Moonshot AI 的 Kim K3.1 Pro 在金融分析方面对 Claude Opus 5.5 和 GPT-6 Astra 构成了挑战，但在 3D 建模基准测试中则落后于两者。这款升级后的大型语言模型将于 2026 年 10 月 23 日发布，拥有3 万亿个参数和 100 万个词元的上下文窗口，模型权重计划于 11 月 4 日公开发布。
要点总结
- Moonshot 的财务分析基准测试结果显示，其表现优于两大竞争对手。
- Terminal-Bench 4.0 将该型号的定位介于 Astra 和 Opus 5.5 之间。
- 付费云访问功能已在计划的重量数据发布之前上线。
Moonshot AI 的 Kim K3.1 Pro 基于选择性激活技术构建。
Kim K3.1 Pro是对Moonshot于7月发布的Kimi K3的升级，通过额外的训练，使其能够处理涉及多个步骤和工具的复杂推理任务。其前代产品包含896个神经网络，但每次只激活16个，以最大限度地降低推理成本。
Kimi K3 还使用了Kimi Delta Attention ，这是 Gated DeltaNet 的一种自定义实现，它减少了注意力机制解释提示所需的 RAM。
Moonshot公司表示，升级后的模型在训练后阶段消耗的处理能力远高于之前的版本。训练系统新增了自动化质量检查功能，并提升了基础设施效率。该公司还称，此外，还有一个专门设计的高速版本，其响应速度是标准模型的两到三倍。
基准测试结果按编码、3D 工作和财务三个方面进行划分。
Moonshot 公布的测试结果显示，Kim K3.1 Pro 在终端编程方面领先于 GPT-6 Astra，在金融分析方面领先于这两个竞争对手，但在 3D 模型编码方面落后于它们。
在测试智能体编程任务能力的Terminal-Bench 4.0测试中，该模型得分65.7% ，高于 Astra 的 58.2% 和 Opus 5.5 的 66.4%。Moonshot 内部的 Kimi Code Bench 3.0 长期测试得分也从上一代的 55.95% 提升至 61.2%。
该模型在 BenchCAD（一款 3D 模型编码基准测试工具）中得分 92.7% ，高于 Opus 5.5 的 96.2% 和 Astra 的 95.9%。它通过代码创建几何体，并能为生成的模型添加动画效果。Moonshot 还报告称，其在 Unity、Unreal Engine 和 Godot 等引擎中，用于生成交互式环境、网站和 3D 资源方面均取得了改进。
在一次演示中，一个步行模拟器包含了296个骨骼组件和402个肌肉组件，该模型经过167个开发任务和420次评审，最终实现了一个能够连续行走11.2秒的角色。另一次内部评估则产生了多个3D视频游戏。
在财务工作方面，Moonshot在 OfficeQA Pro v2 测试中得分 64.4 分，在财务文档分析、检索和数值推理的评估中均超越了所有竞争对手。内部财务建模和财务研究方面的得分分别比 Kimi K3 提高了 7.2 分和 11.6 分。
Moonshot 还指出，根据其内部 Kimi Hallu Bench Hard 测试，幻觉发生率从 23.4% 降至 8.3%。该公司对比测试中，Opus 5.5 的幻觉发生率为 15%。Moonshot 提醒，这种高难度场景测试并不能代表日常使用中的幻觉发生率。
网络安全培训变更及付费访问
Moonshot 特意在训练后排除某些网络安全数据和任务，以限制攻击能力，同时保持整体编码性能。最终模型在内部漏洞研究评估中得分 81%，而未受这些限制的训练版本得分为 90.5%。
其网络安全基准性能落后于 Astra 和 Opus 5.5。Moonshot 计划在未来的型号中加入更高级的漏洞分析功能。
Moonshot AI的 Kim K3.1 Pro 可通过付费云服务访问，标准版和高速版均可通过 Kimi.ai、Kimi Work、Kimi Code 以及 Moonshot 的 API 访问。Moonshot 计划于11 月 4 日开源完整的模型权重，届时开发者即可在自己的基础设施上运行该模型。
本文由人工智能辅助生成，并经编辑团队审核。