Moonshot AI 的 Kim K3.1 Pro 在金融分析方面對 Claude Opus 5.5 和 GPT-6 Astra 構成了挑戰，但在 3D 建模基準測試中則落後於兩者。這款升級後的大型語言模型將於 2026 年 10 月 23 日發佈，擁有3 萬億個參數和 100 萬個詞元的上下文窗口，模型權重計劃於 11 月 4 日公開發布。
要點總結
- Moonshot 的財務分析基準測試結果顯示，其表現優於兩大競爭對手。
- Terminal-Bench 4.0 將該型號的定位介於 Astra 和 Opus 5.5 之間。
- 付費雲訪問功能已在計劃的重量數據發佈之前上線。
Moonshot AI 的 Kim K3.1 Pro 基於選擇性激活技術構建。
Kim K3.1 Pro是對Moonshot於7月發佈的Kimi K3的升級，通過額外的訓練，使其能夠處理涉及多個步驟和工具的複雜推理任務。其前代產品包含896個神經網絡，但每次只激活16個，以最大限度地降低推理成本。
Kimi K3 還使用了Kimi Delta Attention ，這是 Gated DeltaNet 的一種自定義實現，它減少了注意力機制解釋提示所需的 RAM。
Moonshot公司表示，升級後的模型在訓練後階段消耗的處理能力遠高於之前的版本。訓練系統新增了自動化質量檢查功能，並提升了基礎設施效率。該公司還稱，此外，還有一個專門設計的高速版本，其響應速度是標準模型的兩到三倍。
基準測試結果按編碼、3D 工作和財務三個方面進行劃分。
Moonshot 公佈的測試結果顯示，Kim K3.1 Pro 在終端編程方面領先於 GPT-6 Astra，在金融分析方面領先於這兩個競爭對手，但在 3D 模型編碼方面落後於它們。
在測試智能體編程任務能力的Terminal-Bench 4.0測試中，該模型得分65.7% ，高於 Astra 的 58.2% 和 Opus 5.5 的 66.4%。Moonshot 內部的 Kimi Code Bench 3.0 長期測試得分也從上一代的 55.95% 提升至 61.2%。
該模型在 BenchCAD（一款 3D 模型編碼基準測試工具）中得分 92.7% ，高於 Opus 5.5 的 96.2% 和 Astra 的 95.9%。它通過代碼創建幾何體，並能爲生成的模型添加動畫效果。Moonshot 還報告稱，其在 Unity、Unreal Engine 和 Godot 等引擎中，用於生成交互式環境、網站和 3D 資源方面均取得了改進。
在一次演示中，一個步行模擬器包含了296個骨骼組件和402個肌肉組件，該模型經過167個開發任務和420次評審，最終實現了一個能夠連續行走11.2秒的角色。另一次內部評估則產生了多個3D視頻遊戲。
在財務工作方面，Moonshot在 OfficeQA Pro v2 測試中得分 64.4 分，在財務文檔分析、檢索和數值推理的評估中均超越了所有競爭對手。內部財務建模和財務研究方面的得分分別比 Kimi K3 提高了 7.2 分和 11.6 分。
Moonshot 還指出，根據其內部 Kimi Hallu Bench Hard 測試，幻覺發生率從 23.4% 降至 8.3%。該公司對比測試中，Opus 5.5 的幻覺發生率爲 15%。Moonshot 提醒，這種高難度場景測試並不能代表日常使用中的幻覺發生率。
網絡安全培訓變更及付費訪問
Moonshot 特意在訓練後排除某些網絡安全數據和任務，以限制攻擊能力，同時保持整體編碼性能。最終模型在內部漏洞研究評估中得分 81%，而未受這些限制的訓練版本得分爲 90.5%。
其網絡安全基準性能落後於 Astra 和 Opus 5.5。Moonshot 計劃在未來的型號中加入更高級的漏洞分析功能。
Moonshot AI的 Kim K3.1 Pro 可通過付費雲服務訪問，標準版和高速版均可通過 Kimi.ai、Kimi Work、Kimi Code 以及 Moonshot 的 API 訪問。Moonshot 計劃於11 月 4 日開源完整的模型權重，屆時開發者即可在自己的基礎設施上運行該模型。
本文由人工智能輔助生成，並經編輯團隊審覈。