Moonshot AI（月之暗面）今個月推出後訓練版本 Kimi K3.1 Pro，喺獨立評測機構 Artificial Analysis 嘅智識指數（Intelligence Index）攞到 55 分，較上一代 Kimi K3 大升 11 分，排到總榜第四位。排喺前面嘅只有三個：Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分）同 Muse Wonder Full（56 分），即同頭閉源模型只差 3 分。
重點先講清邊個數字係邊個嘅：55 分、以及 GDPval-AA 基準嘅 1,846 Elo，係 Artificial Analysis 獨立打嘅分，K3.1 Pro 喺該基準較 K3 高 312 分，排喺 Claude Opus 5.5（1,866）同 Muse Wonder Full（1,857）之後。呢啲係第三方數字。
但以下成串就全部係 Moonshot 自家嘅數字，要分開睇：
- 代理任務：Terminal-Bench 4.0 報 65.7 百分，Moonshot 話超前 GPT-6 Astra（58.2 百分）、只落後 Claude Opus 5.5（66.4 百分）。上一代 K3 喺同一測試只得 13 百分。呢個係 Moonshot 自報，GPT-6 Astra 嘅數字我哋冇獨立核實。
- 幻覺率：Moonshot 內部 Kimi Hallu Bench Hard，claim-level 幻覺由 23.4 百分降到 8.3 百分。Moonshot 自己講明呢個係 stress test，唔係一般錯誤率嘅量度；GPT-6 Astra 喺同一基準 5.5 百分，即 K3.1 Pro 仍然有距離。呢個係 Moonshot 內部基準，冇獨立核實。
- 金融：Moonshot 內部金融基準，Financial Modeling 加 7.2 分、Financial Research 加 11.6 分；話喺 OfficeQA Pro v2 全面任務排頭位。全部自報。
- 3D 同編程：BenchCAD 喺有工具情況下 92.7 百分（Claude Opus 5.5 為 96.2、GPT-6 Astra 為 95.9），冇工具 72.8 百分，貼住 Claude Opus 5.5 嘅 73.0。話可以直接同 Unity、Unreal Engine、Godot 遊戲引擎互動，並喺 Kimi.com 推出「3D Make」功能。呢段全部係 Moonshot 嘅陳述。
模姐驗嚇貨：呢張表要拆兩層。一層係 Artificial Analysis 嘅獨立打分行，55 分排第四呢個係可信嘅第三方位置。另一層係 Moonshot 自己嗰「我們最好」「我們超前 GPT-6」嘅句子，全部係廠商自評，GPT-6 Astra 嘅比較數字、金融同 3D 跑分，我哋冇做過獨立測試，都冇第三方核實過。廠商自評唔等於獨立驗證，呢句老話今次特別適用。
開放權重呢個位要特別講清楚：K3.1 Pro 而家係閉源，2.8 兆參數（同 K3 一樣），API 價跌 33 百分，透過 Kimi.ai、Kimi Work、Kimi Code 同 Kimi API 提供，另外有快 2 至 3 倍嘅 K3.1 Pro Highspeed 版本。Moonshot 計劃喺 2026 年 11 月 4 日前放權重，到時如果冇其他變化，佢會成為現行最高分嘅開放權重模型，將開放同閉源差距由 12 分縮到 3 分。呢個係 Moonshot 嘅公開計劃，未落地；開放權重同完整開源唔係同一件事，權重放咗唔代表數據或訓練代碼全開。
對讀者嘅關聯：如果你而家要用呢個模型，佢係閉源、要透過 Moonshot API 同產品線。如果你一直等開放權重，要等十一月，而到時會唔會真係係最高分，取決於同期有冇其他模型跟住放。
模姐｜深度調教
