Kimi K3.1 Pro 跑分出炉：SWE Marathon 登顶，多榜紧咬 Opus 5.5
scaling01 · x · 2026-10-24
scaling01 分享了 Kimi K3.1 Pro 的完整基准测试图，所有模型均拉满思考力度。核心结果：
- SWE Marathon：51.7 分登顶，领先 Opus 5.5（46.3）与 Fable 5.1（45.6）。
- Terminal-Bench 4.0：65.7，仅以 0.7 分之差仅次于 Opus 5.5（66.4），高于 GPT-6 Astra（58.2）。
- Kimi Code Bench 3.0 Long-horizon：61.2，落后 GPT-6 Astra（66.5），超过 Opus 5.5（58.5）。
- Agents' Last Exam：43.2 居首；OfficeQA Pro v2（64.4）、Humanity's Last Exam w/ tools（79.0）、GDP.pdf（34.6）、OSWorld V2.1（79.6）、ZeroBench（63.0）等多个榜单排名第一。
- 弱项：Terminal-Bench Science 0.1 仅 38.1，明显低于 GPT-6 Astra（69.1）与 Opus 5.5（63.3）；GDPVal-AA 略低于 Opus 5.5。
整体看，K3.1 Pro 在编码与 Agent 类任务上与 Claude Opus 5.5 互有胜负，科学类任务仍有差距。
所属事件:Kimi K3.1 Pro 跑分出炉：SWE Marathon 登顶(6 条相关)→
「模型」频道最新
- LiveBench 作者放话：将评估 Kimi K3.1,称其基准无法被刷分 — bindureddy · 2026-10-24
- Kimi K3.1 Pro 榜单刷屏引热议，开源追平闭源后「只是最后一次」论将再现 — cephaloform · 2026-10-24
- Humanity's Last Exam 工具榜：Kimi K3.1 Pro 以 70.0 分登顶 — UltraRareAF · 2026-10-24
- 用 Kimi K3.1 Pro 直接生成 3D 内容,实测演示出炉 — arena · 2026-10-24
- Kimi K3.1 Pro 登 Code Arena 第四,成本比 Claude Opus 5 低 74% — arena · 2026-10-24
- 月之暗面升至 Code Arena WebDev 厂商榜第四位 — arena · 2026-10-24