Skip to content

Kimi K3.1 Pro

Data source: AIHOT

Model data is shown as published (Chinese).

← Leaderboard
Moonshot AI

Released: 2026-10-23 · Context: 1.049M tokens

Open weights ↗
67.8

Overall rank 16

Official API prices ¥ / million tokens

Input
¥13
Output
¥68
Cache hits
¥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。

Official pricing ↗

Domain capabilities

BoardRankScoreBenchmarks
综合1667.838
编程1865.79
科研1769.410
专业办公1668.811
知识问答1170.26

编程 · 65.7

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 AI63.6%76.342026-11-18
Notes

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 Analysis67.2%75.512026-11-18
Notes

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-Bench59.7%75.1112026-11-18
Notes

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 AI84.9%66.7232026-11-18
Notes

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 Analysis25.5%65622026-11-18
Notes

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 Analysis60.8%63.5122026-11-18
Notes

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 Maker76.8%62.7182026-11-18
Notes

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。

Cognition19.9%60.6802026-11-18
Notes

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 Ihle9.2%58.2152026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
司南 · 推理 ↗

逻辑、数量、空间与物理推理,以及批判性思维。

OpenCompass87.5%7512026-11-18
Notes

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 AI31.4%73.4112026-11-18
Notes

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 Analysis34.3%72442026-11-18
Notes

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。

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。

OpenCompass80.0%71.622026-11-18
Notes

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。

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。

llm201456.3%71.592026-11-18
Notes

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 AI75.6%69.7102026-11-18
Notes

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 Analysis49.5%68.9572026-11-18
Notes

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 Analysis52.5%67.9272026-11-18
Notes

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 Analysis24.6%67.8552026-11-18
Notes

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 AI26.1%64.2192026-11-18
Notes

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 · 68.8

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
τ³-Banking ↗

扮演银行客服跟模拟客户对话:查政策、找产品、改账户。

Mercor59.8%78.412026-11-18
Notes

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 Analysis1,860.675.922026-11-18
Notes

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 Analysis1,673.674.3112026-11-18
Notes

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 Analysis73.3%73.5122026-11-18
Notes

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。

Mercor65.5%70.8172026-11-18
Notes

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 AI70.0%67.2212026-11-18
Notes

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 AI11.7%66.2232026-11-18
Notes

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 AI61.5%66.1232026-11-18
Notes

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 AI37.5%63.5522026-11-18
Notes

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 Analysis38.8%62.5352026-11-18
Notes

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 AI24.9%61.3482026-11-18
Notes

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 · 70.2

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
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 Analysis38.3%8452026-11-18
Notes

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 Mazur93.4%75.4202026-11-18
Notes

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 Analysis29.969.5492026-11-18
Notes

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。

BullshitBench60.0%68.5512026-11-18
Notes

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。

OpenCompass72.0%67.552026-11-18
Notes

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 Analysis86.3%63.132026-11-18
Notes

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

BenchmarkOrganizationPublished resultNormalized scoreSource rankVerifiedNotes
Arena WebDev ↗

真人匿名比较两个模型做出来的网页,选更好的那个。

LMArena1,686.270.4132026-11-18
Notes

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。

LMArena1,484.763.9242026-11-18
Notes

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。

Benchmarks without results

  • 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

Recent news

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