实测 Kimi K3.1 Pro，依旧是国模一哥，但有点想吐槽！

大家好，我是小林。

就在周末的1024这一天，Kimi 发布了最新 Kimi K3.1 Pro旗舰模型，模型总参数接近3万亿，是个妥妥的巨无霸，而且还支持多模态，依旧开源！

前段时间大家还在聊国模是不是掉队了？Kimi 这次算是正面打回来了，跟全球顶尖闭源旗舰打得有来有回。

在 Artificial Analysis 的智能指数榜上，K3.1 Pro 拿了 55 分，冲到全球第四，直接压过了 GPT-6 Astra（53 分），离榜首的 Opus 5.5 也就差 3 分，非常逼近。

更让我意外的是 Terminal-Bench 4.0，这个榜专门考 Agent 在终端里实际干活的能力，K3.1 Pro 跟 Opus 5.5 只差不到 1%！

说实话，Kimi 的模型能力一直不错，就是套餐额度给得比较抠，不太经用。

不过我自己还是一直开着会员。一来模型确实好用，二来 Claude 动不动封号，Astra 时不时降智，手边常备一个 Kimi，心里才踏实。

这次 K3.1 Pro 在前端、3D建模和游戏这些方面提升尤为明显，我翻了下官方放出来的 demo，有用 Godot 4.7.2 做的 3D 冒险，还有在 UE 5.8 里搭的东方神话对战，做出来的效果都非常牛逼。

所以我也做了个游戏，不是那种一个 HTML 就能跑完的网页小游戏，而是有前端、有后端、背后还跑着一台服务器的经营游戏。

游戏的灵感是这样的，双十一马上又要来了，我家楼下的快递驿站估计又要被包裹淹没。最近刷到不少「体验 xx 人生」的视频，我就突然想到，要是让我去当几天驿站老板，能扛得住双十一吗？

于是我让 Kimi K3.1 Pro 给我做了一款驿站经营游戏，名字就叫「驿站大亨」。这回换我来当老板，gogogo！

────驿站大亨游戏────

先带大家看看 Kimi 最后做出来的成品吧。

本次体验的人生里，玩家就是驿站老板，用 WASD 在店里走来走去搬包裹，快递车一车车把包裹卸在门口，要先**，再按取件码送上对应分区的货架，错放了那你找件就得多花时间。

从卸货、**到上架，实际操作起来是这样的。

顾客来取件，要按他实际分配的包裹去找，找到再交付，他们还会催件和投诉，甚至要求改地址，改地址就得找到包裹，重新办面单，再移到待寄区。

最磨人的是改地址，顾客会弹出这样一个申请，台词是 Kimi API 现场生成的，接不接由你说了算。

一天下来又是卸货又是找件又是改地址，驿站老板真是勇敢牛马，不怕困难。

赚了钱可以升级货架，雇店员，给店员设岗位优先级，一天天经营下来，最后撞上双十一当天的爆仓。

当然啦，谁要是闲着没事做想找虐，直接体验爆仓的话，还有一个双十一挑战模式，首页点一下就进 11 月 11 日，可以反复重开🌚。

光看图可能还是有点抽象，我录了一段玩法视频，第 1 天的每一步都配了字幕。

而且这游戏可比一般的网页小游戏复杂多了，前后端俱全，背后还跑着一台服务器。

前端是 Three.js 加 TypeScript，后端是 Python FastAPI 加 SQLite，WebSocket 负责把状态推给前端。钱、库存和顾客的耐心都在服务器上算，浏览器只负责把店画出来，顾客催件、投诉、改地址时说的话，调用 Kimi API 实时生成。

接下来，我就一步步讲讲，这个游戏是怎么做出来的。

────安装 Kimi Code────

这次我用的工具是 Kimi Code 2.3.1，打开终端，跑下面这条命令就装好了。

● ● ●curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash

装好以后输入 kimi 启动，这次我用的是自带的网页界面 kimi web。

模型选的是 Kimi K3.1 Pro Highspeed。

────开发游戏的流程────第一步：梳理需求

万事开头难，我也没敢一上来就让 Kimi 写代码。这么大的游戏，需求都没捋顺就开写，后面肯定一堆地方达不到要求，只能边写边改。

所以第一个提示词，我只把想法讲了一遍，再加一句先别写代码，有拿不准的地方先问我。

结果也很听话，提示词刚发出去，倒先反问起我来了。很眼熟，就像我平时去驿站取件问老板东西时，老板第一句永远是反问「手机尾号多少」。

有意思的是，每个问题都带着推荐项和理由。比如上架找件的规则，推荐的是按取件码分区上架，错放了就会多花找件时间，这下驿站的味道一下就对了。

最后交卷的时候，我还发现 Kimi 自己把文档校对了两轮，连首版没打算做的东西都帮我收掉了。

这里建议你们也这样做，拿不准的地方先让 AI 问你，比你自己捣鼓一大段提示词省事多了。

第二步：设计玩法和数值

需求文档我看了，方向没问题，接下来就让 Kimi 写产品文档，把一天的经营流程和各项数值都讲清楚，最好把七天的经营曲线算一遍，看正常玩家到双十一能不能顶住爆仓，具体怎么说看截图。

