Kimi K3.1 Pro 與 0.7 分的差距：在 11 月 4 日權重落地前讀懂發布資料表

關鍵要點

• Kimi K3.1 Pro 在 Terminal-Bench 4.0 上得 65.7%——比供應商在同一 harness 上為 Claude Opus 5.5 測得的 66.4% 低 0.7 分，比 58.2% 的 GPT-6 Astra 高 7.5 分（Moonshot 發布文章）。
• 聲明級幻覺率從 K3 的 23.4% 降至 K3.1 Pro 的 8.3%——低於 Opus 5.5 的 15.0%——且壓力測試的警示標記印在同一段落（發布文章）。
• API 定價已在平台自有頁面完成核驗：每 MTok $2.00/$10.00，快取輸入 $0.20——公布的 90% 快取折扣——快取寫入按 TTL 另行計費，$2.00（5 分鐘）或 $4.00（1 小時）（Kimi API 定價）。
• Moonshot 在開放權重發布之前，從兩個訓練階段——mid-training 語料與 RL 環境混合——都移除了網路攻擊資料（發布文章，資安一節）。
• 完整權重經供應商確認將於 11 月 4 日交付；在此之前 Artificial Analysis 仍將該模型標記為專有（2.8 兆參數），權重授權條款尚未命名（Artificial Analysis 模型頁）。

同一條發布頁上的兩個數字決定了本篇分析的大部分：65.7 與 66.4。Kimi K3.1 Pro 是 Moonshot K3.1 系列的首個模型，被公司稱為「迄今最強的 3T 級開放權重模型」，擁有 100 萬 token 上下文視窗——它在 Terminal-Bench 4.0 上得 65.7%，同一張表還印出 Claude Opus 5.5 的 66.4%（由 Moonshot 在自家 harness 上測得）與 GPT-6 Astra 的 58.2%（發布文章）。這次發布以自己險敗的那一行開篇。該表還印出聲明級幻覺率從 K3 的 23.4% 降至 K3.1 Pro 的 8.3%、一張逐行核對無誤的定價頁，以及 11 月 4 日的完整權重日期。本文以買方的方式閱讀這次發布：表已確定什麼——能力等級、價格、工作負載匹配——哪些只能由權重回答——授權條款、校準、複現——以及 11 月 4 日當天要執行的五查審計，採用權重日方法，把該審計延伸到一次「表先於權重」到來的發布。

它為自己印下的比較基準

Terminal-Bench 4.0 的三行就是揭露本身。 K3.1 Pro 65.7，Claude Opus 5.5 66.4——由 Moonshot 在自家 harness 上測量，表的腳註將 Opus 的得分歸源到 Anthropic 系統卡以說明比較基準來源——GPT-6 Astra 58.2。0.7 分的差距落在任何合理的雜訊範圍內，這正是重點：沒有買方應因這樣的差距更換技術堆疊，但這張表消除了假裝模型領先 Anthropic 旗艦的誘惑。這項區分在採購語境中很重要。領先 OpenAI 旗艦 7.5 分是一欄真實的能力資料；宣稱與 Anthropic 前沿打平或超越則是獨立指數會當場反駁的捏造——Artificial Analysis 的綜合指數把 K3.1 Pro 排在 Intelligence Index 55，215 個模型中的第 4 名，處於與專有頭部相同的前沿群集內。供應商自己的腳註把比較基準追溯到一手來源——Astra 引 OpenAI 頁面，Opus 5.5 引 Anthropic 系統卡——這張表的出處可查證，而不是口頭斷言。

帶工具的得分印了兩次，差距本身就是教訓。 在 BenchCAD（透過 CAD 程式碼生成測試 3D 重建）上，K3.1 Pro 帶工具得 92.7，接近 Opus 5.5 的 96.2 與 GPT-6 Astra 的 95.9——不帶工具為 72.8，對照 Opus 5.5 的 73.0（發布文章）。公布的得分中有 19 分依賴工具 harness。幻覺測評上同樣如此：帶工具 8.3%，不帶工具 5.4%。知道自家 serving 堆疊給所有呼叫掛工具的團隊應讀帶工具欄；評估模型獨立行為的團隊應讀另一欄。把兩欄都印出來，正是讓選擇變得可讀的揭露。

