月之暗面发布 Kimi K3.1 Pro，2.8T 总参数、104B 激活参数，支持100万 Token 上下文，也同步发布的 Kimi K3.1 Pro 技术报告。推荐大家读一读。

Artificial Analysis 榜上，K3.1 Pro 获得55分，比 K3 提升11分。尤其是 Agentic Coding，Terminal-Bench 4.0 成绩从13%提升到67%。

但我觉得，这次最值得关注的是背后的技术路线。
1、基础架构没换，RL Scaling 带来巨大提升
K3.1 Pro 延续 K3 的 MoE 架构，主要通过扩大后训练规模，在数百个领域开展联合强化学习（Joint RL）。
这也说明，在足够强大的基础模型之上，Post-training 仍然有很大的提升空间。
尤其是 Coding、3D、金融等复杂任务，模型需要持续执行、获得反馈、修正错误，这些场景非常适合通过可验证的反馈进行强化学习。

2、Agent RL 开始拼训练基础设施
这次报告专门强调了 Sandbox、Rollout Scheduling、Long-context Inference 和 Environment Quality Checks。
Agent RL 需要让模型在真实或模拟环境中执行任务，通过工具运行结果获得反馈。
而不同任务的执行时间差异巨大，训练系统既要高效调度大量轨迹，又要保证执行环境和奖励信号的可靠性。
未来 RL Scaling 的竞争，除了算力，还取决于训练环境质量、轨迹采样效率和 Reward 的可靠性。

3、从写代码，到完成复杂工程任务
报告展示了一个有意思的案例。
Kimi 在构建人体行走模拟器时，经过167个任务阶段、420次评审，最终发现并修正了36处动力学计算错误，让模拟人物连续行走11.2秒。
它不只是修改代码，还能分析实验失败的原因，发现环境本身的问题，再修复并重新训练。
另外，在 BenchCAD 测试中，K3.1 Pro 使用工具后，成绩从72.8提升到92.7。
Agent 正在从代码生成，走向长周期、可验证的工程任务执行。

强大的基础模型，规模化 Agent RL，高质量的训练环境和反馈机制，可以继续推动模型能力显著提升，或许是后续大模型厂的重点方向。

#Kimi #月之暗面 #KimiK31 #KimiK31Pro #RLScaling #AgentHarness