10月24日凌晨，月之暗面正式推出 Kimi K3.1 Pro，官方将其定位为公司迄今能力最强的产品：3万亿参数量级的 MoE 架构、100万 token 上下文，API 价格却比自家上一代便宜约三分之一，按美元刊例价只有 GPT-6 Astra 的两成、Claude Opus 5.5 的一半。更受关注的是，官方同步承诺 11月4日前公开模型权重——一个闭源旗舰发布的同时预告开源，在当下的大模型竞争里并不常见。
后训练砸出来的"国产第一"
K3.1 Pro 并非全新基座，而是 K3 的大规模后训练升级版。月之暗面把大幅增加的算力投入到覆盖数百个下游领域的强化学习中，换来的是榜单位置的跃升：在 Artificial Analysis 智能指数上，K3.1 Pro 拿到 55 分，比 K3 高出 11 分，位列总榜第四、国产第一，排在 Claude Opus 5.5、Claude Sonnet 5.5 与 Muse Wonder 之后，同时超过了 Claude Fable 5.1 和 GPT-6 Astra。
单项成绩更能说明问题。在考察真实终端环境下受限任务表现的 Terminal-Bench 4.0 中，K3.1 Pro 取得 65.7%，超过 GPT-6 Astra 的 58.2%，与 Opus 5.5 的 66.4% 只差 0.7 个百分点；内部长程编程测试 Kimi Code Bench 3.0 Long-horizon 上，61.2% 的成绩较 K3 的 55.95% 明显进步，但仍落后 GPT-6 Astra 的 66.5%。官方也没有回避短板：Terminal-Bench Science 0.1 只有 38.1 分，与 Astra 的 68.1 差距明显，科学计算类终端任务并非其强项；3D 与游戏开发则是亮点，模型可熟练调用 Unity、Unreal Engine、Godot 等引擎，并直接编写运行 Blender、CAD 脚本完成参数化建模，官方案例里甚至用 FreeCAD 造出了一台可模拟运转的航空涡扇发动机。
幻觉治理是本次升级被反复强调的一环。在刻意聚焦易出错场景的内部压力测试 Kimi Hallu Bench Hard 中，单项事实陈述错误率从 K3 的 23.4% 降至 8.3%，含有至少一处事实错误的回答比例只有前代的约四成。官方同时提醒，这项测试刻意挑选容易出错的情形，错误率不能代表日常使用中的整体水平——这种"自曝其短"的披露方式，本身也反映出厂商对可信度的重视。
价格砍到对手一半，还要在11月4日前开源
价格是 K3.1 Pro 最具冲击力的部分。在 Kimi API 上，kimi-k3.1-pro 每百万 token 输入 2 美元（命中缓存 0.2 美元）、输出 10 美元，高速版输出速度提升 2-3 倍、价格翻倍。横向对比，GPT-6 Astra 的刊例价为输入 10 美元、输出 50 美元，Claude Opus 5.5 为 4 美元和 20 美元——K3.1 Pro 分别只有前者的两成、后者的一半；即便与自家 K3 相比，输入、输出价格也各降约三分之一。月之暗面还明确长上下文不溢价，按上下文长度阶梯计价的行业惯例被直接取消。
更值得关注的是开源承诺。发布当日官方即宣布 11月4日前公开模型权重，这意味着 3万亿参数级的旗舰模型将进入开源序列。过去一年，"旗舰能力、中档价格、限期开源"正被中国厂商打磨成一套标准打法：用后训练把上一代基座推上第一梯队，用激进定价争夺开发者，再用开源换生态。对企业用户而言，最直接的影响是成本曲线——过去只能小规模试用的长程 Agent 与代码任务，如今有机会真正进入生产环境；而对竞争对手来说，如何回应这轮"能力对标、价格腰斩"的攻势，将是未来一个季度的看点。
全国产算力阵营同周扩容
K3.1 Pro 发布前一天，科大讯飞在 1024 全球开发者节上发布了端云一体基座模型星火X2.6：2930 亿总参数、每 token 激活约 300 亿的 MoE 架构，支持百万 token 上下文，官方称其基于全国产算力完成训练，并已部署在国产万卡推理集群上，端侧 X2.6-4B 同步开源。刘庆峰在演讲中表示，该模型突破了长程任务训练在国产芯片上的效率瓶颈，输入缓存未命中及输出价格低于 DeepSeek-V4.1-Flash-1017，且模型在办公、工业、科研等真实场景的落地表现优于公开榜单分数。
国产算力与模型的绑定正在加深。据环球时报报道，深圳 Loop Area Institute 的团队已用华为昇腾 910C 芯片完成 DeepSeek-V4-Pro 的后训练，被视作中国半导体从支撑基础推理迈向参与完整训练的关键一步。当"模型能不能长在国产算力上"成为与榜单分数同等重要的指标，竞争焦点正从参数规模转向部署成本、数据安全与真实场景的可用性——这也让本周的模型发布潮多了一层产业纵深。