獨立一欄為工作量定價，而且不便宜。 Artificial Analysis 的綜合行——測於 Kimi 的 API——補上了能力表省略的副作用：Intelligence Index 每任務 $2.11，輸出速度 57.5 token/秒，對照 82.3 的中位數，以及 150M 輸出 token 的冗長度（對照 87M 中位數）。冗長度就是帳單——Sonnet 5.5 的省力經濟學分析早已孤立出同一個機制：用更多 token 思考的代理，思考成本更高。對常開工作負載，較慢的輸出速度是互動延遲稅；3.07s 的 time-to-first-token 優於 3.90s 的中位數，略有緩解。Moonshot 對這筆稅的答案是第二個檔位：K3.1 Pro Highspeed 提供 2–3× 於 K3.1 Pro 的速度，同一互動類別，在定價頁標價 $4.00/$20.00 每 MTok。

幻覺減半，並標記為壓力測試

先給誠實的數字，再給誠實的標記。 在 Kimi Hallucination Benchmark Hard 資料集上——由事實查核代理對刻意編入易錯點、去識別化的實用提示評估聲明級幻覺率——K3.1 Pro 的比率從 K3 的 23.4% 降至 8.3%，而包含至少一處事實錯誤的回應占比降到前代的 42.4%（發布文章）。帶工具欄上，K3.1 Pro 的 8.3% 低於 Opus 5.5 的 15.0%，遠低於 GLM-5.3 的 22.6% 與 DeepSeek-V4.1-Flash-1017 的 23.3%，只有 GPT-6 Astra 的 5.5% 在前。而發布文章在同一節自帶警示：該評測是對事實準確性的壓力測試，樣例刻意探測模型易錯情境，報告的比率「不代表日常使用中的整體錯誤率」。不帶這條標記引用 8.3% 的買方，是在錯誤轉述供應商。

面向文件密集型工作的營運解讀依然強勁。 OfficeQA Pro v2——經檢索、跨文件核驗與多步數值推理完成的財會文件分析——為 K3.1 Pro 報出聲明性的業界最佳 64.4，供應商內部財務基準相對 K3 在財務建模上提升 7.2 分、財務研究上提升 11.6 分，長週期業務營運達 4.2× 倍數（發布文章）。對一個報價對帳或發票審計代理而言，在壓力測評上把聲明級錯誤率減半、同時印出警示，區分的正是「每次開放式檢索都需要驗證層」與「只在對抗性提示下才需要驗證層」的兩種模型。常開代理經濟學接著為其餘部分定價。

定價頁面承諾了什麼

成本模型需要的每一個數字都在平台自有定價頁上，本週已核對。 kimi-k3.1-pro 按每 MTok $2.00 入 / $10.00 出計費，快取輸入 $0.20；Highspeed 檔把兩個牌價加倍，維持同一 $0.20 快取價；K3 系全部模型配 1,048,576 token 上下文視窗（Kimi API 定價）。計費為按量即付、不按上下文長度分檔，而且——改變算術的那一行——快取寫入按 TTL 單獨計費：5 分鐘檔每 MTok $2.00，1 小時檔每 MTok $4.00。API 對重複的請求前綴自動啟用 context caching，預設 5 分鐘 TTL。一次 1 小時快取寫恰好是輸入價格的兩倍；一次 5 分鐘寫與輸入同價。長生命週期代理工作階段應買便宜檔並重算，而不是假設只有一個快取成本。

快取價是排在 flash 檔旁的第三行公開資料——但處於不同規模等級。 MiniMax M3.1 Flash 把快取輸入掛在每 MTok $0.015（發布日解讀），DeepSeek 的 1017 快照在其觀測快取命中率下折算約合 $0.017 的有效輸入（$0.017 代理）。Kimi 的 $0.20 絕對值高出十倍——而且這是旗艦規模的一行（Artificial Analysis 統計 2.8T 總參數），不是 flash 檔產品，公開折扣為 90%。中型買方應執行的比較是按自己工作負載命中率算每任務成本，而不是逐 token 牌價。

這張表還帶著遷移時鐘。 K2 系列模型於 2026 年 10 月 31 日對新使用者關閉，平台計畫在 12 月底前全部退役（定價公告）——平台上的每個 K2 部署都繼承了一場帶截止日期的 K3.1 遷移。還有一個成本槓桿寫在平台文件裡：推理努力按請求設定為 low、high 或 max（預設 max），thinking 無法被完全關閉——努力，而非開關，才是按任務的成本控制（K3.1 Pro quickstart）。

你已經能讀懂的發布閘口

網路攻擊資料的移除寫明了機制，不只是口號。 Moonshot 觀察到隨 post-training 擴大，漏洞研究能力同步上升，追蹤到 mid-training 通用語料中嵌入的網路內容與 RL 環境混合中的網路任務，並在初步實驗中發現「若在 mid-training 或 RL 任一階段不做資料移除，下游網路能力將大幅上升」。為開放權重發布，公司在保留通用編碼任務的同時，從兩個訓練階段移除了資安相關資料（發布文章，資安一節）。這與 GLM-5.3 分階段發布——安全暫停之後放出權重（分階段發布先例）——是同一閘口模式，但有一個結構性差異：K3.1 Pro 在發布當天就印出完整細節表並定下權重日期，中間沒有分階段暫停。

