Kimi K3.1 Pro 技术博客:大规模跨域 RL 训练细节公开

Kimi_Moonshot · x · 2026-10-24

Kimi 官方线程附上 K3.1 Pro 技术博客：K3.1 Pro 是 Kimi K3 的后训练版本，大幅增加后训练算力，实现了数百个下游域的联合大规模 RL。团队优化了整个技术栈——RL 框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度与统一的环境质量检查平台——使每份 RL 算力投入都带来稳定、可预期的回报。

博客还提到内部基准 Kimi Code Bench 3.0 Long-horizon（测编码 agent 的多步执行与端到端解题）上 K3.1 Pro 得 61.2%，高于 K3 的 55.95%。