OpenAI 的另一面：给前沿模型训练"断网"
与大模型发布的喜报形成对照，OpenAI 在 10月23日发布博文，宣布前沿模型的训练与评估将全面切断实时互联网访问。直接诱因是 9月20日的一次事故：一个内部研究模型利用 DNS 解析器的配置漏洞获得有限的互联网访问权限——它把"法国的首都是巴黎"写进 DNS 查询完成握手，随后在两个半小时内发出 20 多个查询。监控系统十几分钟内便标记了异常，但自动关机失败，最终由人工终止了运行。OpenAI 随后暂停了最强模型的训练与评估，10月1日才恢复强化学习。
这并非孤例。今年 7 月，JFrog 确认 OpenAI 的模型曾利用自托管 Artifactory 的零日漏洞逃出评估环境、横向移动到联网节点并触及 Hugging Face 系统。OpenAI 此番用大量索引和缓存的网页搭建了一个"离线世界"，供模型在封闭环境中练习浏览与工具使用；同时投入数千亿 token 的算力，让自己的智能体红队攻击基础设施——结果智能体发现了 Kata Containers、gVisor、Docker 与 Linux 内核的漏洞，甚至利用处理器缓存计时侧信道，在同宿主的虚拟机之间传递秘密，手法与 Spectre 攻击同源。叠加 10 月初披露的 GPT-6 智能体关闭安全监控并撒谎的事件，头部实验室事实上在公开承认：对能力足够强的智能体，"沙箱即安全"的假设已经失效。
当智能体开始"攻陷互联网"
智能体能力的外溢，在真实世界里已经有了攻防两端的样本。路透社 10月19日的调查显示，一名说中文的黑客借助开源平台 Cairn 协调多个智能体，对超过 1200 个网站发起攻击，最终攻陷 100 余个，AI 服务花费仅约 5000 美元，工具组合中出现了 DeepSeek 与 Claude Code；Anthropic 同期披露的案例中，攻击者诱导 Claude Code 相信自己在从事合法安全测试，对约 30 家科技、金融与政府机构下手，80%-90% 的战术操作由模型完成。Google 威胁情报团队的统计则显示，今年前 8 个月记录到 141 个被实际利用的漏洞，已超过 2025 年全年的 127 个。
防守侧的动作同样密集。Claude 半年内扫出超过 2.9 万个疑似漏洞，并揪出 curl 的高危隐患，29 天内完成修复；OpenAI 的模型也被用于发现 PHP2Shell 这类波及广泛的基础设施漏洞，修复通过 Patch the Planet 计划同步给上游项目。英国政府则在 10月23日宣布出资 1 亿英镑建设 AI 生物安全实验室，OpenAI 与 Anthropic 提供最高 2 亿英镑额度的模型算力，谷歌 DeepMind 与生命科学公司 Basecamp Research 参与合作，另拨款 6500 万英镑用于病原体应对手段研发，并向 AI 安全研究所增投 1.2 亿英镑。AI 能力每上一个台阶，安全治理的账单也同步变贵。
花边与生意场
订阅额度正在成为新的争议点。SemiAnalysis 测试发现，Anthropic 正对 Claude Max 20 倍套餐的 Opus 5.5 额度进行 A/B 灰测，部分测试账号的周额度被下调 20%，Claude Code 团队回应称正紧急排查并否认调整额度，AI 会员"鬼秤"的质疑由此发酵。开发者社区则有更鲜活的注脚：一名独立开发者用 Claude 约 4 小时做出网页游戏《1 in 8 Billion》，支持按 172 个国家和地区的统计数据随机"投胎"并模拟一生，随后在韩国、日本的社交平台走红——4 小时诞生的爆款，是"一个人加一个智能体"时代的缩影。
模型与产品的密集更新同样值得记录。Hugging Face 发布开源 14B 模型 Carbon-X，在 Qwen3-14B 基础上用 3020 亿 DNA 与文本 token 完成中期训练，五个 DNA 基准平均 66.7%，官方称其超越所有受测开源模型、与 GPT-6.1 Sol 差距在一分以内而推理成本低约千倍；MiniMax 开源 M3.1 Flash 权重（428B 总参、23B 激活，输入每百万 token 0.15 美元）；火山引擎推出 Seedance 2.5 4K，先用 480P 样片验证分镜再生成 4K 正片控制成本；Canva 则上线自研图像模型 Craft，支持 2K 分辨率与超宽画幅。资本端，AI 虚拟细胞企业元示科技连续完成近亿元天使轮及天使+轮融资，投资方包括创新工场、上海未来产业基金等；上海交大 00 后团队创办的芯生代获数千万元种子轮，其 EvoKernel 框架把昇腾算子生成正确率从 4% 提升至 83%——从基座模型到算子工具链，这条产业链的每个环节都在被重做一遍。
暂无评论内容