十月的開放權重發布現已構成三種可讀的 playbook。MiniMax 在 API 發布四天後放出權重，並讓授權條款檔案承載購買條件——一條 $20M 收入線加署名。GLM-5.3 把發布閘在安全暫停之後。Kimi K3.1 Pro 則以「表先行」方式發布，安全閘提前施加、權重定於 11 月 4 日。變化的不是能力宣告，而是哪些成品先落地——買方的稽核必須跟著成品走。

到 11 月 4 日仍未解的事——以及要執行的審計

該表回答了能力、價格與負載匹配。它無法回答四件事，而五查權重日方法會以涵蓋 MiniMax 的同一方式涵蓋它們：

1. 授權條款尚未命名。 MiniMax 的權重日把收入門檻與署名要求寫進了商業自架；K3.1 Pro 的條款仍是 11 月 4 日最大的未決項，任何自架計畫都不應在讀完授權條款檔案之前定價。
2. 不存在獨立校準欄。 Artificial Analysis 的綜合指數度量能力（指數 55 時每任務 $2.11），而非「自信地錯」的失敗模式——即揭露 MiniMax flash 檔 92.8% 錯誤屬自信錯誤的 AA-Omniscience 級欄（權重日審計）。在缺驗證層的開放式事實檢索上，那一欄是這張表永遠無法為自己印下的。
3. 第三方 harness 下的複現。 該綜合指數已把 Terminal-Bench 4.0 作為十項評測之一執行；權重落地後，社群 harness 讀數若非重現表上的 65.7，就是逼出一條 harness 腳註——MiniMax 的表格曾邀請過同場對帳。
4. 卡片級參數與 serving 配方。「3T 級」的說法與 Artificial Analysis 的 2.8T 統計，都需要模型卡自己的聲明；vLLM 與 SGLang 類堆疊的 serving 配方，才是把一次下載變成可部署物的關鍵。

Artificial Analysis 仍把 K3.1 Pro 標為專有——一個將被 11 月 4 日交付取代的狀態，也是買方在任何權重事件後數日內都應預期的表面滯後。

這張一分鐘圖表分離已定與未定：

兩個面板正是這張表畫出的分界：琥珀色一側是 10 月 23 日已用可查證數字確定的內容，紫色一側是只有 11 月 4 日權重才能回答的問題，珊瑚色條帶是彌合差距的事件。

相關閱讀

• 授權條款中的 2000 萬美元界線：權重日稽核 MiniMax M3.1 Flash —— 本篇「表先行」解讀所延伸的姊妹稽核：五查方法，運行在權重先於表的發布上
• 推論經濟學：為什麼常開生產代理現在變得可負擔 —— 把 Kimi 公布的快取檔位變成工作負載決策的每任務成本框架
• $0.017 代理：DeepSeek 1017 快照在不降價的情況下削減任務成本 —— 與 Kimi $0.20 並列的另一條快取經濟行：決定代理有效成本的是命中率，而非價目表

一個代表性建置

一家 400 人的 B2B 軟體公司運行著一支程式碼審查與文件稽核代理艦隊——上週在其自有 MCP 前端的程式碼庫與 ERP 整合上執行了約 12,000 項代理任務，並在混合模型池上計費。這份發布表本週移動了兩個工作負載：Terminal-Bench 4.0 代理基準指向 K3.1 Pro（帶工具 65.7 檔）的長週期編碼任務，其反覆前綴流量恰好匹配 $0.20 快取輸入價與預設 5 分鐘快取 TTL；以及同樣指向 K3.1 Pro 的財務文件稽核執行（OfficeQA 類工作代理路徑），在團隊完成自己的 token 成本複核後，把推理努力固定在 high 而非預設 max。經過算術核算後，1 小時快取寫檔被否決——輸入價格的兩倍，其工作階段重算比持有更便宜。11 月 4 日，平台團隊在任何自架計畫之前執行五查稽核：先讀授權條款檔案，然後參數、格式與配方、對照供應商表的 harness 差異、以及校準——即便 serving 繼續運行在供應商 API 上，也維持已固定的 checkpoint。

申請限定範圍建置。 一週發現期。您將得到系統盤點、工作流程地圖與固定範圍——無論是否與我們建置。