一句话总结
本文汇总月之暗面 2026 年 10 月 24 日发布的旗舰模型 Kimi K3.1 Pro 的结构化数据：架构参数、上下文窗口、输入模态、公开评测分数、API 定价与权重开放计划，全部数值截至 2026 年 10 月 24 日。
数据说明
数据来源：月之暗面官方发布（Kimi 官网、Kimi API 开放平台文档、Kimi K3 技术博客）、华尔街见闻 2026 年 10 月 24 日报道、AIToolsRecap 2026 年 10 月 24 日汇总（引用 Artificial Analysis）。统计口径：总参数量按官方公布的 2.8 万亿计（官方表述为「3 万亿级」）；激活参数量为每 token 激活 1040 亿；定价为每百万 token 单价，人民币口径来自华尔街见闻，美元口径来自 AIToolsRecap 引用 Artificial Analysis；评测分数均为对应基准的官方或报道原始值，未做换算。
核心数据
| field | 字段含义 | 值/说明 |
|---|---|---|
| model_name | 模型名称 | Kimi K3.1 Pro（另有变体 Kimi K3.1 Pro Highspeed） |
| release_date | 发布日期 | 2026-10-24 |
| total_params | 总参数量 | 2.8 万亿（官方口径「3 万亿级」） |
| active_params | 每 token 激活参数 | 1040 亿（约 104B） |
| architecture | 架构 | 混合专家（MoE），基于 Kimi Delta Attention（KDA）与 Attention Residuals |
| context_length | 上下文窗口 | 100 万 token |
| input_modalities | 输入模态 | 文本、图像、视频 |
| output_modalities | 输出模态 | 文本 |
| weight_open_date | 权重开放计划 | 2026-11-04 前 |
| access_channels | 可用渠道 | Kimi 官网、App、Kimi Work、Kimi Code、Kimi API |
| benchmark | 指标说明 | score |
|---|---|---|
| Terminal-Bench 4.0 | 真实终端环境编程智能体任务 | 65.7% |
| Kimi Code Bench 3.0 Long-horizon | 内部基准，长程工程任务 | 61.2%（上一代 K3 为 55.95%） |
| BenchCAD（w/ tools） | CAD 代码重建 3D 模型 | 92.7% |
| OfficeQA Pro v2 | 金融文档数据分析 | 64.4（月之暗面称达到 SoTA） |
| Frontier Finance | 金融研究基准 | 58.6 |
| Agents Last Exam | 智能体能力评测 | 43.2 |
| Humanity Last Exam（Full w/ tools） | 综合知识评测 | 79.0 |
| Terminal-Bench Science 0.1 | 科研终端任务 | 68.1 |
| GDPVal-AA v2.1 | 通用智能体 Elo | 1784.9 |
| OSWorld V2.1 | 计算机操作智能体 | 81.8 |
| AA Intelligence Index | Artificial Analysis 智能指数 | 55（公开模型第 4 名） |
| price_item | 计费项（每百万 token） | 人民币 | 美元 |
|---|---|---|---|
| input_miss | 输入（缓存未命中） | 13 元 | $2 |
| input_hit | 输入（缓存命中） | 1.3 元 | $0.20 |
| output | 输出 | 68 元 | $10 |
| highspeed_multiplier | Highspeed 变体价格 | 标准版 2 倍 | 标准版 2 倍 |
| fact_item | 事实性与安全指标 | 值/说明 |
|---|---|---|
| hallucination_rate | Kimi Hallu Bench Hard 单项事实错误率 | 8.3%（K3 为 23.4%） |
| xdev_hard_after | xdev-bench-hard（移除网络攻防数据后） | 81.0% |
| xdev_hard_before | xdev-bench-hard（未移除数据） | 90.5% |
| internal_fin_model | 内部财务建模提升（较 K3） | 约 14% |
| internal_fin_research | 内部金融研究提升（较 K3） | 约 20% |
字段说明
model_name/weight_open_date：权重为计划开放，最终以月之暗面发布的许可条款为准。architecture：KDA 与 Attention Residuals 为月之暗面自研架构组件，其中 KDA 为混合线性注意力机制。benchmark 分数口径：Kimi Code Bench 系列为月之暗面内部基准；Terminal-Bench 4.0 中，月之暗面公布 Kimi K3.1 Pro 为 65.7%、GPT-6 Astra 为 58.2%、Claude Opus 5.5 为 66.4%；BenchCAD w/ tools 中 Claude Opus 5.5 为 96.2%、GPT-6 Astra 为 95.9%。price_item：美元口径来自 AIToolsRecap 引用 Artificial Analysis（$2 输入、$10 输出、$0.20 缓存命中）；人民币口径来自华尔街见闻（13 元输入未命中、1.3 元输入命中、68 元输出），两种口径对应同一价格体系。hallucination_rate 为月之暗面内部压力测试数据，公司说明该测试选取高难度场景，不代表日常整体错误率。
数据来源与参考
- 华尔街见闻（2026-10-24）：http://m.toutiao.com/group/7700018343629046308/
- Kimi 官方（K3 技术博客）：https://www.kimi.ai/blog/kimi-k3
- Kimi API 开放平台（K3 文档）：https://platform.kimi.com/docs/guide/kimi-k3-quickstart
- AIToolsRecap（2026-10-24，引用 Artificial Analysis）：https://aitoolsrecap.com/Blog/ai-news-october-24-2026
- 央视财经（2026-10-24）：http://m.toutiao.com/group/7700021695326847522/