Kimi K3.1 Pro 發布：百萬 Token 與開放時間，完整權重仍要等到 11 月
Kimi K3.1 Pro 已在 App、Work、Code 與 API 上線，完整權重預告十一月四日前提供。本文解釋百萬 Token、程式與三維評測、內部幻覺測試，以及 Highspeed 速度宣稱的比較條件。
Kimi K3.1 Pro 已經能在線上使用，但想把完整模型搬進自己的機房，還需要等權重釋出。這是 Moonshot 在 2026 年 10 月 23 日發布新模型時，最需要分清的兩種開放。
Kimi 把新版本定位為大型程式與代理任務模型，提供百萬 Token 的資料容納範圍。Token 是模型切分輸入與計算用量的單位，Highspeed 版本則主打更快回應。選型時，速度名稱仍要回到實際工作量。
這次公告同時列出多組程式、工具與知識測試。不過，模型在終端機測試的分數接近競品，無法直接推論所有開發專案的成本與可靠度。
更容易誤讀的是幻覺改善。公司公布的錯誤下降來自內部高難度測試，不能套成所有日常財務分析的錯誤率。
需要測試大型程式庫的團隊，可以先用正式介面比較自己任務。需要離線部署或完整授權文件的人，應等待權重與具體條款一起到位。
使用入口與部署時間不同，先把這張路線圖看清楚，後面的分數才有用途。
Kimi K3.1 Pro 今天能在哪裡使用？
Kimi 官方宣布 App、Work、Code 與程式介面可用，完整權重則承諾在十一月四日前提供。因此，現在可呼叫服務，和現在能下載完整模型，是不同進度。
依 Moonshot 的發布文章，這次包含一般版本與 Pro Highspeed。API 是程式與模型服務交換資料的介面，適合把既有應用接到新版本。
Work 是面向工作流程的應用，而 Code 是程式開發入口。即使底層模型相同，不同入口能接哪些工具、可以存取哪些檔案，仍由各自產品與帳戶條件決定。
Kimi 官方要求 Work 更新到 3.1.0 以上，支援範圍包含 Windows 與 Apple Silicon。這裡的版本門檻會直接影響能否看到功能，所以只核對模型名稱還不夠。
企業工作區也有管理條件。新版本預設關閉，需要管理員啟用，因此團隊成員沒有看到選項時，應先確認工作區設定，再判斷是否為地區或方案問題。
截至 2026 年 10 月 24 日，完整模型權重仍是未來釋出承諾。權重是訓練完成後保存的核心數值，自行部署通常需要它，但有權重也不代表普通電腦就能承載。
Kimi 官方將模型稱為三兆級，實際公布總參數為二點八兆，每次處理啟用約一千零四十億。這採專家混合設計，由系統挑選部分計算分支參與工作。
總參數描述模型保存多少數值，啟用參數描述一次運算動用的部分。不能因為後者較小，就假定載入時只需要保存那一小部分，記憶體仍需依實際部署方式估算。
Kimi 這次仍採專家混合架構，接續前代做更大規模、多領域的共同強化學習。強化學習透過工作結果調整行為，讓訓練不只學習下一段文字，也朝完成任務的方向改進。
這不等於每個領域各自加一個獨立模型。共同訓練的目標是讓同一套 Kimi 能力處理程式、工具與知識工作，但其中一個領域的改善，仍要用對應任務證明，不能只從訓練方法推算。
這也讓模型開放與部署門檻分成兩道問題。先等完整檔案與授權落地，再確認設備、推論軟體與服務需求，才能知道自行部署是否符合成本。
能連上模型之後，接下來要確認的是它到底為哪一種工作改進。
百萬 Token 對完整專案有什麼幫助？
較大的上下文讓一次工作能帶入更多程式與資料，但讀得進去不等於每個細節都能用對。不同文字與程式切分方式不同，因此 Token 不能固定換算成同樣數量的中文字。
完整專案的難處通常不是只讀一個檔案。修改功能可能同時牽動介面、資料結構與測試，因此較大的資料容納範圍，有機會減少分段交代造成的資訊落差。
