月之暗面开源Kimi K3.1 Pro模型权重：登顶Agent Arena开放模型榜首，Bash可靠性跃居第一

SmartHey11月5日消息，月之暗面今日正式在 Hugging Face 平台开放 Kimi K3.1 Pro 的模型权重。根据 Agent Arena 智能体排行榜最新数据，Kimi K3.1 Pro（Max）在开放权重模型中综合排名第一，在全部参评模型中位列第13位；同时包揽工作、编程与聊天三大核心场景的开放模型榜首。

与传统成对盲测不同，Agent Arena 采用基于真实用户行为的动态评测机制：从数万次真实智能体会话中提取多维信号，包括用户对任务完成的明确确认、表扬或投诉、纠正指令的响应质量，以及 Shell 命令执行是否出错等，并通过其独创的“因果追踪”随机化推断方法，精准估算各模型相较行业平均水平的净改进率。

本次排名依据全球用户超过1.75万次长周期智能体任务会话数据，Kimi K3.1 Pro 净改进率达+5.1%，较上一代 K3（Max）的+0.9% 提升4.2个百分点，进步显著。

细分能力指标全面跃升：衡量 Shell 命令执行稳定性的 Bash Reliability 指标由 K3 的-4.5%（第13名）大幅提升至+7.9%，跃居开放模型首位；反映用户正向反馈强度的 Praise vs Complaint 从+1.3%升至+7.7%；体现模型动态响应用户意图调整能力的 Steerability 达到+6.5%，同样领跑开放模型；而用户明确确认任务成功的 Confirmed Success 为+3.9%，位居开放模型第四。

Kimi K3.1 Pro 采用混合专家（MoE）架构，总参数量达2.8万亿，单次推理仅激活约1040亿参数，支持最高约100万 Token 的超长上下文窗口。

相比 K3，K3.1 Pro 以 K3 为基座，开展覆盖数百个专业领域的联合强化学习后训练，并将部分全注意力层升级为门控稀疏注意力层，在保障长程建模能力的同时显著降低计算开销。

需注意的是，“开源可下载”不等于“终端可部署”。以 BF16 精度存储，2.8 万亿参数模型权重体积约5.6TB；即便采用 INT4 量化压缩，仍需约1.4TB 存储空间，远超当前消费级显卡承载能力，实际本地运行需依赖高性能计算集群或云服务支持。

在权威终端智能体基准 Terminal-Bench 4.0 中，Kimi K3.1 Pro 取得65.7%得分，超越 GPT-6 Astra（58.2%），与当前顶尖闭源模型 Claude Opus 5.5（66.4%）相差不足1个百分点，展现极强的终端自动化潜力。