基于 3T 级开源权重架构与百万 token 上下文的模型，经强化后训练提升长程智能体与专业任务表现
月之暗面发布 Kimi K3.1 系列，其中 K3.1 Pro 高速版已上线 Amazon Bedrock。该模型基于 3T 级开源权重架构与 100 万 token 上下文窗口，通过大幅增加后训练算力，重点强化长程智能体任务、减少事实性错误，并提升金融建模、办公文档及游戏引擎、3D 场景与 CAD 脚本等专业编码能力。高速版输出速度达 K3.1 Pro 的 2 至 3 倍，且复用 K3 的端点与 API，开发者仅需修改模型 ID 即可切换。
谷歌首次公开 Android Bench 上 Kimi K3.1 Pro 与 DeepSeek V4.1 Flash 的实测成绩，前者以 24.0% 通过率超过 Claude 与 Gemini 系列，后者以 9.9 美元单次成本展现显著性价比。该基准聚焦真实 Android 工程任务，为开发者选型提供了可量化的长程智能体能力参照。
清华大学与月之暗面联合发布 TCSExam 基准，包含 100 项专家评审任务，覆盖 Lean 定理证明、求解器工程、破纪录构造与 30 个开放猜想四大方向，所有提交均由 Lean 内核或任务检查器验证。结果显示，GPT-6 Astra 在无提示引理条件下完整证明率达 70.0%，Kimi K3.1 Pro 为 38.3%，其余 6 个智能体最高仅 11.7%；但在 30 个理论计算机科学开放猜想上，同一模型全部失败，少数被接受的提交也只是改编了 OpenAI 已公开的反例与证明。