然而上下文裡放入更多內容，也會帶入無關程式與過期說明。模型仍要找出與任務相干的部分，所以容量增加不能替代檔案選擇、規則設定與測試。
Kimi 本次強調遊戲開發與三維工具，包括 Unreal、Unity、Godot、Blender 和 CAD。這些名稱說明官方想服務的工作類型，並沒有表示任何版本的所有功能都能自動操作。
以參數化建模為例，模型可以透過程式改變物件尺寸與結構，但生成指令和產出符合需求的幾何仍是兩個步驟。實際成品需要打開工具檢查才能確認。
遊戲專案也一樣。程式能成功執行，只證明通過部分技術條件；玩法、效能、素材權利與不同裝置顯示，還需要各自驗收，不能由模型名稱代替。
Kimi 另列出多模態能力，也就是可處理文字以外的輸入。對開發流程的意義，是有機會把畫面和文字要求一起帶入，但不代表任何形式的影片或檔案都沒有條件限制。
如果團隊已經有固定專案，可以保存同一個起始版本，讓新舊模型完成同一項修改。這樣比較得到的是可檢查差異，而不只是不同提示下看起來都很精彩的展示。
因此，比起容量本身，任務完成測試更能幫忙判斷升級價值。
程式與三維工具測試應該怎麼比較？
Kimi 的成績顯示新版本在特定長程式測試改善，但跨公司數字仍要保留工具與執行條件。最直接的用途是挑出值得自己驗證的任務，而非宣布全面勝負。
在官方列出的 Kimi CodeBench 3 Long，K3.1 Pro 是 61.2%，K3 是 55.95%。差距約五點二五個百分點，表示在這套測試下成功比例提高，並非所有專案都快了五成。
Terminal-Bench 4.0 測的是模型在終端機環境完成工作的能力。官方表格列出新版本 65.7%，對照 Opus 5.5 的 66.4% 與 GPT-6 Astra 的 58.2%。
這三個數字不能拆離評測設定。模型可以使用哪些工具、允許多少推理與重試，都可能影響結果，因此引用時應保留它是發布文章列出的比較，而非本文重做。
三維建模方面，BenchCAD 在搭配工具條件下，新模型為 92.7%，對照兩個競品則為 96.2% 與 95.9%。它顯示能力接近的方向，並沒有支持每項測試都領先的說法。
以下把幾組容易混用的數字放回用途，避免用同一個百分比代表不同工作。
| 官方表列測試 | 新版本結果 | 主要回答的問題 |
|---|---|---|
| CodeBench 3 Long | 61.2% | 指定長程式任務的完成表現 |
| Terminal-Bench 4.0 | 65.7% | 終端機工具環境的工作完成能力 |
| BenchCAD，搭配工具 | 92.7% | 指定工具條件下的建模任務 |
表裡每一列都有自己的題目與評分方法，所以不能取平均後命名為「整體準確率」。某個團隊若主要改網頁，也不應直接拿建模測試當作採購依據。
模型測試與產品示範也需要分開。一次做出好看的遊戲可以展示可能性，但評估可重複工作，需要知道總共做了幾次、哪些失敗，以及人類中間修正多少。
Kimi 的建模示範還牽涉工具是否能成功執行。若模型產生的指令需要外部軟體開啟，軟體回傳的錯誤與修正次數就是工作的一部分，不能把第一次指令生成後的畫面當成整段成本。
對有人工修改的專案，應保留人改了哪一段。這樣才知道 Kimi 完成的是初稿、特定功能，或整個驗收範圍，避免把人類補完後的成果全歸給模型。
這種區分不會降低展示的價值，而是讓價值回到正確的位置。展示適合尋找可嘗試的新工作，固定測試適合比較版本，自己的資料則決定是否值得導入。
同樣的比較原則，也適用於最吸引人的可靠度宣稱。
幻覺下降六成五代表什麼？
下降幅度來自官方內部高難度測試的相對變化，不能當成日常問題一定正確的保證。幻覺指的是模型產生看似合理、卻沒有事實支持的內容。
