moonshotai/Kimi-K3.1-Pro · Hugging Face
BestBlog编程类文章 · 软件开发
📌 One-Sentence Summary 本文介绍了 Kimi K3.1 Pro，这是一款拥有 2.8T 参数和 1-million-token 上下文窗口的开放权重多模态智能体模型，并展示了其在编程、智能体任务、推理和网络安全基准测试中的出色表现。 📝 Summary 本文介绍了 Moonshot AI 能力最强的 3T 级模型 Kimi K3.1 Pro，该模型开放权重并原生支持多模态。它基于 Kimi K3 构建，通过在数百个领域开展大规模联合强化学习进行训练，采用混合专家架构，总参数量为 2.8T（激活参数为 104B），上下文窗口为 1-million-token。模型使用 KDA 和 Gated DeepSeek Sparse Attention 机制、MoonViT-V2 视觉编码器，以及 MXFP4/MXFP8 量化。评测结果显示，该模型在多个基准测试类别中表现出色：在编程方面，Terminal-Bench 4.0 得分为 65.7，BenchCAD w/o tools 得分为 72.8，BenchCAD w/ tools 得分为 92.7；在智能体任务方面，BrowseComp 得分为 92.1，BabyVision w/ python 得分为 95.4，OSWorld V2.1 得分为 79.6；在推理与知识方面，GPQA-Diamond 得分为 94.2，CharXiv (RQ) 得分为 89.0；在网络安全方面，ExploitBench 得分为 100，xdev-bench-hard 得分为 81.0。 💡 Main Points Kimi K3.1 Pro 是一款开放权重、原生多模态的智能体模型，拥有 2.8T 参数和 1-million-token 上下文窗口 该模型是 Moonshot AI 能力最强的 3T 级产品，通过在数百个下游领域开展大规模联合强化学习构建，采用混合专家架构，包含 896 个专家，每个 token 会选用其中 16 个。 该模型在编程、智能体任务、推理和网络安全等多个基准测试类别中达到最先进水平 在编程基准测试中，它的表现优于 Claude、GPT 和 DeepSeek 等竞争模型；在智能体任务中，它在 BrowseComp 上得分 92.1，在 BabyVision 上得分 95.4；在网络安全方面，它在 ExploitBench 上得分 100，展现了广泛的跨领域能力。 先进的架构创新助力模型高效处理长上下文并理解多模态内容 该模型采用 KDA（键值压缩注意力）和 Gated DeepSeek Sparse Attention，以高效处理长上下文；使用 MoonViT-V2 视觉编码器处理多模态输入；并通过 MXFP4/MXFP8 量化感知训练优化推理。 💬 Key Quotes Kimi K3.1 Pro 是一款开放权重、原生多模态的智能体模型，也是我们迄今能力最强的 3T 级模型。 凭借 1-million-token 上下文窗口，Kimi K3.1 Pro 在编程、3D 创作、金融研究、事实准确性及其他智能体能力方面均有显著提升。 架构：混合专家（MoE） 总参数量：2.8T 激活参数量：104B 上下文长度：1048576 Kimi K3.1 Pro 使用 Claude Code 测试框架进行评测。 其余所有分数均为模型博客文章或 Terminal-Bench 官方排行榜公布的最高值。 📊 Article Meta AI Screening： 88 Source： Hacker News Author： Hacker News Category： 人工智能 Language： 英文 Read Time： 9 min Word Count： 2127 Tags： AI 与智能应用 , 多模态 AI , 长上下文 , AI 编程 , 混合专家模型 Read Full Article