国产开放权重的" benchmark 追平"叙事，在 10 月 24 日又添了一个硬核注脚。月之暗面（Moonshot）上线 Kimi K3.1 Pro——一个支持 100 万 Token 上下文、万亿参数级别的开放权重模型，定价 $2/$10（每百万输入/输出 token）。它在第三方 Terminal-Bench 4.0 上拿到 65.7%，与 Claude Opus 5.5 的 66.4% 只差半个百分点，明显领先 GPT-6 Astra 的 58.2%。
分数背后的两个亮点
Kimi K3.1 Pro 的发布材料里，有两个数字特别值得拎出来。
第一是幻觉率的大幅下降。在 Moonshot 自家的 Hallu Bench Hard 上，K3.1 Pro 把幻觉率从 K3 的 23.4% 压到了 8.3%，降幅约 65%，基本追平了 9 月以来闭源前沿模型的趋势线。对真实落地来说，"少胡说"往往比"多会答"更关键。
第二是价格差。同样跑 agentic coding 这类长链路任务，Claude Opus 5.5 的 API 价是它的 2.5 倍，GPT-6 Astra 是 5 倍。对每次运行要烧掉几百万输出 token 的编程循环来说，这个差距会复利式放大。
发布即爆，限流致歉
K3.1 Pro 并不是慢慢铺开，而是"开放即挤爆"。Moonshot 在周五（10 月 23 日）放出首个 K3.1 系列，配一个标称 2–3 倍速的 "Highspeed" 变体；到周日（10 月 26 日）就公开为限流道歉，给付费会员补了一周免费额度作为补偿。开放前沿模型上线后"跑满容量、几天内撞墙"，几乎成了国产旗舰开源的标配剧情。
百万上下文到底值不值
100 万 Token 的上下文窗口，听起来像参数表上的又一个数字，但它真正改变的是"一次能塞进多少东西"。整本技术手册、一个中型代码库、几十份财报，理论上都能一次性喂进去，不必先切片、再检索、再拼接。对 agent 来说，这意味着长任务不必频繁摘要压缩，减少了"中途忘事"的信息损耗。
但长上下文也有它的暗礁。业界常说的"中间信息丢失"（lost in the middle）并未因为窗口变长而消失——模型对首尾内容更敏感，埋在中间的关键细节仍可能被忽略。同时，上下文越长，延迟和成本越接近线性上升。Kimi 的 $2/$10 定价让"塞满长文档"变得可承受（分析一份 50 万 token 的代码库，单次输入约 1 美元），但产品化时仍要配合分层检索，而不是无脑全量灌入。
所以百万上下文的价值，不在于"能装",而在于"敢装"：它给了开发者一个不必先做取舍的余地，至于怎么用好这块空间，仍是工程问题。
开放前沿的"最后一公里"
K3.1 Pro 还有一个治理细节：Moonshot 明确说明，在开放权重发布前，已主动移除了与网络攻击相关的训练数据。在内部 xdev-bench-hard 测试里，一个未经这些措施的 checkpoint 能解出 90.5% 的问题——这既说明模型能力之强，也说明"开源前的红线清洗"有多必要。
Kimi K3.1 Pro 的意义，不只是又一款国产模型分数好看。它把"开放权重"和"逼近闭源旗舰"这两件事，结结实实地焊在了一起。当国产开放模型在 benchmark 上只剩半点差距、价格却只有零头，企业级 AI 应用的选型天平，正在悄悄倾斜。