Kimi K3.1 Pro 登榜第四，Agent 能力大涨、价格降 33%
ArtificialAnlys · x · 2026-10-24
Artificial Analysis 发布 Kimi K3.1 Pro 评测：智能指数得分 55，较 Kimi K3（44）提升 11 分，位列第四，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）与 Muse Wonder Full（56）。权重发布后将成为排名第一的开源权重模型，开源与闭源模型的差距将从 12 分缩小到 3 分。
关键结果
- Agent 能力大涨：GDPval-AA 以 1,846 Elo 排第三（较上代 +312），仅落后 Claude Opus 5.5 与 Muse Wonder Full；Terminal-Bench 4.0 得 67%（上代仅 13%），为全场最高，超过 Claude Sonnet 5.5（64%）；AutomationBench-AA（agentic SaaS 工作流）从 58% 升至 73%。
- 其他评测温和提升：Humanity's Last Exam 47%→52%，CritPt 23%→25%，SciCode 59%→61%；AA-Omniscience 从 20 升至 30，幻觉率 53%→44%，准确率 48%→51%。
- 成本：单价降 33%（$2/$10/$0.20 每百万输入/输出/缓存命中 token），每任务成本 $1.98 与上代持平，因输出 token 用量增加 14%（55K vs 48K）。
- 规格：2.8T 总参数、104B 激活，1M 上下文，支持文本与图像输入；权重预计发布后即登顶开源权重榜。
所属事件:Kimi K3.1 Pro 登 AA 智能指数第四，同规格提升 11 分(10 条相关)→
「模型」频道最新
- Kimi k3.1 被指「刷榜最严重模型」，网友称蒸馏自前沿实验室 — imjustnewatai · 2026-10-24
- 爆料称 Grok 4.8 下周发布 — mark_k · 2026-10-24
- 单任务成本约3倍于 DeepSeek Flash,Kimi K3.1 终端基准得分近翻倍 — bookwormengr · 2026-10-24
- 网友推测:实验室真实能力远超预期,公开发布的是「缩水版」模型 — MoonL88537 · 2026-10-24
- 某模型 API 降价：每百万 token 从 15 美元降至 10 美元 — cedric_chee · 2026-10-24
- Artificial Analysis 知识榜:MiniMax 430B 拿 51% 超多个 3T 级模型 — teortaxesTex · 2026-10-24