11月5日消息，按照此前在10月24日发布时许下的承诺，月之暗面（Moonshot AI）今日正式在 Hugging Face 平台全面开放了Kimi K3.1Pro的模型权重。随着此次权重的正式开源，该模型在由 Arena 运营的智能体排行榜 Agent Arena 中表现亮眼，一举夺得开放权重模型的第一名，在全部参评模型中位列第13位，并在工作、编程与聊天三大核心类别中均稳居开放模型首位。
基于真实长周期会话的严苛评测
与传统的成对盲测不同，Agent Arena 拥有独特的评测方式。它并不依赖用户对两个回答进行投票，而是深入挖掘真实用户的智能体会话，自动提取多项关键信号，包括用户对任务的明确确认、赞扬与投诉、纠正指令以及 Shell 命令执行错误等。在此基础上，排行榜通过名为“因果追踪”的随机化推断方法，科学估算各模型相对于平均水平的净改进率。
此次 Kimi K3.1Pro 的亮眼排名，建立在全球用户超过1.75万次真实长周期智能体任务会话的基础之上。其综合净改进率达到 +5.1%，相比上一代 K3（Max）的 +0.9% 实现了4.2个百分点的显著提升。
从具体的细分指标来看，各项核心能力均迎来了全方位进化:
Bash Reliability（Shell 命令执行可靠性）: 从上一代的-4.5%(排名第13)大幅飙升至 +7.9%，在所有开放模型中跃居第一。
Praise vs Complaint（用户满意度指标）: 从 +1.3% 稳步提升至 +7.7%。
Steerability（方向调整与纠偏能力）: 达到 +6.5%，同样高居开放模型首位。
Confirmed Success（任务完成确认度）: 达到 +3.9%，在开放模型中排名第四。
架构创新与极致的参数设计
在技术架构上，Kimi K3.1Pro 采用了混合专家（MoE）架构，总参数量高达2.8万亿，在单次推理时大约激活1040亿参数，并支持约100万 Token 的超长上下文窗口。
相较于前代 K3，K3.1Pro 历经了大规模联合强化学习后训练的洗礼，覆盖了数百个下游应用领域。同时，它创新性地将部分全注意力层替换为了门控稀疏注意力层，从而在保持强悍表现的同时，有效降低了长上下文建模的计算开销。
端侧部署现实与终端智能体基准
尽管模型权重已经顺利在开源社区上线，但“可下载”与“可本地运行”之间依然横亘着现实的硬件门槛。以 BF16精度存储的2.8万亿参数权重文件体量约为5.6TB，即便使用 INT4量化，也依然需要大约1.4TB 的显存空间，这意味着单机消费级显卡基本上不具备本地部署的可能性。
在权威的终端智能体基准测试 Terminal-Bench4.0上，K3.1Pro 取得了65.7% 的得分。这一成绩不仅超越了 GPT-6Astra 的58.2%，与 Claude Opus5.5的66.4% 相比也仅相差不到1个百分点。随着此次权重的全面开源，月之暗面正通过持续的技术共享，为全球开源大模型生态注入全新的活力。
