知识卡片：Kimi K3.1 Pro——3万亿参数、百万上下文，终端编程逼近 Claude Opus 5.5

一句话结论

月之暗面推出 3 万亿级参数模型 Kimi K3.1 Pro，支持 100 万上下文并另设约 2~3 倍速 Highspeed 版，在 Terminal-Bench 4.0 上以 65.7% 逼近 Claude Opus 5.5 的 66.4%，完整权重计划 11 月 4 日前发布，开放前移除网络攻防数据使相关得分由 90.5% 降至 81.0%。

事件概述或研究问题

本条为腾讯研究院 AI 速递（20261026）中的一条产品发布信息，核心是 Kimi K3.1 Pro 的规格、基准成绩、安全处理与 API 定价。研究/产品问题可概括为：在超大规模参数（3 万亿级）与超长上下文（100 万）条件下，开源/开放权重模型能否在终端编程等 agent 任务上接近顶级闭源模型，同时以价格与开放策略形成差异化。

方法/产品要点

• 参数与上下文：3 万亿级参数；支持 100 万上下文。
• 版本形态：除常规版外，另有约 2~3 倍速的 Highspeed 版。
• 发布节奏：完整权重计划在 11 月 4 日前发布（材料未说明具体许可证条款，待核实）。
• 安全处理：开放权重前移除网络攻防相关数据；材料称相关得分由 90.5% 压至 81.0%（该“相关得分”对应的具体评测集名称材料未给出，待核实）。
• API 定价：每百万 Token 输入 13 元、缓存 1.3 元、输出 68 元。

主要结果或产业意义

• 基准表现：Terminal-Bench 4.0 得分 65.7%，高于 GPT-6 Astra 的 58.2%，接近 Claude Opus 5.5 的 66.4%。
• 产业意义：若该成绩与开放权重节奏成立，意味着开放/半开放模型在终端编程类 agent 任务上已进入与顶级闭源模型“个位数差距”的区间；百万上下文与高速版组合，指向长任务、代码库级与交互式终端场景的产品化竞争；明确的数据移除动作则显示开放权重发布前的能力裁剪正成为常规合规步骤。

为什么重要

• 与已有卡片脉络的关系：此前卡片记录的是 Kimi K3（2.8 万亿参数、开源多模态、前端代码竞技场表现与低价 API）；本条 K3.1 Pro 是同一产品线的后续版本，增量信息在于参数规模表述升至 3 万亿级、上下文扩至 100 万、新增 Highspeed 版、并首次给出 Terminal-Bench 4.0 的横向对比与开放前的数据移除处理。二者是延续/更新关系，不是同一事实的重复。
• 对行业而言，终端编程（terminal/agentic coding）正成为衡量模型“可干活”程度的关键赛道，开放权重模型在此逼近闭源旗舰，会直接压压低端与中端 API 价格预期。

局限与不确定性

• 材料仅为速递摘要，未提供 Terminal-Bench 4.0 的评测配置、采样次数、工具调用设置等细节，成绩可比性待核实。
• “3 万亿级参数”是否为总参数、激活参数多少，材料未说明，待核实。
• “相关得分由 90.5% 压至 81.0%”所指评测集与测量方式未给出，待核实。
• 完整权重的许可证、是否可商用、是否含多模态能力，材料未提及，待核实。
• Highspeed 版的“2~3 倍速”相对基准（对比常规版还是前代）未说明，待核实。

可用于图书/PPT/简报的角度

• 开放权重 vs 闭源旗舰的差距收敛曲线：用 Terminal-Bench 4.0 的三个数字（65.7 / 66.4 / 58.2）做一张“差距只剩 0.7 个百分点”的对比图。
• “发布前裁剪”成为开放权重的新惯例：以网络攻防数据移除与 90.5%→81.0% 的变化，讨论开放与安全的权衡流程。
• 长上下文 + 高速版的产品化组合：100 万上下文与 2~3 倍速版本如何对应代码库级任务与交互式终端场景。
• 价格锚点：13/1.3/68 元每百万 Token 的输入/缓存/输出结构，可与闭源旗舰定价做并列比较（需另找闭源定价数据，待核实）。

原始材料

• 来源：腾讯研究院AI速递 20261026（搜狐转载）
• URL：https://m.sohu.com/a/1092593629_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=2
• 条目：二、Kimi推出3万亿参数K3.1 Pro，终端编程逼近Claude Opus 5.5
• 英文关键词：Kimi K3.1 Pro, Terminal-Bench 4.0, Claude Opus 5.5, GPT-6 Astra, open weights, long context, API pricing