Kimi推3兆級新模型！程式設計評測勝GPT-6 金融能力與3D建模升級

月之暗面推出新一代旗艦模型Kimi K3.1 Pro，稱其為旗下最強的3兆級參數模型，在程式設計AI代理（Agent）評測中超越GPT-6 Astra，並強化3D建模、金融研究與複雜任務執行能力。

新模型已透過官網、App及API提供服務，完整模型權重預計於11月4日前開放。

總參數2.8兆 高速版提速至2至3倍

Kimi K3.1 Pro是K3系列首款模型，總參數達2.8兆，採用混合專家（MoE）架構，每次啟用1040億參數，支援100萬Token上下文視窗。此次升級重點在於整合程式設計、空間推理、金融分析及長時間、多步驟的任務執行能力。

月之暗面同步推出Kimi K3.1 Pro Highspeed高速版，稱其能力與標準版相當，輸出速度則提高至約2至3倍。兩款模型均已接入Kimi官網、App、Kimi Work、Kimi Code及API。

新模型以Kimi K3為基礎進行後訓練。月之暗面表示，公司大幅增加後訓練算力，並優化強化學習框架、長上下文推理、訓練效率、沙箱基礎設施及任務排程系統，支援數百個下游領域的大規模聯合訓練，目標是提升複雜任務中的持續執行能力。

程式設計評測勝GPT-6 緊追Claude

根據月之暗面公布的數據，Kimi K3.1 Pro在程式設計AI代理測試Terminal-Bench 4.0取得65.7%，高於OpenAI GPT-6 Astra的58.2%，與Anthropic Claude Opus 5.5的66.4%差距有限。

這項測試透過真實環境中的終端任務，檢視模型在資源受限條件下使用工具、執行指令及解決程式設計問題的能力。

在內部Kimi Code Bench 3.0 Long-horizon測試中，新模型得分也由K3的55.95%升至61.2%。該測試著重多步驟執行、工具呼叫，以及從頭到尾解決工程問題的能力。

不過，相關成績來自不同測試體系，部分屬公司內部基準。模型使用的工具、測試環境與評估方式可能不同，分數不宜直接視為所有實際工作情境下的能力排名。

從寫程式到開發完整遊戲

月之暗面希望新模型能處理修復既有程式碼庫問題、從零開發軟體等任務，並展示使用Unreal Engine、Unity與Godot等引擎製作遊戲，以及生成網頁、Three.js互動場景與3D素材的案例。

其中，模型在Unreal Engine 5.8中打造雲海上的東方神話天宮，柱廊透過Blender程式化建模，原始模型包含3600萬個三角形，並使用Nanite與Lumen渲染。

另一款以Godot開發的3D動作冒險遊戲，包含五個探索區域、程式化生成的地形與村莊、第三人稱戰鬥、兩階段頭目戰，以及晝夜循環與快速傳送功能。模型也製作了瀏覽器版3D機械手臂展示頁面，包含2317個零件、268條動態線路，支援分解視圖與剖面展示。

在人體行走模擬案例中，模型經167項任務與420次獨立評審持續調整控制器，最終讓模擬人體連續行走11.2秒。當調整獎勵機制仍無法改善手臂動作時，模型進一步檢查模擬器，修正肩部肌肉力臂計算中的36處錯誤，再重新訓練控制器。

這些展示凸顯模型參與專案規劃、工具操作、偵錯與反覆修正的能力，但不代表所有同類任務都能穩定重現相同成果。

3D建模升級 可直接操作專業工具

3D創作與空間推理也是此次升級重點。月之暗面表示，新模型擅長機械零件、建築、可調整多項參數的產品及客製化家具等參數化建模任務。

在BenchCAD評測中，Kimi K3.1 Pro借助工具取得92.7%，接近Claude Opus 5.5的96.2%及GPT-6 Astra的95.9%。這項測試要求模型根據多視角渲染圖生成CAD程式碼，重建物體的形狀、比例與空間結構。

據公司說法，模型可依文字、草圖或參考圖片推斷物體結構，直接撰寫及執行Blender、CAD等工具的腳本，完成幾何調整、材質修改與場景配置，無須依賴MCP連接器。

展示案例包括機場室內雨林、含2100個實體的渦輪扇發動機模型，以及可直接3D列印的檯燈。官網與App也推出3D Make功能，支援線上預覽、編輯及下載模型，或匯出影片與動態照片。

強化金融研究 事實錯誤率下降

金融方面，Kimi K3.1 Pro著重財務建模、投資分析與產業研究的完整工作流程。在OfficeQA Pro v2測試中，新模型取得64.4分，月之暗面稱其達到目前最佳水準。該測試以真實金融文件為基礎，涵蓋資訊檢索、跨文件核對及多步驟數值推理。

公司內部測試顯示，新模型的財務建模表現較K3提升14%，金融研究提升20%，商業營運得分則約為前代的4.2倍。

應用案例包括建立輝達（NVIDIA）財務模型，支援營運假設調整、公式連動及敏感度分析；製作寧德時代投資委員會報告，比較市場共識與公司實際表現，整理後續潛在催化因素；以及產出數據與引用可追溯至一手來源的量子運算產業報告。

在內部Kimi Hallu Bench Hard測試中，單一事實陳述錯誤率由23.4%降至8.3%，至少含一處事實錯誤的回答比例，也降至前代的約42.4%。公司強調，測試刻意選取容易出錯的高難度情境，不代表日常使用的整體錯誤率，金融應用中的關鍵數字、假設與來源仍須核驗。

11月4日前開放權重 部署授權待公布

月之暗面採取服務先上線、權重隨後開放的安排，完整權重預計於11月4日前發布，讓開發者有機會自行部署、研究及調整模型，實際使用範圍仍須依最終授權條款確認。

公司也推出Kimi Hosted Agents託管AI代理服務，提供雲端執行環境，支援長時間任務及多代理協作，降低自行建置與維護的成本。

針對開放權重的安全風險，月之暗面表示，已在中期訓練與強化學習階段識別並移除網路攻防相關資料，以限制漏洞研究能力。內部測試顯示，相關處理使模型得分由90.5%降至81.0%，但公司也指出，更強的通用程式設計與長時間偵錯能力，仍可能延伸至網路安全任務。