Kimi K3.1 Pro 开放权重发布：1M 上下文，3T 级 MoE 模型

Kimi K3.1 Pro 的架构细节在发布材料中披露得比较充分。它采用混合专家（MoE）架构，包含 69 个 KDA 层和 24 个 Gated DSA 层，后者是相比 Kimi K3 的主要改动——用 DeepSeek 稀疏注意力替代了全注意力 Gated MLA 层，以提升长上下文建模效率。模型权重采用 MXFP4 量化，激活值用 MXFP8，属于量化感知训练产物。

官方给出的评测覆盖了多个方向，与 DeepSeek-V4.1-Flash-1017 等模型对比：

• 编码与终端任务：在 SWE-Marathon v1.1、ProgramBench、Terminal-Bench 4.0 等基准上均参与评测，多数场景使用 Claude Code 作为评估框架。
• 科学推理：Terminal-Bench-Science 0.1 上得分优于 DeepSeek-V4.1-Flash 的官方记录。
• 智能体能力：在 Agents' Last Exam、OfficeQA Pro、OSWorld V2.1 等涉及真实工作流和操作系统的任务中表现突出。
• 金融与法律：Frontier Finance 使用官方 Finance Agent v2 框架评估；Harvey Legal Agent 在 1251 个公开任务上以全通过率计分。
• 多模态与设计：DECK-Arena 和 Design Bench 分别评估演示生成和图形设计，自动评分器基于超过 1 万条人工判断校准。

所有评测结果均注明使用最高推理强度、温度 1.0、top-p 0.95，且内部基准和第三方基准混杂。部分基准（如 BioMysteryBench）使用 Kimi K3 作为判断模型，这一点可能影响结果的可比性。模型权重已可在 Hugging Face 上直接下载，适合需要长上下文和强工具调用能力的团队自行部署。