理应资讯
软件研发智能化

Kimi K3.1 Pro 在 Terminal-Bench 4.0 接近 Opus 5.5,输入单价约为其一半;月之暗面弱化漏洞利用训练

理应编辑室 ·

开源编程助手 Cline 转发月之暗面 Kimi K3.1 Pro:Terminal-Bench 4.0 准确率约 65.7%,接近 Opus 5.5 的 66.4%,标价约为一半;训练中移除网络攻击数据以使漏洞利用任务表现下降约 10%。

Cline 账号援引 Moonshot 数据称,Kimi K3.1 Pro 在 Terminal-Bench 4.0 上准确率约 65.7%,与 Claude Opus 5.5 的约 66.4% 接近,而标价约为后者一半(图中 Opus 约 $4/$20、Kimi 约 $2/$10,按每百万输入/输出 token)。同图还列出 GPT-6 Astra(约 58.2%)、Fable 5.1(约 57.9%)、DeepSeek V4.1 Flash-1017(约 42.3%)、GLM-5.3(约 41.8%)等对照。

帖文还称,月之暗面从 mid-training 与强化学习阶段移除网络攻击(cyber)相关数据,有意使漏洞利用类任务表现下降约 10%,同时编码等其他能力继续提升。这对应“通用/编程能力上升、攻击面训练被主动削弱”的产品选择;具体评测集定义与降幅统计口径以官方技术说明为准。

Terminal-Bench 对比

对编程智能体与 IDE 插件选型而言,接近前沿终端基准、更低公开标价,外加刻意压低 exploit 任务分数,是本轮开源权重模型竞争里一组可核对的公开数字,也提醒团队在采购评测中同时看能力榜与安全相关任务表现。终端基准侧重命令行工具链与多步调试,与纯代码补全榜单互补,适合评估“能在沙箱里把事情做完”的代理能力。

若团队已在 Cline 或同类代理 IDE 中接入多家模型,可用同一批终端任务复测本地延迟与成本,再决定默认路由。

# Kimi# Moonshot# Terminal-Bench# 编程模型# 安全