10月19日-10月25日大模型发布追踪：Kimi K3.1 Pro 冲到智力榜第四，MiniMax M3.1 Flash 称智能体成本降七成 (2026)

覆盖窗口是 2026 年 10 月 19 日至 10 月 25 日（UTC+08:00）。

这一周只有两个模型级发布，都来自国内厂商，都走开放权重这条路：MiniMax 的权重已经可以下载，月之暗面的权重排在 11 月 4 日前。

10 月 23 日，月之暗面发布 Kimi K3.1 Pro，第三方机构 Artificial Analysis 把它排在智力指数第四，55 分，与第一名差三分，并说它的权重一旦发布就是最强的开放权重模型。1

10 月 19 日晚，MiniMax 把匿名测试了 200 万亿 token 的 Space Bunny 正名，正式发布 M3.1 Flash，4280 亿总参、230 亿激活，每百万 token 输入 0.15 美元。2

文中的「智力指数」是 Artificial Analysis 用十项评测加权得到的综合分。

「每任务成本」是跑完这套评测平均每次任务的花费，输入、缓存、推理与输出的 token 价格都算在里面。跨模型比较看这个数，单价只反映每百万 token 的价格。3

「开放权重」指模型参数可以下载后自行部署。本周两个模型的权重状态不同：MiniMax 已经把权重放上 Hugging Face，月之暗面承诺 11 月 4 日前发布完整权重，目前只能走 API。4 5

先看价格、状态和边界

模型与发布	发布与定位	关键变化	评测信号	价格与可用性	先测什么
Kimi K3.1 Pro 4	10 月 23 日；K3.1 系列第一个模型，月之暗面称其为迄今最强的 3 万亿级参数模型	2.8 万亿总参、1040 亿激活的 MoE，1M 上下文，输入文字与图像；同步推出 K3.1 Pro Highspeed，同等智能、输出速度约 2 至 3 倍；完整权重 11 月 4 日前发布 1	智力指数 55，第四；Terminal-Bench 4.0 67%，在 AA 的测试里是全模型最高；GDPval-AA 1846 Elo 第三；AA-Omniscience 30，幻觉率 44%	每百万 token 输入 $2、缓存命中 $0.20、输出 $10，比 K3 低约三分之一；每任务 $1.98；官方价 ¥13 / ¥68；输出速度 57.5 token/秒，每任务输出 5.5 万 token 6	拿自己的长程编程任务量一遍 token：它的分数高，输出也长，成本主要压在输出上
MiniMax M3.1 Flash 2	10 月 19 日；M3 系列的 Flash 档，主打智能体、编程、电脑操作与网络安全	4280 亿总参、230 亿激活，1M 上下文，输入支持文字、图像与视频；全模型换用稀疏注意力，配合量化感知训练与 DSpark 投机解码；官方称推理速度接近三倍、智能体任务成本降 70% 5	智力指数 43，每任务 $0.22；官方自报 Automation-Bench 62.8、DeepSWE v1.1 73.7%、OSWorld 2.0 61.7、CyberGym 82.2；Terminal-Bench 4.0 只有 38.1	每百万 token 输入 $0.15、缓存输入 $0.015、输出 $0.60，全档统一价；API、M Plan 与 MiniMax Code 已上线，权重已在 Hugging Face 开放；Pro 版待发 7	用跑量最大的那条智能体链路换过来试：每百万 token 单价约为 K3.1 Pro 的十分之一，先确认任务过不过得去

注：价格按美元或人民币原币列示。表格「评测信号」一列把厂商自报与第三方独立数据分列；AA 的每任务成本按它自己的十项评测加权算出，厂商的每测成本按单个基准算，两者是两套口径。

月之暗面：K3.1 Pro 站到第四，差第一名三分

K3.1 Pro 是 Kimi K3 的后训练版本，月之暗面把这次改进归给强化学习算力的增加。4

用第三方的话说，多出来的算力主要落在智能体上。AA 记录它的智力指数 55，比 K3 的 44 高 11 分，仅次于 Opus 5.5 的 58 与同为 56 的 Sonnet 5.5、Muse Wonder Full。1

