Moonshot 发布推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数上得 55 分，位列第四，比 Kimi K3 的最高分 44 提高 11 分。它在智能体任务上进步最大：GDPval-AA 得 1,846 Elo，比 Kimi K3 高 312 Elo，并在 Terminal-Bench 4.0 上取得所有模型中的最高分。其权重尚未公布，Moonshot 预计在发布后不久放出；届时它将成为得分最高的开源权重模型，开源与专有模型在该指数上的差距将从 12 分缩小到 3 分。
进步集中在智能体任务上，Kimi K3.1 Pro 在 GDPval-AA 上以 1,846 Elo 排第三，并在 Terminal-Bench 4.0 上取得所有模型中的最高分。 Kimi K3 的 GDPval-AA 成绩比它低 312 Elo；Terminal-Bench 4.0 上 Kimi K3 为 13%，Kimi K3.1 Pro 为 67%。 GDPval-AA 上它仅落后 Claude Opus 5.5（1,866 Elo）和 Muse Wonder Full（1,857 Elo）；Terminal-Bench 4.0 上它领先 Claude Sonnet 5.5（64%）；测试智能体 SaaS 工作流的 AutomationBench-AA 从 58% 升到 73%。
其他评测的涨幅较温和，Humanity's Last Exam 从 47% 升到 52%，CritPt 从 23% 升到 25%，SciCode 从 59% 升到 61%。 这些项目相对 Kimi K3 只有几个百分点的提升。 AA-Omniscience 指数从 20 升到 30，其中幻觉率从 53% 降到 44%，准确率从 48% 升到 51%。
每个任务的成本与 Kimi K3 大致持平，为每任务 1.98 美元。 Kimi K3.1 Pro 每个智能指数任务用 55K 输出 token，比 Kimi K3 的 48K 多 14%，但其第一方 token 价格低 33%。 输入、输出、缓存命中三项价格分别为每百万 token 2 美元、10 美元、0.20 美元，三项均比 Kimi K3 低 33%。
报道范围限于 Artificial Analysis 智能指数及 GDPval-AA、Terminal-Bench 4.0、AutomationBench-AA、Humanity's Last Exam、CritPt、SciCode、AA-Omniscience 等具名评测上的成绩，以及 1M token 上下文、2.8T 总参数与 104B 激活参数、文本与图像输入和定价信息；权重尚未公布，Moonshot 预计在发布后不久放出。
权重尚未公布，开源权重模型的定位以 Moonshot 预计在发布后不久放出为前提；各评测分数为发布时公布的数值，其他评测的提升幅度明显小于智能体类评测。