Kimi 在 HalluBench Hard 列出逐項事實主張的錯誤比例由 23.4% 降至 8.3%，並非整份回答只要含錯就算一次的比例。這是少了十五點一個百分點，若以前者作為分母，才會得到約六成五的相對下降。
百分點與百分比的差異會影響讀者理解。前者直接減去兩個比例，後者則衡量相對於原本錯誤少了多少，因此「下降六成五」不是剩下六成五的錯誤。
但即使算式正確，也不能把 8.3% 搬到所有財務報告、日常問答或中文文件。它是特定內部壓力測試結果，題目分布未必與讀者的實際工作相同。
財務分析還有另一層要求。模型可能引用正確數字卻混用季度、幣別或合併範圍，因此減少無根據內容，只解決了可靠度的一部分，沒有替代口徑檢查。
若要把模型用在報表整理，應要求答案連回原始文件與期間，並抽查計算。這個流程之所以重要，是因為一次錯誤的基準比較，就可能改變後面的整段結論。
Kimi 宣稱在財務工作更可靠，適合作為新增測試的理由。對實際導入者，則應拿既有已知答案的資料比較，才看得出是錯誤真的減少，還是回答只是更有自信。
也應保留拒答與缺資料的情況。若模型遇到沒有來源的問題會停下來，可能比自動填滿表格更有用，所以不能只以回答是否完整計算成功。
當品質口徑分清後，速度才有一致的比較分母。
哪些團隊適合先測，哪些適合等權重？
有既有任務資料的開發團隊適合先做線上比較，離線部署團隊則需要等待完整權重與授權細節。兩種使用者的下一步不同，不必因為同一天公告就採取相同行動。
Highspeed 版本被官方描述為快二到三倍，但本文沒有獨立計時。若要比較，應使用相同輸入、輸出要求與並行量，並分別記錄開始回答和全部完成的時間。
開始回覆與完成工作可能給出不同結論，因為第一句出得快有利互動，完整程式完成得快則影響交付；若中間需要多次修正，單次輸出速度還可能無法反映總工時。
成本也要包含失敗後的重試。即使某次請求很便宜，若需要反覆補資料和人工修程式，整個任務的費用仍可能較高，所以本文不把速度宣稱直接換算成支出減幅。
對已使用 Kimi Code 的團隊，先保存可重複的程式修改，觀察測試通過率與修正次數，比重新收集一串華麗提示更有效。因為工作本來就會發生，結果也比較容易核對。
對需要自有機房或封閉環境的組織，十一月四日是追蹤權重承諾的時間點。它不是本文保證一定如期交付的日期，實際可取得檔案仍應以正式釋出為準。
若之後的權重、授權或服務條件改變，也需要重新評估。線上版今天的結果，可以提供初步線索，但不能保證未來自行部署時使用不同精度與硬體仍得到相同表現。
用自己的完成率、修正時間與帳單一起衡量，才能判斷這次升級是否值得。建議先選一項常做的程式工作，保存起始檔案與驗收條件，再測正式介面。
要理解模型開放與本機執行的距離，可以先補上前代的部署背景。
延伸閱讀：Kimi K3 開放權重下載：2.8 兆參數、100 萬 Token，真的能在本機執行嗎？
開發入口也會改變使用體驗，版本比較時應把產品功能一起保留。
延伸閱讀：Kimi Work 簡報教學：用 Kimi K3 從研究、套版到匯出 PowerPoint
Kimi K3.1 Pro 常見問題
Kimi K3.1 Pro 完整權重已經可下載嗎？
截至十月二十四日，本次公告是預告十一月四日前釋出完整權重。線上產品與 API 已可用，不能因此推定完整模型也已經可取得。
百萬 Token 能放多少中文字？
不同文字與程式會切成不同數量的 Token，沒有固定的一對一換算。實際使用應核對請求用量，也要驗證長資料中的細節有沒有被正確利用。
可以直接照官方分數選模型嗎？
官方分數可以用來選擇測試對象，但任務、工具與推理條件需要一起看。最後仍以自己的工作完成率與修正成本作決定。
