登录
10月24日凌晨，月之暗面在没有发布会、没有倒计时的情况下，把官网标题换成了K3.1 Pro上线，高速版Highspeed同步放出。先把规格和口径说清：总参数2.8万亿、MoE架构、单次推理激活1040亿参数、支持100万token上下文；而K3.1 Pro不是从零训练的新底座，它是7月K3的后训练增强版——参数一个没加。官方博客对这条升级路线的表述很直接：K3.1 Pro的长程编程能力"通过大规模强化学习得到增强"。知乎华尔街见闻Kimi.ai
热度都压在一张成绩单上。Artificial Analysis综合智能指数里，K3.1 Pro拿到55分、全球第4，GPT-6 Astra和Gemini 4 Argon被压在身后，开源模型与最强闭源旗舰的差距被压到一分上下。但最能代表"干活能力"的Terminal-Bench 4.0，两套尺子量出两个结论：月之暗面自测65.7%，落后Claude Opus 5.5的66.4%约0.7分、领先GPT-6 Astra的58.2%。；而AA独立复跑给到67%，在它的对比集合里反而是全场最高分。差距不在模型，在评测框架——工具怎么调、超时怎么算、对手集合取谁，都能挪动好几个百分点。看这张榜的正确姿势是：开源与闭源旗舰的身位确实缩到了一分以内，但"第一"和"差0.7分"可以同时为真。知乎华尔街见闻知乎
实测：3D与前端是长板，额度也是真烧
发布当天的社区实测几乎都围着3D和前端转。有人把macOS Tahoe壁纸里的太浩湖做成了可交互3D网页，整页由K3.1 Pro一轮对话、31分钟写成。有博主让它生成一个带复杂物理引擎的3D跑酷游戏工程，结果独立跑通。官方案例则把上限推得更远：基于开源人体解剖模型搭建行走动力学仿真器，在167项任务、420次独立评审中持续诊断并修正控制器，让仿真人体从几秒即倒练到交替步态连续行走11.2秒。3D建模方向，官方口径的BenchCAD成绩是带工具92.7%，仍落后Opus 5.5的96.2%；kimi.com同步上线了3D Make入口，生成结果可直接下载做3D打印。知乎小红书华尔街见闻
提升集中在Agent类测试并非偶然——月之暗面称，为了支撑数百个下游领域的联合训练，把技术栈每一层都重做了一遍，RL框架、长上下文推理、训练效率、沙箱基础设施、调度系统全部重建。AA侧同方向印证：SaaS工作流的AutomationBench从58%涨到73%，真实工作任务榜GDPval-AA排到第3。唯一要留心的官方数字是幻觉率：从K3的23.4%降到8.3%，但月之暗面自己注明，这是刻意选取模型容易出错场景的压力测试，不代表日常使用的整体错误率。知乎知乎华尔街见闻
单价降了三分之一，任务成本为什么没降
API标准版每百万token输入13元、输出68元、缓存命中1.3元；美元价2美元/10美元，较K3的3美元/15美元三档齐降三分之一，高速版价格翻倍、输出快2到3倍。但降价不等于省钱：AA算过，K3.1 Pro每个任务平均输出55K token，比K3的48K多14%，单价降的三分之一被更长的思考抵消，单任务平均成本1.98美元、与K3基本持平。横向看仍然便宜：同一口径下GPT-6 Astra单任务3.26美元，Claude Opus 5.5要5.98美元，约为它的3倍。华尔街见闻知乎知乎
订阅用户的体感比API复杂。有人实测代码生视频，开最大推理档跑54分钟，一次吃掉Pro套餐月额度的6%。也有人做一条GTA风格宣传视频耗时10小时、烧掉4M token、花约52美元。更常见的抱怨指向订阅额度：有人实测写五个前端页面一个都没写完，直呼"200老套餐 5h额度直接干没了"。这些都是发布夜的个体样本，且拉满思考档再叠高速版本就最费，但它们指向同一个事实：API单价下调，并没有同步反映到订阅额度的消耗上。小红书哔哩哔哩小红书
11月4日才是大考：将开源，不等于已开源
官方对权重的说法是11月4日前发布，但X发帖写"11月4日发布"、博客写"11月4日前"，许可证至今没给。权重落地前，没人能本地部署或独立复现那套跑分——AA的原话也留了将来时：“权重发布后它将成为得分最高的开放权重模型”。把"将开源"传播成"已开源"，是这一轮榜单解读里最常见的错位。知乎知乎
还有一处官方主动披露的削弱：月之暗面称在中训练语料和RL环境里发现了网络安全相关内容，最终版本从两个训练阶段都做了移除；代价直接写进了自家测试——xdev-bench-hard上，未做削减的检查点得分90.5%，发布版只有81.0%，主动砍掉9.5个百分点。"开源版刻意削弱网安能力"随即成为知乎热榜问题，争议的核心是开放权重该不该设限——这也是国产模型第一次把双重用途风险的取舍摆上台面。华尔街见闻知乎
国模卷回旗舰牌桌，接下来看什么
把时间线拉直：7月16日K3发布时是国模第一、世界顶尖，此后几个月海外模型密集更新，差距一度被重新拉开。现在同一把AA尺子下，小米MiMo-V2.6-Pro 46分、智谱GLM-5.3 45分，K3.1 Pro的55分比这两个成绩高出近10分。更值得注意的路线信号是"不加参数、只堆RL"——在卡少价高的国内算力环境里，这可能是今年国产旗舰最现实的一条升级路径。微博知乎
对用户来说，决策可以拆成三条：做前端、3D和长程编码任务的，现在就值得拿真实工作试一轮，但先别急着换套餐，用一周额度消耗速度比任何评测都准；查资料、要事实准确的场景，别把压力测试的幻觉数字当日常错误率；至于那个全球第4与67%的第一，要等11月4日权重放出后，才会迎来第一次真正的独立检验。