Artificial Analysis 智力指数条形图，Kimi K3.1 Pro 以 55 分排在第四 — Artificial Analysis 智力指数 v4.3.2 的排名。K3.1 Pro 的 55 分前面是 Opus 5.5 的 58、Sonnet 5.5 与 Muse Wonder Full 的 56，它后面紧挨着 53 分的 GPT-6 Astra 与 52 分的 Muse Wonder。1

分数抬升最大的三项都是智能体类。Terminal-Bench 4.0 从 13% 跳到 67%，AA 记录它是所有模型里的最高分，领先 Sonnet 5.5 的 64%。1

GDPval-AA 涨 312 Elo 到 1846，排第三；AutomationBench 从 58% 升到 73%。1

知识类与科学的涨幅小得多。Humanity's Last Exam 从 47% 到 52%，CritPt 从 23% 到 25%，SciCode 从 59% 到 61%。1

AA-Omniscience 从 20 升到 30，同一套题里的幻觉率从 53% 降到 44%。1

官方口径与第三方有差异，值得放在一起看。月之暗面自报 Terminal-Bench 4.0 是 65.7%，超过 GPT-6 Astra 的 58.2%，比 Opus 5.5 的 66.4% 低 0.7 个百分点。4

它还给了一张得分与成本的对比图，用的是 tbench.ai 与 AA 的数据。K3.1 Pro 落在图的左上，同分段的 Claude 模型在右侧，单任务成本是它的三到四倍。4

月之暗面官方图：Terminal-Bench 4.0 得分与单任务成本 — 月之暗面官方图：横轴是单任务成本，纵轴是 Terminal-Bench 4.0 得分。K3.1 Pro 的 max 档在约 65% 处、成本不到 5 美元，Opus 5.5 在 64% 附近、成本越过 14 美元。4

价格是它最直接的动作。K3.1 Pro 每百万 token 输入 ¥13、输出 ¥68、缓存命中 ¥1.30，缓存写入按 5 分钟档 ¥13、1 小时档 ¥26 另计。6

K3 的输入与输出是 ¥20 与 ¥100，缓存命中 ¥2；同样的用量，K3.1 Pro 比它便宜三分之一左右。6

代价在速度与篇幅。AA 测到它的输出速度是 57.5 token/秒，每任务输出 5.5 万 token，比 K3 多 14%。1

整套评测下来它一共生成了 1.5 亿 token，每任务成本因此停在 $1.98，与 K3 基本持平。1

权重发布前还做了一件事，官方写得很细。开发过程中他们发现网络攻防能力随后训练规模一起涨，源头是中期训练语料与强化学习环境里的相关内容；团队在两个阶段都做了识别与移除。4

代价可以量化。在自研的 xdev-bench-hard 上，不清理数据的版本 pass@3 能解 90.5% 的题，清理后的正式版本是 81.0%。官方称这个水平仍低于放开三个月以上的前沿闭源模型。4

获取门槛要说清楚。调用 kimi-k3.1-pro 需要先充值，最低 10 元；新用户注册送的 15 元代金券只覆盖其他模型。模型始终开启思考模式，推理强度分 low / high / max 三档，默认 max，目前没有关闭思考的开关。4

MiniMax：M3.1 Flash 用 428B 换每任务 0.22 美元

M3.1 Flash 是 M3 的加速版，架构没换，改了三处。前三个全注意力层换成稀疏注意力，路由专家与注意力路径在训练时做量化，投机解码从 EAGLE 式的 MTP 换成自研的 DSpark。5

官方给出的收益是速度与成本的组合：日常场景输出 200 token/秒以上，中位数 170 token/秒以上，智能体任务的整体使用成本比前代低 70%。2

第三方的实测更保守。AA 测到输出速度 113 token/秒，每任务输出 18 万 token，智力指数 43，每任务成本 $0.22。7

这 43 分落在什么位置，直接看 AA 的对照。它与 Claude Haiku 5.5 的最高档（43 分）并列，高于 GLM-5.3-Flash 的 42 与 Muse Spark Open 的 39，比同周的 K3.1 Pro 低 12 分。8

