https://auratracer.kyleforge.com有原始报道标题依据的对象关联事件；不是全部提及。 https://auratracer.kyleforge.com/events/ce-2ba051f38c91https://auratracer.kyleforge.com/events/ce-2ba051f38c91月之暗面于11月5日在Hugging Face平台正式开放Kimi K3.1 Pro模型权重。该模型采用MoE混合专家架构，总参数量为2.8万亿，单次推理激活约1040亿参数，支持约100万Token上下文窗口。据Agent Arena排行榜显示，Kimi K3.1 Pro在开放权重模型中位列第一。此外，华为宣布通过vLLM Ascend和SGLang提供推理支持，覆盖Atlas A3和Ascend 950系统。 https://auratracer.kyleforge.com/events/67bdc82c2804https://auratracer.kyleforge.com/events/67bdc82c2804据IT之家报道，摩尔线程基于AI训推一体智算卡MTT S5000及MUSA软件栈，完成月之暗面Kimi-K3.1 Pro的Day-0适配，打通模型加载、服务启动及文本、图片基础推理链路。稿件称Kimi K3.1 Pro为3万亿级参数模型，支持100万上下文，相关性能数据为发布方或报道自述。 https://auratracer.kyleforge.com/events/117d6cfc6f92https://auratracer.kyleforge.com/events/117d6cfc6f92据The Decoder报道，月之暗面推出Kimi K3.1 Pro人工智能模型。该模型在Artificial Analysis Intelligence Index评测中获得55分，较前代版本提升11分，目前位列第四，仅次于Anthropic和Meta的模型。若月之暗面按计划发布模型权重，开源与闭源模型间的差距将缩小至3分。 https://auratracer.kyleforge.com/events/ce-da1107569128https://auratracer.kyleforge.com/events/ce-da1107569128Arena报告Kimi K3.1 Pro Max在Agent Arena排名第11，相对前代有所提升。平台依据社区智能体会话统计表现，并报告单任务中位成本1.03美元。 https://auratracer.kyleforge.com/events/b2491718b60bhttps://auratracer.kyleforge.com/events/b2491718b60b腾讯WorkBuddy宣布接入Kimi K3.1 Pro及Highspeed版本。官方称高速版保持同等智能，输出速度约为2至3倍；资源紧张期间，企业旗舰版和个人订阅用户优先使用。 https://auratracer.kyleforge.com/events/ce-453e57d5b257https://auratracer.kyleforge.com/events/ce-453e57d5b257Artificial Analysis表示，Kimi K3.1 Pro在智能体知识工作和编程方面处于领先水平，但AA-3D早期结果可能较弱。该机构仍在收集交互三维场景的偏好投票，并展示了山地自行车下降场景。 https://auratracer.kyleforge.com/events/ce-075cf2a35b57https://auratracer.kyleforge.com/events/ce-075cf2a35b57月之暗面10月24日发布Kimi K3.1 Pro，称其为3万亿级参数、100万Token上下文的K3.1系列首款模型，重点强化编程、3D创作和长程Agent能力。虎嗅报道称，该模型上线后部分付费用户遇到限流及额度消耗过快问题；月之暗面已于10月26日公开致歉，并为有效期内订阅会员补偿相当于月度总额25%的额度。 https://auratracer.kyleforge.com/events/57e7eaef32ffhttps://auratracer.kyleforge.com/events/57e7eaef32ff据华为计算公众号消息，月之暗面于2026年11月4日发布Kimi K3.1 Pro模型权重。华为昇腾宣布实现该模型0 Day推理适配，支持在Atlas 800 A3、Atlas 900 A3 SuperPod及昇腾950超节点系列产品上部署。该模型拥有2.8万亿参数，采用混合线性注意力架构，支持百万token上下文及视觉理解。昇腾团队通过vLLM Ascend与SGLang框架，针对新增的稀疏注意力路径及多模态推理需求进行了算子与框架协同优化。 https://auratracer.kyleforge.com/events/28b14dcdc3cfhttps://auratracer.kyleforge.com/events/28b14dcdc3cf据Moonshot AI相关信息，Kimi K3.1 Pro模型权重已正式开源并上线Hugging Face平台。该模型权重文件体积约为1.5TB。 https://auratracer.kyleforge.com/events/2ceb56d7d0d1https://auratracer.kyleforge.com/events/2ceb56d7d0d1Moonshot AI在X上宣布推出Kimi-K3.1-Pro模型，总参数2.8 T，单次推理激活104 B，采用稀疏注意力支持约1 M上下文长度，并配备401 M视觉编码器。模型已在Hub公开约1.5小时，获214点赞，未设访问门槛。 https://auratracer.kyleforge.com/events/ba16ee1a9b77https://auratracer.kyleforge.com/events/ba16ee1a9b77据 vLLM 项目公告，Kimi K3.1 Pro 模型已实现 vLLM 首日适配。该模型支持 100 万 token 上下文窗口，适用于长代码编写、3D 创建及研究任务。