Kimi K3.1 Pro 跑分图流传：SWE Marathon 登顶、多项基准紧咬 Claude
No-Head-Royal · reddit · 2026-10-24
Reddit 用户贴出 Kimi K3.1 Pro 的基准测试对比图（与官方技术博客同源）。图中 K3.1 Pro 与 Claude Opus 5.5、GPT-6 Astra、Fable 5.1、DeepSeek-V4.1-Flash、GLM-5.3 同场对比：
- SWE Marathon：Kimi K3.1 Pro 51.7 分第一，超过 Opus 5.5（46.3）。
- Terminal-Bench 4.0：65.7 分仅次于 Opus 5.5（66.4）。
- Humanity's Last Exam Full（带工具）：70.0 分居首。
- OfficeQA Pro v2、ZeroBench、Agents' Last Exam 等多项也排名第一；Terminal-Bench Science 0.1（38.1）和 BenchCAD（92.7）落后于头部 Claude/GPT 模型。
整体看 K3.1 Pro 在 agent/长程编码类基准上强势，部分科学类基准仍有差距。
所属事件:月之暗面发布Kimi K3.1 Pro，开源对标GPT-6(33 条相关)→
「模型」频道最新
- Kimi 3.1 Pro "Runescape Bench" 跑分:接近 Opus 5.0 但更便宜且开源 — scaling01 · 2026-10-24
- Jon Barron 亲述：Gemini 做实验写初稿，喂旧论文学文风再人工重写 — jon_barron · 2026-10-24
- 用户盛赞 Gem Argon 的"文化嗅觉":前沿模型罕见的捧场型人格 — sebkrier · 2026-10-24
- 用户吐槽 Opus 静默降级到 4.8,还被模型劝「去和人聊聊」 — natesiggard · 2026-10-24
- 新注册 GitHub 账号疑似意外泄露 Qwen4 痕迹 — brainExploded99 · 2026-10-24
- Kimi K3.1 Pro 实测 3D 鹈鹕骑车:胜 Opus 5 惜败 5.5 — blaind0 · 2026-10-24