 月 24 日，月之暗面（Moonshot AI）正式发布了新一代开源模型Kimi K3.1 Pro。一句话概括它的位置：这是目前全球参数规模最大的开放权重（open-weight）模型，3 万亿级参数、100 万 token 上下文，并且在代码、智能体、知识类基准上已经逼近最强的闭源模型。更关键的是，它的完整权重预计将在11 月 4 日前全部放出，到时候会成为有史以来评分最高的开源权重模型。

作为常年折腾本地大模型、又盯着排行榜的技术博主，我觉得这次发布最值得聊的不是"又大了一点"，而是三件事：开放权重、百万上下文、以及把顶级能力压到 1/5 的价格。下面展开说说。

一、它到底是什么：3T 参数 + 1M 上下文 + 开放权重

Kimi K3.1 Pro 是 Kimi K3 的后训练（post-training）版本。K3 是今年 7 月月之暗面完全开放权重的 2.8 万亿参数模型，当时就是全球最大的开源模型。K3.1 Pro 在此基础上大幅加码了后训练阶段的强化学习算力——通俗讲就是"越练越聪明"，在数百个领域做了大规模联合训练。

它的几个硬指标：

• 参数规模：3 万亿级（3T-class），继续保持全球最大开源模型；
• 上下文窗口：100 万 token（约 75 万中文字），一本长篇小说能整本丢进去；
• 开放权重：完整权重预计 11 月 4 日前对外发布，面向科研机构和产业开发者开源；
• 同步推出高速版Kimi K3.1 Pro Highspeed，同等智能，输出速度约为标准版的 2~3 倍。

这里有一个容易混淆的点："开源"和"开放权重"不完全是一回事。K3.1 Pro 现在能在 Kimi 网页版、Kimi Work、Kimi Code 和 Kimi API 直接用，但要拿到权重自己部署，得等 11 月初那批权重放出。届时你才能像玩 Qwen、Llama 那样把它塞进自己的显卡里。

二、能力到底多强：逼近闭源旗舰

最亮眼的是Terminal-Bench 4.0这个分数——它考察的是编程智能体在真实终端环境里完成受限任务的能力，比单纯做选择题难得多：

注意，K3.1 Pro 在代码智能体这一项上超过了 GPT-6 Astra，和 Claude Opus 5.5 只差 0.7 个百分点。在 Artificial Analysis 的 Intelligence Index 上，它首秀拿到 55 分，排第四，仅次于 Claude Opus 5.5、Sonnet 5.5 和 Muse Wonder Full。而据该机构测算，一旦权重放出，开放权重与最强闭源模型的差距将从12 分收窄到 3 分。

内部基准 Kimi Code Bench 3.0（长程）也从 K3 的 55.95% 提升到了 61.2%。长程编码、3D 创作、金融研究是这次提升最明显的三个方向：给它一段文字或一张草图，它能推断物体的形状、比例和空间关系，直接操作专业建模软件产出可用 3D 模型并搭成交互场景；金融上能从检索资料、跨文档核对数据一路做到搭财务模型、做盈利分析，端到端交付。

三、价格才是杀手锏：顶级能力，1/5 价格

对中小团队和开发者来说，能力逼近闭源固然振奋，但更实在的是价格。国内 Kimi API 的计费（每 1M tokens，人民币）如下：

按 Artificial Analysis 的口径，K3.1 Pro 的美元定价是输入 $2 / 百万 token、输出 $10 / 百万 token，大约是 Claude Opus 5.5 费率的一半，综合成本约为海外顶尖闭源模型 GPT-6 Astra 的1/5、Claude Opus 5.5 的1/2。

不过要提醒一句：K3.1 Pro始终启用推理（reasoning），推理强度reasoning_effort支持low / high / max，默认max。简单任务可以调低档位来省 token；按接口返回的 output 用量计费，而不只是最终答案长度。

# 调用 Kimi K3.1 Pro 的最小示例（Kimi 兼容 OpenAI 接口）curlhttps://api.moonshot.cn/v1/chat/completions\-H"Authorization: Bearer$KIMI_API_KEY"\-H"Content-Type: application/json"\-d'{ "model": "kimi-k3.1-pro", "messages": [{"role": "user", "content": "用 Python 写一个快速排序"}], "reasoning_effort": "low" }'

四、开放权重意味着什么：你能把它"私有化"

11 月初权重放出后，K3.1 Pro 会成为迄今评分最高的开源权重模型。这意味着几件对开发者很实在的事：

• 数据不出域：金融、政企、医疗这类对数据合规敏感的行业，可以自托管，把数据和计算都留在自己一侧；
• 可微调、可二开：拿到权重后可以做领域微调、量化、蒸馏，适配自己的硬件；
• 绕开额度焦虑：不像纯 API 那样受厂商并发和 quota 限制。

从大趋势看，中国开源模型的存在感在快速上升。Hugging Face 2026 年的报告显示，平台上来自中国的开放模型下载量占比已达41%，超过美国的 35%~36.5%。Kimi K3.1 Pro 是这条线上的又一记重拳。

有个有意思的小细节：海外社区讨论最多的居然是它的"脾气"。不少人说 Kimi 比美国模型"直"得多、甚至会反驳你，比如"这个问题我们已经聊过三遍了，你换种问法答案也不会变"。技术博主视角看，这恰恰是它在真实工作流里"敢下判断"的体现，比无脑附和更有用。

五、技术博主的落地建议

如果你打算上手，我的建议是：

1. 先吃 API 红利：现在就能在 Kimi 网页版和 API 直接试，别等权重；先用low推理档跑通业务逻辑，再决定要不要上max；
2. 百万上下文用在刀刃上：把整份代码库、整本财报、整套合同一次性丢进去，省掉切片和拼接的工程成本；
3. 等 11 月权重放出后再谈本地化：3T 参数全量推理对显存要求极高，更现实的是上量化版或 Highspeed 高速版配合长上下文做 Agent；
4. 关注 Terminal-Bench 这类"真干活"的基准：比起纯刷分，能跑通终端任务才是编码 Agent 落地的硬指标。

小结

Kimi K3.1 Pro 的意义，不在于"参数又大了一截"，而在于它把顶级能力、开放权重、百万上下文、1/5 价格这四件事同时摆到了桌面上。等 11 月初权重放出，它大概率会成为开源阵营的新标杆，也把"闭源 vs 开源"的差距压到了历史最小。

对咱们开发者来说，这是一个信号：前沿模型的"单位任务成本"正在快速下探，选型时与其无脑追最新闭源旗舰，不如把锚点放在长上下文 + 工具调用稳定性 + 数据能否自托管这三个指标上。K3.1 Pro，值得放进你的候选清单。