K3.1 Pro 先定了一个正常玩家的标准，照着把七天的账从头到尾算了一遍。算完又自己复核了一遍，发现完成量只是假设，没真排过队，就把没验证过的结论收回去了。

Kimi 自己也很清楚，账目计算和实战里跑得通是两回事，排队和寻路还得试玩才能确认，这点也能看出工程能力确实有东西的。

再来看算出来的结果。双十一那天 10 车 180 件包裹，是第 6 天的 2 倍，正常打法能拿二星通关。

再看人手，正常打法下店员的工作量已经排到了九成七，余量只剩大约 3%，整个游戏的瓶颈就在这里。

更狠的是，双十一开门时现金只剩 196 元，一分闲钱都没有，但正常打法刚好撑得过去，突然感觉跟我双十一剁手完吃土的月底差不多。

第三步：设计架构和接口

数值定下来以后，就轮到技术方案了。

技术栈我自己定好了，只让 Kimi 出一份架构设计文档和一份 API 接口文档。

写完以后又自己交叉检查了一遍，揪出了两个坑。

这两个坑在写文档阶段就堵上了，所以文档写完，记得让模型自己交叉检查一遍。

第四步：制作原型图

文档齐了，我新开了一个会话，让 Kimi 先读完 docs 下面的四份文档，再做一版原型图。

主要的界面都要有，用静态 HTML 就行，要能点着把一天的流程走一遍。

风格上，原型选了暖色低多边形，找件也不是点一下就完成，要进分区货架，核对取件码，拿起包裹再交付。

这里买升级会扣现金加容量，岗位顺序能调，交付会更新收入和库存。

我还挺好奇这要怎么测，毕竟我本机既没有 Node，也没有浏览器测试库啊。

Kimi 说不用那些花里胡哨的，直接拿 Python 手写 WebSocket，去连 Chrome 的调试接口，自己做点击和断言，那我们去驿站拆快递，手边没有剪刀，不也直接掏出钥匙把胶带划开了，脑子得灵活变通。

第五步：开发后端

文档和原型都定了，该写后端了。

Kimi 没急着动手，先出了一份实施计划让我批准，计划里核对了两份文档，还考虑到了我本机的环境。

批准以后就一路写下去了，过程是这个样子的。

写完还专门开了一个子 agent 做独立审查，查出四个现有测试没盖到的问题，比如店员可能接走老板手里拿着的包裹。

这里建议你也在提示词里写上全部通过了再汇报，再找个子 agent 独立审查一遍，自己写的测试，往往测不到自己的盲区，也是我们常说的模型自我乐观评价，K3.1 Pro 显然也清楚这一点。

第六步：开发前端

后端在收尾的时候，前端就可以开工了。

动手之前，Kimi 先派子 agent 去看后端实际返回的数据，没有只照文档，结果发现后端和文档对不上好几处，还缺一个立即打烊的接口。

于是就按后端的真实情况来写，打烊时前端只展示状态，不自己造结算。

然后4 个子 agent 分头开工。

写完在真实浏览器里打开一看，货架，暂存区，柜台和老板就都出来了。验收的时候，K3.1 Pro 用真实键鼠从开门玩到打烊，一路等到服务端自然打烊，进入第 2 天。

当然一天只是开始，这家驿站要一路经营到双十一。

第 1 天店里只有老板一个人，货架也只有 A 和 B 两排，从门口卸货到柜台交付全得自己跑，顾客一多，就只能在货架和柜台之间来回折返。

打烊结算以后，当天赚的钱可以拿去商店花。第 2 天开门前，我先雇了第一个店员阿林，他会按岗位顺序帮着卸货和上架，老板就能多守一会儿柜台。

到第 4 天钱够了，我就把店面扩建了一级，开放分区多了 C 区，雇员上限也从 1 人变成 2 人，于是又把小周招了进来。

回到店里，后墙就多出了一排 C 区货架。

第 5 天再扩建一次，D 区也有了，第三个店员小陈跟着到岗，四排货架也陆续升到了 Lv.2。第 6 天再给三个店员各培训一级，这下人手和货架总算凑齐了，就等双十一了。

第 7 天就是双十一，一天来十车货，前一车还没卸完，后面两车已经在路上了，柜台前的顾客一路排到门口，还有人临时要改取件地址。

这下是知道我们在购物车里点下单的时候有多爽，驿站老板这天就有多忙。

好在人手和货架都提前备齐了，一直撑到打烊，七天战役就算完成了，双十一这天拿了一星，营业收入 2006 元。

七天连起来就是下面这段视频。

────写在最后────

驿站大亨从一句想法开始，到需求、数值、架构、原型，再到前后端开发和验收，一整条流程都是在 Kimi Code 里跟 K3.1 Pro 一起走完的。

回头看这一趟，最让我放心的倒不是代码写得多快，而是 K3.1 Pro 干活的习惯。

拿不准先问我，算完数值自己复核，写完后端再拉个子 agent 审一遍，写前端前还先去核对后端真实返回的数据。

这几个习惯，正好是做完整项目最需要的。

从这次实测的感受来说，K3.1 Pro 跟 Opus 5.5 比还是稍弱一些，但差距已经很小了。

放在国产模型里，K3.1 Pro 确实是当之无愧的一哥。

不过有一点要吐槽的是，不知道是不是kimi算力太缺了，我订阅的Pro套餐，实测的时候，发现5h额度消耗速度真的太快的，这体验就不是很好了。

在这里也希望kimi把额度弄的大气一点，多加加卡，多学学codex，多多重置，让更多广大用户能够好好爽玩一把 K3.1 Pro 模型。

好了，今天就到这里。

双十一快到了，希望楼下那位老板到时候比我游戏里的老板撑得住哈哈。