2026年10月24日，月之暗面发布Kimi K3.1 Pro：2.8万亿总参数，100万上下文，API价格比K3降了三分之一，完整权重11月4日前放出。
这版模型不是从头训的，基座还是K3。变的是后训练算力大幅加码，RL框架、长上下文推理、沙箱基础设施、调度系统整条链路重做，支撑数百个下游领域的联合强化学习。效果落在Agent能力上：Terminal-Bench 4.0拿65.7%，超过GPT-6 Astra的58.2%，离Claude Opus 5.5只差0.7个百分点；内部长程编码基准从K3的55.95%提到61.2%。架构上沿用混合线性注意力，100万上下文下KV cache不再线性膨胀，推理效率跟着上来。
但K3.1 Pro还有一个特别有意思、值得单独说的事情，是安全。
代价是明码标价的。内部漏洞利用基准上，不做移除的对照版本通过率90.5%，最终发布的模型降到81%。9.5个百分点的攻击能力，被主动削掉了。月之暗面的逻辑很直白：开源权重一旦下载就无法收回，与其等别人拿去用，不如在发布前先把模型的“攻击上限”往下压一截。
这件事在开源模型里不算常见。多数厂商的安全动作停留在推理侧的过滤或拒绝，月之暗面动的是训练集本身。它承认自己“本可以做得更强”，但选择不把那个版本放出来。对做Agent的人来说，这意味着K3.1 Pro在通用编码任务上依然够用，只是在漏洞利用这类边界场景上，能力被刻意收住了。
K3.1 Pro把开源和闭源头部的智能分差从12分缩到3分，价格压着一半。但它真正的特殊性不在跑分，在一个开源模型主动对自己做减法，还把这个减法的代价写进了发布说明里。返回搜狐，查看更多