Kimi K3.1 Pro 发布 智能指数第四 将成最强开源模型
Moonshot AI 发布新推理模型 Kimi K3.1 Pro，在 Artificial Analysis 智能指数中得分为 55，位列全球第四。该模型在智能体任务性能上显著提升，一旦权重公开，将成为得分最高的开源权重模型，大幅缩小与顶级闭源模型的差距。
报道正文
本文目录5 个章节
2026 年 10 月 23 日
Kimi K3.1 Pro 发布，在 Artificial Analysis 智能指数中得分 55，位列第四；其在 agentic（智能体）性能方面取得大幅提升；一旦权重发布，它将成为领先的开源权重模型
Moonshot 的新推理模型相比 Kimi K3（max，44 分）提升了 11 分。在智能指数上，它仅落后于 Claude Opus 5.5（带 fallback 的 max，58 分）、Claude Sonnet 5.5（带 fallback 的 max，56 分）和 Muse Wonder Full（max，56 分）。
一旦 K3.1 Pro 的权重发布，它将成为得分最高的开源权重模型，智能指数上领先的开源权重模型与专有模型之间的差距将从 12 分缩小至 3 分。
关键结果：➤ Agentic 性能大幅提升：Kimi K3.1 Pro 在 GDPval-AA 中以 1,846 Elo 分排名第三，较 Kimi K3 提升 312 Elo 分，仅次于 Claude Opus 5.5（1,866 Elo 分）和 Muse Wonder Full（1,857 Elo 分）。Kimi K3.1 Pro 还在 Terminal-Bench 4.0 中取得了所有模型中的最高分。K3.1 Pro 得分为 67%，高于 Kimi K3 的 13%，并领先于 Claude Sonnet 5.5（64%）。测试 agentic SaaS 工作流的 AutomationBench-AA 得分从 58% 上升至 73%。
➤ 其他评估指标的提升较为温和：Humanity's Last Exam 从 47% 上升至 52%，CritPt 从 23% 上升至 25%，SciCode 从 59% 上升至 61%。AA-Omniscience Index 从 20 上升至 30，因为幻觉率从 53% 下降至 44%，准确率从 48% 上升至 51%。
➤ 每任务成本（Cost per Task）约为 $1.98，与 Kimi K3 大致相当：K3.1 Pro 在每个智能指数任务中使用 55K 输出 token，比 Kimi K3 的 48K 多 14%，而其第一方 token 价格低 33%。
其他模型详情：➤ 上下文窗口：100 万 token。➤ 规模：总参数 2.8T，激活参数 104B ➤ 输入模态：文本和图像 ➤ 权重与许可证：权重目前尚未发布，Moonshot 预计在发布后不久开放权重 ➤ 定价：每百万输入/输出/缓存命中 token 分别为 10/$0.20，三项费率均比 Kimi K3 低 33%。
单项评测结果：
阅读最新内容
[
发布 AA-PersonalityBench：衡量 AI 模型的沟通方式
AA-PersonalityBench 用于评估 AI 模型的人格特质和沟通风格。由 LLM 评委组成的小组在 30 项人格特质上对回答进行成对比较，这些特质汇总为 8 个人格指数，同时直接从每个响应中测量 21 项沟通特征。
October 19, 2026](https://artificialanalysis.ai/articles/aa-personalitybench)[
HealthBench 和 HealthBench Professional：在真实健康对话场景中评估模型
我们推出了 HealthBench 和 HealthBench Professional 排行榜，这两个基准测试旨在评估 AI 模型在真实健康对话场景中的响应表现
October 19, 2026](https://artificialanalysis.ai/articles/healthbench-professional-health-conversations)[
Reflection 发布了其首个模型 Beam
Reflection 的首个模型 Beam 在 Artificial Analysis Intelligence Index 中获得 30 分，在美国开源权重模型中排名第 2
October 16, 2026](https://artificialanalysis.ai/articles/reflection-beam)