Kimi K3.1 Pro 评测图流出：Terminal-Bench 65.7 逼近 Opus 5.5，成本仅零头
realmrfakename · x · 2026-10-24
Moonshot 新模型 Kimi K3.1 Pro 的评测数据图流出，@teortaxesTex 与 natolambert 等纷纷讨论。配图显示 K3.1 Pro 在多项基准上表现亮眼：Terminal-Bench 4.0 得 65.7（仅次于 Opus 5.5 的 66.4），SWE Marathon 51.7 居首，Agents' Last Exam、OfficeQA Pro v2、Humanity's Last Exam（w/ tools 79.0）等多项第一；在 GDPVal-AA v2.1 上 1846 分接近 Opus 5.5。
成本曲线更受关注：Terminal-Bench 4.0 上 K3.1 Pro max 以约 $4-5 的单任务成本达到 65% 左右得分，显著低于 Claude 系（$12-22）和 GPT-6 Astra；DeepSeek-V4.1-Flash-1017 和 GLM-5.3 则被明显甩开。评论者预测其'有点刷榜、偏软'，但若 token 效率高，Moonshot 将坐稳一线玩家位置。另一张图展示 K3.1 Pro 通过大规模 RL 构建人体行走动力学模拟器、自查并修正 36 处肌肉力学计算错误并迭代控制器，从数秒跌倒练到连续交替行走 11.2 秒。
所属事件:月之暗面发布 Kimi K3.1 Pro：3T 级开源模型对标 GPT-6 与 Claude(31 条相关)→
「编程与Agent」频道最新
- Chronos:给 agent 用的 Postgres 兼容数据库,违规写入自动拦截 — Antique-Willow-5841 · 2026-10-24
- Agent 沙箱 boat.dev 订阅破千：$20/月按秒计费的 Agent 专用 VM — ycombinator · 2026-10-24
- 把整个产品团队装进一个共享 repo:Claude Code Team OS 实操 — aakashgupta · 2026-10-24
- AI 原生产品团队实操：PM、设计、工程共享一个仓库的四层结构 — aakashgupta · 2026-10-24
- 伯克利 Shreya Shankar 谈数据 Agent：最强模型首轮仅过 61% 查询 — sh_reya · 2026-10-24
- Claude 与 ChatGPT 连接器目录上架审核要点：OAuth、工具标注与实测账号 — Hot_Bee_5451 · 2026-10-24