AI图鉴

AI图鉴首页 › AI 资讯 › 中国AI型号 Kimi K3.1 Pro正在接近Anthropic的Claude

中国AI型号 Kimi K3.1 Pro正在接近Anthropic的Claude Opus 5.5

来源:The Decoder · 发布时间:10-24 · 由 AI图鉴每小时自动聚合

Moonshot 大赦国际的Kimi K3.1 Pro在人工分析情报指数上得分55分,11分跳过其前身,将其排在第4位。

中国AI型号 Kimi K3.1 Pro正在接近Anthropic的Claude Opus 5.5

关键点

- 中国AI公司Moonshot AI拥有发布 Kimi K3.1 Pro,在人工分析智能指数上以55分跃升至第四位,仅次于Claude Opus 5.5.

- 显示模型在代理任务、编码和3D模型制作方面的主要收益。

- 参数数保持在2.8万亿,但API价格下降了33%。 Moonshot计划在2026年11月前发布模型重量。

Moonshot 电话 AI的新推理模型Kimi K3.1 Pro 获得在人工分析智能指数上排名第四,仅落后于顶级专有模型3分。

中国AI公司Moonshot AI拥有发布 Kimi K3.1 Pro),是其前身Kimi K3的后训练版本,其后训练计算量明显增加。 模型在人工分析智能指数上得分55分,11分跳过K3,获得位列第四。

根据人工分析,只有Claude Opus 5.5(58),Claude Sonnet 5.5(56),Muse Wonder Full(56)排名较高。 如果到2026年11月4日计划好的Moonshot 发布型号权重,K3.1 Pro将成为可获得的最高评分开放权重模型。 这将缩小开放模型和专有模型之间的差距,从12点缩小到3点,假设届时没有其他变化。

与 K3.1 相邻 Pro,Moonshot正在运输一种叫做K3.1 Pro高速的变体,根据公司的说法,该变体运行速度为2至3倍。 两者现在都通过Kimi.ai,Kimi Work,Kimi代码和Kimi API提供。

代理任务收益最大

K3.1 Pro最强的改进出现在代理任务中。 在GDPval-AA 基准测试上,根据人工分析,它达到1,846 Elo,高于K3的312点。 这使得它仅落后于Claude Opus 5.5(1,866)和Muse Wonder Full(1,857). Moonshot报告为65.7%,领先于GPT-6 Astra(58.2%),仅次于Claude Opus 5.5(66.4%)。 K3在同一测试中只管理了13%.

幻觉率也急剧下降。 在Moonshot内部的Kimi Halu Bench Hard上,根据公司的说法,索赔层次的幻觉从23.4%的K3下降到8.3%。 Moonshot 称这是压力测试,不是一般误差率的衡量标准。 同一基准测试上的GPT-6 Astra 达到 5.5%,因此仍有边缘。

在内部金融方面基准测试,K3.1 Pro在金融建模方面获得了7.2分,在金融研究方面获得了11.6分。 对于一般的办公任务,模型超过在OfficeQA Pro v2上全部测试了模型,根据Moonshot.

Moonshot的Kimi K3.1 Pro 基准测试表。 所有结果的推理设定为"最大。"

3D 模型和编码

K3.1 Pro直接与Unity,unreal Engine,Godot等游戏引擎合作,根据Moonshot处理快速修复和完整项目建设。 在BeningCAD 基准测试上,它以工具评分92.7%,接近Claude Opus 5.5(96.2%)和GPT-6 Astra(95.9%). 没有工具,它就是达到 72.8%,几乎与Claude Opus 5.5(73.0%)相匹配。

Moonshot 称该模型在机械部件的参数模型,建筑模型,以及可配置产品上最强。 它可以在没有MCP连接器的情况下为Blender和CAD软件编写和运行脚本。 公司还使用发布在Kimi.com上推出一个名为"3D Make"的功能,让用户进行预览,编辑,并导出3D模型。

尺寸相同,价格较低

K3.1 Pro保持与K3相同的尺寸,总参数为2.8万亿,活性参数为1040亿。 上下文窗口跨度为100万令牌,模型既处理文本,也处理图像。 根据人工分析,它坐落在帕雷托边疆的顶端。 没有具有可比参数的模型在情报指数上得分较高。

Token价格下跌33%. 投入费用为每百万令牌2美元(从3美元减少),产出费用为10美元(从15美元减少),缓存达到费用为0.20美元(从0.30美元减少)。 每个情报指数任务的费用为1.98美元,几乎与K3(2.00美元)完全相同,因为模型产生的输出符数增加了14%.

网络安全和蓄意限制攻击能力

Moonshot在技术博客文章中,称公司注意到,随着培训后规模的扩大,脆弱性研究能力不断增长,因为与网络相关的内容已嵌入一般的中期培训中,相关任务也是RL环境组合的一部分。

对于开放权重发布,Moonshot从两个培训阶段剥离了网络相关数据。 在其内部的xdev-bench-hard上,它最近复制了Linux内核,Node.js和JavaScriptCore等软件中披露的弱点,不干净的版本解决了90.5%的任务。 数据清理后,K3.1 Pro解决81.0%. DeepSeek-V4.1-Flash在同一测试中达到85.7%,而Kimi K3的得分为33.3%.

Moonshot 称 no 开放权重模型应该推动进攻性网络能力的绝对前沿。 同时,公司希望逐渐提升开放模式所能做的,因为开放模式还服务于审计遗留系统等防御目的。 Anthropic之前显示,即使是在AA指数上评分45的GLM-5.3,也能在近Claude神话水平上写出开发。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 588 款 AI 工具分类导航 · 每日 AI 热门项目与动态