月之暗面（Moonshot AI）在 Hugging Face 上线开源权重模型 Kimi K3.1 Pro，总参数 2.8 万亿、每 token 激活 104B，是 K3.1 系列的首款模型，也是该公司迄今能力最强的 3 万亿级模型。模型支持 100 万 token 上下文窗口，原生接受文本与图像输入，采用 MoE 混合专家架构，共 93 层，其中注意力层由 69 层 KDA 与 24 层 Gated DSA 组成，专家总数 896 个、每 token 选 16 个，视觉编码器为 MoonViT-V2（4.01 亿参数），权重以 MXFP4、激活以 MXFP8 做量化感知训练。
与上一代 Kimi K3 相比，最核心的架构变化是用 Gated DeepSeek Sparse Attention（Gated DSA） 替换了全注意力的 Gated MLA 层，目的是让百万级长上下文的建模更高效。官方称该模型由 K3 经跨数百个下游领域的大规模联合强化学习后训练而来，在编程、3D 创作、金融研究、事实准确性和智能体能力上有实质提升。
评测表显示，Kimi K3.1 Pro 在多项任务上与 Claude Fable 5.1、GPT-6 Astra、Claude Opus 5.5、DeepSeek-V4.1-Flash-1017、GLM-5.3 等模型同台比较。编程类中，Terminal-Bench 4.0 得 65.7，略低于 Claude Opus 5.5 的 66.4，高于 Claude Fable 5.1 的 57.9 和 GPT-6 Astra 的 58.2；SWE Marathon v1.1 为 51.7，领先表中其他模型；BenchCAD 无工具 72.8、有工具 92.7，与头部闭源模型接近。智能体与工具使用类中，HLE-Full w/ tools 拿到 70.0，BrowseComp 为 92.1，GDPval-AA v2.1 Elo 得分 1846，Automation Bench-AA 为 73.3，整体处于第一梯队。
多模态与文档理解方面，CharXiv（RQ）带 python 为 93.4，MMMU-Pro 带 python 为 90.0，GDP.pdf 带 python 为 85.7，ChartoGraphy 带 python 为 90.2，BabyVision 带 python 为 95.4，ZeroBench_main 带 python（pass@5）为 63.0。推理知识类中，GPQA-Diamond 达 94.2，HLE-Full 为 51.1，HLE-Diamond 为 39.4，均处于可比区间但并非全面领先。内部基准上，Kimi Hallu Bench Hard 带工具为 8.3（越低越好），Kimi Code Bench 2.0 为 77.1，长程版本为 61.2。
值得注意的短板同样存在：Program Bench 仅 31.5，明显低于 Claude Fable 5.1 的 53.5 与 Claude Opus 5.5 的 65.0；网络安全类 ExploitBench 为 74.7、ExploitGym 为 20.7，与 GPT-6 Astra 的 100 和 42.4 差距较大；Design Bench 内部 Elo 为 957，也低于 GPT-6 Astra 的 1076。这说明该模型的能力分布并不均衡，在通用编程与安全攻防等方向仍有明显提升空间。
从产业视角看，Kimi K3.1 Pro 把开源权重的参数规模推到 3 万亿级，同时以稀疏注意力和量化感知训练控制长上下文与推理成本，这对希望自建或私有化部署智能体能力的企业是重要选项，也会给闭源旗舰模型的 API 定价带来压力。评测中与 Claude、GPT 系列互有胜负的格局，意味着开源与闭源的能力差距在进一步收窄，但榜单由厂商自建评测口径、部分对比分数来自第三方博客或官方排行榜，横向比较时仍需留意评测条件差异。对算力产业链而言，超大参数模型的开源会抬升高端推理芯片与长上下文内存带宽的需求，而激活参数仅 104B 的设计则试图在能力与推理成本之间取得平衡。