Kimi K3.1、Qwen 4 疑現身 Arena 程式設計盲測
Arena.ai 的 Code Arena 程式設計對戰中出現兩個匿名模型 Kibitz 與 Kalmia，社群普遍認為分別是月之暗面的 Kimi K3.1 和阿里 Qwen 4。有人發現 Kimi 官方域名配置介面曾返回切換目標 k3.1（當晚即被撤回），且 Kibitz 對 11 個用於識別 Moonshot 模型的特殊 token 均出現亂碼，與以往 Kimi 模型表現一致。成本上，Kibitz 完成同樣任務的 token 成本約為 GPT-6 Astra 的 1/14；
兩個疑似國產新模型以匿名代號進入盲測，並給出 token 成本僅為 GPT-6 Astra 1/14 的對比與 Kimi 介面切換 k3.1 的線索，對關心國產模型發布節奏與前端、3D 生成能力的人有參考價值。
原標題：Kimi K3.1、Qwen 4一起来？从没见过匿名模型能这么玩
閱讀原文
| 評分 | 55 / 55（平均 55，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
Kimi 開源 K2.6：主打長程編碼與 Agent 叢集
Kimi 開源最新模型 K2.6，主打編碼、長程執行與 agent swarm，已上線 Kimi.com、App、API 和 Kimi Code。官方稱其在 Mac 上本地部署 Qwen3.5-0.8B 並用 Zig 實現推理最佳化，經 4000+ 次工具呼叫、12 小時、14 輪迭代，吞吐從約 15 提升到約 193 tokens/s，比 LM Studio 快約 20%；另以 13 小時重構 8 年曆史的 exchange-core，中等吞吐提升 185%。
Kimi K3 發布：2.8T 引數開源模型，支援百萬 token 上下文
Kimi 發布最強模型 Kimi K3，引數規模 2.8T，具備原生視覺與 100 萬 token 上下文，並稱其為全球首個開源的 3T 級模型。官方承認整體效能仍落後於 Claude Fable 5 與 GPT 5.6 Sol，但在自家評測中穩定優於其他被測模型。該模型即日上線 Kimi.com、Kimi Work、Kimi Code 與 Kimi API，預設使用最高思考強度；完整權重將於 2026 年 7 月 27 日前開放。
Kimi K3.1 Pro 上線 Kimi Code：3T 引數、1M 上下文
Kimi Code 正式上線 K3.1 Pro 系列，旗艦版為 3T 引數、1M 上下文的思考模型，同步推出速度約 2–3 倍、但額度消耗約 2 倍的 K3.1 Pro Highspeed。該系列僅支援思考模式，關閉思考的請求會被拒絕；1M 上下文需 Plus 及以上新套餐，舊套餐則需 Allegretto 及以上。官方建議在新會話中啟用，並優先呼叫原生 Responses、Chat Completions 或 Anthropic 相容介面，避免代理轉換協議導致行為差異。
Kimi K2.5 發布：開源原生多模態，支援 100 個子智慧體
Kimi K2.5 發布，官方稱其為迄今最強開源模型，原生多模態，在 K2 基礎上用約 15T 視覺與文字混合 token 繼續預訓練。其 Agent Swarm 可自行組織最多 100 個子智慧體、執行最多 1500 次工具呼叫，相比單智慧體執行時間最多縮短 4.5 倍。模型已上線 Kimi.com、App、API 和 Kimi Code；
Kimi 發布 PerceptionBench，16 個前沿多模態模型準確率均不足 60%
Kimi 團隊發布 PerceptionBench，這是從 42 個現有基準中的真實模型失敗裡歸納出視覺感知能力的評測集，包含 10 類原子感知能力：視覺關係、計數、屬性、深度與 3D、定位、比較、細粒度識別、上下文整合、OCR 與幻覺；共 3000 道經驗證題目，只需看圖即可作答，不依賴推理或外部知識。在 16 個前沿多模態大模型上，沒有一個模型準確率達到 60%，感知相關的幻覺平均是最弱項，總分接近的模型在實際感知內容上也可能差別很大。