在 Claude Code 评测框架下，Kimi K3.1 Pro 在 Terminal-Bench 4.0 测试中获得 65.7% 的分数。vLLM 为该模型提供跨 GPU 和 TPU 的服务支持，并包含强化学习（RL）支持。 https://auratracer.kyleforge.com/events/f221822071eehttps://auratracer.kyleforge.com/events/f221822071ee据llm-d发布的技术指南，Moonshot AI的Kimi K3.1 Pro大模型现可通过llm-d框架在TPU（Ironwood TPU v7x）与GPU（GB300 NVL72）集群上进行分布式推理部署。该模型具备约2.8万亿参数、100万token上下文窗口及混合注意力架构。llm-d通过状态感知KV路由、分层KV缓存卸载、预填充/解码分离及推测解码等技术，解决多节点张量与专家并行下的资源瓶颈。部署方案支持在Google Cloud GKE环境下通过Helm与Kustomize进行配置。 https://auratracer.kyleforge.com/events/4a1336910e4fhttps://auratracer.kyleforge.com/events/4a1336910e4fMoonshot AI发布Kimi K3.1 Pro及Kimi K3.1 Pro Highspeed模型，现已在RunPod公共端点上线。Kimi K3.1 Pro作为该系列首款3T级开源权重模型，具备100万token上下文窗口，旨在提升编码、金融研究及代理任务能力。Kimi K3.1 Pro Highspeed响应速度较Pro版提升2至3倍，适用于对延迟敏感的代理循环任务。开发者可通过RunPod控制台、cURL或兼容OpenAI SDK的Python接口调用上述模型。 https://auratracer.kyleforge.com/events/af42bf4778e2https://auratracer.kyleforge.com/events/af42bf4778e2据Artificial Analysis报道，Kimi K3.1 Pro模型在写作风格上进行了调整。相比Kimi K3，Kimi K3.1 Pro的回复内容减少了括号、破折号、缩写和斜体的使用，并增加了粗体、标题和表格的应用。 https://auratracer.kyleforge.com/events/284839724d14https://auratracer.kyleforge.com/events/284839724d14据X用户@tuturetom报道，Kimi K3.1 Pro在OpenDesign Arena设计评测榜中位列第一，交付率达93%，在网页、App及Dashboard等场景中综合成绩小幅超过GPT-6.1 Sol。该模型已接入OpenDesign GO套餐并支持API调用。据评测，Kimi K3.1 Pro平均每个作品成本约为1.46美元，耗时近14分钟，成本约为GPT-6.1 Sol的3.8倍，耗时超过两倍。 https://auratracer.kyleforge.com/events/abf7fe5cba26https://auratracer.kyleforge.com/events/abf7fe5cba26据Interconnects播客报道，Kimi K3.1 Pro模型已发布，其在Artificial Analysis基准测试中表现强劲，排名位居前列，但部分测试如Terminal-Bench Science表现落后于GPT-6 Astra。该模型发布伴随营销争议，有评论指出其社交媒体推广存在未披露付费行为。模型目前处于两周独家访问期，官方计划于2026年11月4日前发布模型权重。 https://auratracer.kyleforge.com/events/d18a013b333ehttps://auratracer.kyleforge.com/events/d18a013b333e@shao__meng 批评 Kimi K3.1 Pro 此次英推 AI KOL 宣发环节可疑，认为若 Kimi KOL 运营选择相关 KOL，则团队选择不当。其称 X 平台推出“Paid Partnership”功能后，更快遵守的是 KOL 们，并建议 Kimi 这样的团队应遵守平台规则。该作者还建议，面向 AI 开发者的模型应让人们用起来，通过实际使用产生案例和分享，可借鉴 OpenRouter 的做法，避免扎堆刷屏的话术。 https://auratracer.kyleforge.com/events/194251dc89edhttps://auratracer.kyleforge.com/events/194251dc89ed据Artificial Analysis报告，Kimi K3.1 Pro在网络安全智能体评测中得分64%，位列公开可用模型第一。该模型在CyberGym-E2E-AA基准测试中以95%的得分领先所有模型。在成本方面，Kimi K3.1 Pro每百万token输入/输出价格为2美元/10美元，较Kimi K3降低33%，但因任务输入token消耗增加，单任务成本为2.81美元。目前该模型得分仅次于OpenAI受限访问模型GPT-6 Sol（69%）。 https://auratracer.kyleforge.com/events/ef81ba40c715https://auratracer.kyleforge.com/events/ef81ba40c715据X平台用户David R. Bellamy分析，Kimi K3.1 Pro作为Kimi K3的后训练版本，在Terminal Bench 4.0基准测试中得分达到67%。相比之下，Kimi K3在该测试中的得分为13%。该分析指出，这一提升反映了后训练栈与配方成熟度的提高。 https://auratracer.kyleforge.com/events/a45befc5d521https://auratracer.kyleforge.com/events/a45befc5d521OpenCode Go平台宣布，Kimi K3.1 Pro模型已正式可用。