月之暗面（Moonshot AI）最新推出的推理模型 Kimi K3.1 Pro 在 Artificial Analysis 智能指数中取得突破，以 55 分位列第四，展现出显著的代理（Agentic）性能提升。据评估机构分析，一旦该模型权重正式开源，其有望成为目前得分最高的开放权重模型。
性能表现：代理能力显著跃升
Kimi K3.1 Pro 的智能指数得分较前代 Kimi K3（最高 44 分）提升了 11 分。在当前榜单中，它仅次于 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）和 Muse Wonder Full（56 分）。若权重如期公开，开放权重模型与顶尖专有模型在智能指数上的差距将从目前的 12 分大幅缩小至 3 分。
在关键代理评测中，Kimi K3.1 Pro 表现抢眼：
- GDPval-AA 评测：以 1,846 Elo 得分排名第三，较 Kimi K3 提升 312 Elo，紧追 Claude Opus 5.5（1,866 Elo）和 Muse Wonder Full（1,857 Elo）。
- Terminal-Bench 4.0：取得所有参评模型中的最高分，准确率达 67%，远超 Kimi K3 的 13%，并优于 Claude Sonnet 5.5 的 64%。
- AutomationBench-AA：针对 SaaS 工作流的代理测试评分从 58% 提升至 73%。
在其他通用指标上，模型亦有温和增长：Humanity's Last Exam 从 47% 升至 52%，SciCode 从 59% 升至 61%，AA-Omniscience Index 从 20 分增至 30 分。同时，幻觉率从 53% 降至 44%，准确率从 48% 提升至 51%。
成本与规格：性价比进一步优化
尽管 Kimi K3.1 Pro 在每个智能指数任务中的输出令牌量达到 55K，比 Kimi K3 多出 14%，但其每任务成本仍保持在 1.98 美元左右，与前代基本持平。这主要得益于其官方令牌定价下调了 33%。
最新定价标准为：每百万输入令牌 2 美元、输出令牌 10 美元、缓存命中令牌 0.20 美元，三项费率均较 Kimi K3 降低三分之一。
在模型规格方面，Kimi K3.1 Pro 拥有 100 万令牌的上下文窗口，支持文本和图片输入。其总参数量达 2.8 万亿（2.8T），活跃参数为 1040 亿（104B）。月之暗面方面表示，目前尚未公开模型权重，但预计在正式发布后不久将向社区开放。