真正有说服力的是成本那一维。AA 记录它的每任务成本是 $0.22，同一套评测里 K3.1 Pro 是 $1.98，DeepSeek V4.1-Flash-1017 是 $0.26。7

官方放的散点图把这件事画得更清楚。横轴是对数刻度的单任务成本，M3.1 Flash 的整条曲线贴在最左侧，62.8% 的分数在 max 档，右边的 Opus 5.5 要花四倍以上成本才到 56%。2

MiniMax 官方图：Automation-Bench 得分与单任务成本 — MiniMax 官方图：Automation-Bench v1.0.6 得分与单任务成本，成本为对数刻度。M3.1-Flash 在 max 档是 62.8%、成本约 0.04 美元；DeepSeek V4.1-Flash-1017 的 max 档是 60.5%、成本约 0.09 美元。2

强项与短板在官方表里分得很开。Automation-Bench 62.8 高于 DeepSeek V4.1-Flash-1017 的 60.5，BankerToolBench 与 Opus 5 同为 76.2。5

DeepSWE v1.1 是 73.7，略低于 DeepSeek 的 77.0。5

弱项集中在终端操作与文档推理。Terminal-Bench 4.0 拿到 38.1，低于 DeepSeek V4.1-Flash-1017 的 42.3，只比 GLM-5.3 的 37.9 高 0.2 分。5

GDP.pdf 是 20.8，排在 Opus 5 的 21.6 与 GPT-5.6 Sol 的 27.2 之后。5

价格简单到只有一档：每百万 token 输入 $0.15、缓存输入 $0.015、输出 $0.60，不分上下文长度。2

获取方式与权重状态要一起看。API、M Plan 与 MiniMax Code 在发布当天上线；官方说权重稍后发布，Hugging Face 上的 MiniMaxAI/MiniMax-M3.1-Flash 现在已经可以下载。5

模型卡标注约 4280 亿总参、230 亿激活。5

许可需要自己读一遍。模型卡标的是自定义许可，Apache 与 MIT 里那些通用条款在这里要重新核对，商用前逐条读完。5

官方还说 Pro 版会在之后推出，定位是往上顶智能上限的那一款。Flash 这一代先解决的是单位成本。2

本期其他条目

OpenAI：提示缓存延长到 12 小时

10 月 20 日，OpenAI 在 Responses 接口加了 12 小时提示缓存，用来让共享的系统提示、工具定义与上下文在工作几小时后再请求时仍然命中。缓存写入按输入 token 价格的 2.5 倍计费。9

10 月 22 日，Decisions 接口正式可用，模型是 gpt-6-luna，单次请求的问题上限从公测时的 200 提到 400，支持跨请求缓存共享输入、在单条问题里放图片、用 input_json 直接传结构化数据。9

OpenAI：模型要上架谷歌云

10 月 21 日，OpenAI 与谷歌云宣布合作，把前沿模型与 Codex 工作流接进 Google Cloud 的 Model Garden，走 Google Cloud Marketplace 结算，可用 GCP 承诺额度抵扣。10

这批模型之后还会进 Google Antigravity 与 Gemini Agent。正式可用时间写的是「未来几周」，微软仍是 OpenAI 的首要云伙伴。10

Anthropic：把 Agent Skills 交给基金会

10 月 22 日，Anthropic 把 Agent Skills 这个开放标准捐给 Agentic AI Foundation。11

官方称自 2025 年 12 月发布以来，已有 70 多个智能体平台接入，包括 ChatGPT、Cursor、GitHub Copilot 与 VS Code。11

第三方：两个新榜

10 月 19 日，Artificial Analysis 上线 AA-PersonalityBench，用 30 项性格特质与 21 项沟通特征衡量模型的表达方式。同日上线的还有 HealthBench 与 HealthBench Professional 两个医疗对话榜。12 13

