摘要 10 月 24 日，月之暗面发布 Kimi K3.1 Pro，现在打开 Kimi App、网页、Kimi Work、Kimi Code 或 API 就能用，完整权重计划在 11 月 4 日前开源。官方称它是约 3 万亿级参数的开放权重模型，支持 100 万 token 上下文。按官方自报的成绩，它在终端编程测试 Terminal-Bench 4.0 上得 65.7%，只比 Claude Opus 5.5 低 0.7 个百分点，高于 GPT-6 Astra。更少见的是开源前的安全动作：训练时剔除了网络攻防相关数据，内部攻防基准从未削弱版的 90.5% 降到 81.0%。这是削弱，不是砍光；以上数字都是厂商自报，未经独立核实。
你平时用来聊天、查资料的 Kimi，10 月 24 日凌晨换上了新模型。这次除了“更强”，还有一件大模型公司很少主动做的事：开源之前，先把自己的黑客能力调低。
发生了什么：Kimi 换上了 K3.1 Pro
月之暗面（Moonshot AI，Kimi 背后的公司）10 月 24 日发布 Kimi K3.1 Pro，它是 K3.1 系列的第一个模型，也是 7 月发布的 Kimi K3 的后训练版本：底座不变，后训练阶段投入的算力大幅增加。后训练指模型预训练完成之后，再用强化学习等方法教它做具体任务的阶段。
官方称它是“3 万亿级”（3T-class）开放权重模型，支持 100 万 token 上下文（token 是模型读写文字的计量单位；100 万 token 足够一次读进一本长篇小说或一个中等规模的代码库）。据中新社报道，前代 K3 参数约 2.8 万亿，所以说新模型“约 3 万亿级”更稳妥，官方没有给出精确数字。参数是模型内部可调整的数值，数量越多，一般能装下的知识和规律越多。
同时上线的还有 Kimi K3.1 Pro Highspeed，官方称速度是标准版的 2–3 倍。两者今天起在 Kimi 网页、手机 App、Kimi Work 桌面端、Kimi Code 和 API 都能用；完整模型权重计划在 11 月 4 日前发布。
能力有多强：和 Claude、GPT 差多少
官方给出的对比主要在三类工作上：写代码、做 3D、做金融研究。下面的成绩全部是月之暗面官方自报，没有第三方复核。
写代码。 Terminal-Bench 4.0 让编程 agent（能自己读代码、跑命令、改文件的 AI 助手）在真实终端里完成资源受限的任务，并用严格测试判分。K3.1 Pro 得 65.7%，比 Claude Opus 5.5 的 66.4% 低 0.7 个百分点，比 GPT-6 Astra 的 58.2% 高。要注意两点：K3.1 Pro 是用 Claude Code 的运行框架跑的分，其他模型的成绩取自各自博客或官方排行榜；官方图表也注明，Claude 的结果可能含回退，GPT 的结果可能被安全拦截。
官方举了一个长程任务的例子：让 K3.1 Pro 在开源人体模型上做一个行走模拟器。它跑了 167 个任务、经过 420 次独立评审，自己发现并修正了 36 处肩部肌肉力臂计算错误，最终让模拟人从几秒内摔倒变成连续行走 11.2 秒。
做 3D。 在根据多视角图片写 CAD 代码重建 3D 模型的 BenchCAD 上，K3.1 Pro 带工具得 92.7%，接近 Opus 5.5 的 96.2% 和 GPT-6 Astra 的 95.9%。它能直接写脚本操作 Blender、CAD 等建模软件，Kimi 网页和 App 也上线了 3D Make，可以在线预览、编辑和下载 3D 模型。
做金融。 在基于真实财务文档做检索、交叉核对和多步计算的 OfficeQA Pro v2 上，K3.1 Pro 得 64.4，官方称是目前最好成绩。
为什么开源前要主动削弱黑客能力
这是这次发布里最值得讲的部分。月之暗面在研发中发现，随着后训练加码，模型的漏洞研究能力（找到软件漏洞并写出攻击代码的能力）也在稳步上升。追查原因，是通用训练语料里本来就混着网络攻防内容，强化学习的任务里也有相关环境。这是用海量数据训练的自然副作用。
于是在开放权重的 K3.1 Pro 里，他们剔除了网络攻防相关数据：中期训练和强化学习两个阶段都做了识别和移除，同时保留通用编程任务，保证写代码的能力不受影响。
效果用内部基准 xdev-bench-hard 衡量：题目大多复现 Linux 内核、Node.js 等软件里近期公开的真实漏洞，模型要写出攻击代码，在隔离环境里拿到任意代码执行权限。没做削减的版本能解出 90.5% 的题，最终版是 81.0%，低了 9.5 个百分点。
但这是削弱，不是砍光。上一代 K3 在同一基准上只有 33.3%，新模型仍高出一大截，官方的解释是通用编程和长程调试能力变强后，会自然迁移到攻防任务上。官方同时称，K3.1 Pro 的攻防能力仍落后于已公开发布至少三个月的前沿闭源模型。路透报道时特别注明，这些结果未经独立核实。
为什么要这样做？关键在于开放权重和网页服务不同。网页上的模型由厂商托管，发现被滥用可以随时加限制；权重一旦被下载，就收不回了，任何人都能离线运行、修改，厂商无法再监控和修补。月之暗面给自己定了两条原则：一是不发布会把网络攻防能力推到“绝对前沿”的开放权重；二是今后逐步提高开放权重里可用的攻防能力。它的理由是，防守方同样需要这种两用能力，模型开放后，更多团队能自己审计维护的代码，包括很少有人做安全审查的老系统。
这件事也有背景。路透称，各国政府、科技公司和安全研究者越来越担心 AI 会让复杂的黑客攻击更容易、更便宜；就在上周，中国提出出口管制草案，拟禁止出口 AI 驱动的恶意软件生成技术，并限制 AI 辅助的漏洞挖掘工具。
普通人怎么用，开发者要注意什么
想试试，不用等开源。 更新 Kimi 手机 App（iOS、安卓、鸿蒙都有）或打开 Kimi 网页就能用；Kimi Work 桌面端需要 3.1.0 及以上版本；用 Kimi Code 写代码的，用 /model 命令切到 K3.1 Pro。企业版默认关闭，要管理员手动开启。
用 API 的开发者。 模型名是 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed。按开放平台文档，它是旗舰模型，账户充值满 10 元后才能调用，新用户注册送的 15 元代金券不能用在它身上；它始终开启思考模式，可以把推理强度设为 low、high 或 max（默认 max）。
想本地部署的。 盯住 11 月 4 日前的权重发布。约 3 万亿级参数的模型对硬件要求很高，个人电脑基本跑不动，更现实的是企业和研究机构在自己的服务器上部署。
开源模型的两难，以及要打的折扣
这一节是编辑判断。开源模型越强，“开不开权重”就越不是一个纯技术问题：能力越接近前沿，被滥用的代价越大，而权重一旦放出就没有撤回键。月之暗面的做法是在训练数据上动手，先把最敏感的那部分能力压一截，再公开发布。这比发布后靠用户协议约束更实在，但能压多少、压得住多久，只能靠后续独立测评来验证。
另外，几乎所有亮眼数字都来自官方：Terminal-Bench 的成绩用的是不同运行框架，xdev-bench-hard 是月之暗面自己出题、自己判分的内部基准。更稳妥的读法是：K3.1 Pro 已经进入第一梯队的讨论范围，具体差多少，等权重放出、第三方跑完测评再看。