Kimi K3.1 Pro
数据来源:AIHOT
上线日期: 2026-10-23 · 上下文: 104.9万 Token
开源权重 ↗综合排名 16
官方 API 价格 ¥ / 百万 Token
- 输入
- ¥13
- 输出
- ¥68
- 缓存命中
- ¥1.3
开放平台须充值至少 ¥10 才能解锁调用;新用户注册认证赠送的代金券不可用于此模型。
开放平台须充值至少 ¥10 才能解锁调用;新用户注册认证赠送的代金券不可用于此模型。
官方价格页 ↗领域能力
| 榜单 | 名次 | 评分 | 评测数 |
|---|---|---|---|
| 综合 | 16 | 67.8 | 38 |
| 编程 | 18 | 65.7 | 9 |
| 科研 | 17 | 69.4 | 10 |
| 专业办公 | 16 | 68.7 | 11 |
| 知识问答 | 11 | 70.3 | 6 |
编程 · 65.7
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 63.6% | 76.3 | 4 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 67.2% | 75.6 | 1 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 59.7% | 75.2 | 11 | 2026-11-18 | 备注代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 84.9% | 66.7 | 23 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 25.5% | 65 | 62 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 60.8% | 63.5 | 12 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| TapTap Maker ↗ 在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。 | TapTap Maker | 76.8% | 62.6 | 18 | 2026-11-18 | 备注代表配置:Max 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 19.9% | 60.6 | 80 | 2026-11-18 | 备注代表配置:Max 推理 · Devin CLI。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 9.2% | 58.2 | 15 | 2026-11-18 | 备注代表配置:xHigh 推理 · kimi_code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
科研 · 69.4
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| 司南 · 推理 ↗ 逻辑、数量、空间与物理推理,以及批判性思维。 | OpenCompass | 87.5% | 75 | 1 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Vals AI | 31.4% | 73.4 | 11 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 34.3% | 72 | 44 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| 致知 · 逻辑月榜 ↗ 个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。 | llm2014 | 56.3% | 71.5 | 9 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 抽象 ↗ 考查注意与扫描、语言理解、识别相关信息和抽象概念。 | OpenCompass | 80.0% | 71.5 | 2 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 75.6% | 69.7 | 10 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 49.5% | 68.9 | 57 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 52.5% | 67.9 | 27 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 24.6% | 67.8 | 55 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| MysteryMechanism ↗ 自己设计实验,去推断一套隐藏的规律。 | Vals AI | 26.1% | 64.2 | 19 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 68.7
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 59.8% | 78.4 | 1 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,860.6 | 75.8 | 2 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 1,673.6 | 74 | 11 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 73.3% | 73.5 | 12 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 65.5% | 70.8 | 17 | 2026-11-18 | 备注代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 70.0% | 67.2 | 21 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 11.7% | 66.2 | 23 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 61.5% | 66 | 23 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 37.5% | 63.4 | 52 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 38.8% | 62.4 | 35 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 24.9% | 61.3 | 48 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 70.3
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 38.3% | 84.2 | 5 | 2026-11-18 | 备注这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| NYT Connections 扩展版 ↗ 把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。 | Lech Mazur | 93.4% | 75.5 | 20 | 2026-11-18 | 备注代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | 29.9 | 69.7 | 49 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
| BullshitBench v2 ↗ 问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。 | BullshitBench | 60.0% | 68.9 | 57 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 司南 · 知识 ↗ 应用科学、日常生活、自然科学和人文社科等方面的知识题。 | OpenCompass | 72.0% | 67.4 | 5 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 86.3% | 63.1 | 3 | 2026-11-18 | 备注代表配置:来源默认配置。该来源没有区分推理档位,采用其官方默认配置。 |
真人盲选 · 67.7
| 评测 | 机构 | 公布的成绩 | 折算分 | 原榜名次 | 核实日期 | 备注 |
|---|---|---|---|---|---|---|
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,686.2 | 70.5 | 13 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,484.7 | 63.9 | 24 | 2026-11-18 | 备注代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
还没有成绩的评测
- LiveBench · 编程综合
- Code Migration v1.1
- ProgramBench
- MirrorCode
- CyberBench Patch v1.1
- APEX-SWE
- FrontierSWE v2
- FrontierMath v2 · Tiers 1–3
- LiveBench · 推理与数学
- ARC-AGI-2
- Chess Puzzles
- Mystery Game Puzzles
- Harvey LAB 1.1 · AA
- LiveBench · 数据分析
- SimpleQA Verified
- LiveBench · 语言与指令
最近的新闻
11-18Fireworks 评测 Kimi K3.1 Pro:智能体场景下该替换还是组合使用Fireworks AI
11-17阿里发布 Qwen4-Max:2.4 万亿参数 MoE 架构,对标 Opus 5.5、GPT-6 与 Kimi K3.1 Pro 且价格更低The Decoder:AI News
11-12豆包工作接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等第三方模型并推出限时特惠公众号:豆包
11-11谷歌更新 Android Bench 榜单:Kimi K3.1 Pro、DeepSeek V4.1 Flash 与 GPT-6.1 Terra 成绩揭晓IT之家·人工智能
11-07Arena 周报:Kimi K3.1 Pro 开放权重登顶 Agent 榜,Gemini Omni 1.2 Flash 领跑视频生成Arena
11-06摩尔线程完成 3 万亿级参数 Kimi-K3.1 Pro 的 Day-0 适配,支持文本与图片推理IT之家·人工智能