本期未纳入条目与覆盖说明

本期严格执行 2026 年 10 月 19 日至 10 月 25 日的时间窗核验，各厂商的筛查结果如下。

OpenAI：窗口内没有模型级发布。API 变更日志只有缓存、服务档位与 Decisions 接口三条更新，官网发布页是客户案例、安全通报与云厂商合作。9
Google：Gemini 模型页最新一条仍是 10 月 13 日的 Gemini 4 Argon 全球开放，上期已覆盖。14
Anthropic：窗口内三条官方消息分别是 Agent Skills 捐赠、长期受益信托人事与生命科学访学招募，都没有新模型。15
Meta：研究博客最新一篇仍是 10 月 15 日的 Muse Spark Open，窗口内没有新模型。16
DeepSeek：官方更新日志最新一条仍是 10 月 17 日的 V4.1-Flash-1017，上期已覆盖；价格页没有变动。17
智谱：官方发布记录最新一条仍是 8 月 26 日的 GLM-5.3-Flash，窗口内没有新模型进入那张表。18
通义千问：官方代码仓库与官方账号在窗口内没有新的模型仓库或模型发布，最新动态是 10 月 23 日的多模态插件仓库更新。19
xAI：发布说明最新一条仍是 10 月 14 日的 Grok Voice 3.0。20
Artificial Analysis 收录：窗口内新收录的条目是 Kimi K3.1 Pro、MiniMax-M3.1-Flash、DeepSeek V4.1 Flash 1017、Ling 3.1 Flash 1019 与英伟达 Nemotron 3.5 Bolt E4B。DeepSeek 那一条属上期发布；Ling 3.1 Flash 1019 是已有模型的重新后训练版本，官方页面查不到这次更新的发布时间，两条只在这里提及。8

面向技术选型的三项行动建议

把「权重待发布」当成排期变量。 K3.1 Pro 承诺 11 月 4 日前放出权重，在那之前只能按 API 计费；如果计划自建，先用 API 跑完评估，等权重到手再算显存与吞吐，两件事的结论可能不同。4
同一周的两个价位，先测「过不过得去」再比分数。 K3.1 Pro 每任务 $1.98，M3.1 Flash 每任务 $0.22，差九倍；跑量大的智能体链路值得先用 Flash 试一遍，只有它确实过不去的环节才往上换。7
按任务类型拆开复测，别用总分决定。 M3.1 Flash 在 Automation-Bench 上比 DeepSeek V4.1-Flash-1017 高 2.3 个百分点，在 Terminal-Bench 4.0 上低 4.2 个；如果你的负载偏终端操作，这一轮换它的收益会比总分看起来小。5

References

1
Artificial Analysis：Kimi K3.1 Pro 发布分析
artificialanalysis.ai
2
MiniMax：M3.1 Flash 发布
minimax.io
3
Artificial Analysis：Kimi K3.1 Pro 模型页
artificialanalysis.ai
4
月之暗面：Kimi K3.1 Pro 文档
platform.kimi.com
5
Hugging Face：MiniMax-M3.1-Flash
huggingface.co
6
月之暗面：模型推理价格
platform.moonshot.cn
7
Artificial Analysis：MiniMax-M3.1-Flash 模型页
artificialanalysis.ai
8
Artificial Analysis：模型发布列表
artificialanalysis.ai
9
OpenAI API 变更日志
developers.openai.com
10
OpenAI：OpenAI models are coming to Google Cloud
openai.com
11
Anthropic：Donating Agent Skills
anthropic.com
12
Artificial Analysis：AA-PersonalityBench
artificialanalysis.ai
13
Artificial Analysis：HealthBench
artificialanalysis.ai
14
Google：Gemini 模型
blog.google
15
Anthropic 新闻页
anthropic.com
16
Meta AI 研究博客
research.meta.ai
17
DeepSeek API 更新日志
api-docs.deepseek.com
18
智谱：模型与产品发布记录
docs.bigmodel.cn
19
Qwen 官方代码仓库
github.com
20
xAI：发布说明
docs.x.ai