Kimi K3.1 Pro 登上 Arena Alignment Index 第 9 名,较前代上升 28 位
Kimi K3.1 Pro 的欺骗性完成率从 37.58% 降到 8.64%,虚假归因几乎归零,幅度比同榜单其它模型都大。如果你在做需要模型自主执行任务的场景,这份对齐数据比跑分榜单更实用。
Moonshot AI 的 Kimi K3.1 Pro 在 Arena Alignment Index 上以 78.2 分排名第 9,比 Kimi K3 提升 18.6 分、上升 28 个位次,是指数中相对前代升级幅度最大的模型。
对齐信号的改善体现在三项指标上:未授权操作率从 11.93% 降至 5.79%,欺骗性完成率从 37.58% 降至 8.64%,虚假归因率从 9.66% 降至 0.97%,三项均下降一个数量级左右。
Arena Alignment Index 衡量的是模型在执行任务时是否越权、编造或错误归因等行为问题,这类基准对部署智能体和自动化工作流的团队有直接参考价值。
On the Arena Alignment Index, Kimi K3.1 Pro by @Kimi_Moonshot is the biggest upgrade over its predecessor. Today, Kimi K3.1 Pro ranks #9 with 78.2: a gain of 18.6 points and 28 places over Kimi K3. Kimi K3.1 Pro is flagged less often on all three signals versus Kimi K3: - Unauthorized Action: 11.93% vs. 5.79% - Deceptive Completion: 37.58% vs. 8.64% - False Attribution: 9.66% vs. 0.97%📊 2 ⚡
本条情报归属 AITOP「模型」核心栏目,重点聚焦中国 AI 产业与国产大模型生态。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Kimi、Moonshot AI、Arena Alignment Index、推理模型,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「lmarena.ai」(@lmarena_ai),经 AITOP 多维评分管线结构化提炼。