Kimi K3.1 Pro实测：挤进全球旗舰前四，先算清三本账

10月24日凌晨，月之暗面发布Kimi K3.1 Pro，定位3万亿级参数旗舰，支持100万词元上下文，继续成为全球参数规模最大的开源模型。独立评测机构Artificial Analysis把它的智能指数标到55.1分、全球第4，距离榜首的Claude Opus 5.5只差2.5分。但发布仅隔两天，10月26日凌晨，Kimi发布《致用户：关于近期使用体验问题的致歉与补偿》，承认会员使用新模型K3.1 Pro时出现限流和不必要的额度消耗。一边是国模罕见地杀进全球第一梯队，一边是"额度10分钟烧光"的吐槽，这场实测拉扯说明：旗舰地位已经坐实，但国模卷旗舰的下半场，比拼的是成本和体验，不是跑分。微博知乎微博

旗舰的"强"是真的：同一副底座，靠后训练涨分

K3.1 Pro不是重新预训练的新基座，而是K3的后训练加强版：2.8万亿总参数、每次实际动用约1040亿激活参数，支持100万token上下文和多模态输入，变化全部发生在训练的后半段。相比K3，它最明显的变化是进一步增加后训练计算量，并把强化学习扩展到数百个下游领域，RL框架、长上下文推理、沙箱、调度和环境质检整套翻新一遍。知乎36氪

效果集中在工程类基准。在考察真实终端编程能力的Terminal-Bench 4.0上，K3.1 Pro拿到65.7%，高于GPT-6 Astra的58.2%，距Claude Opus 5.5的66.4%不到1个百分点。Artificial Analysis用自家执行环境复测给出67%，是其测过的所有模型中最高的——一项评测、两个数字，差在工具链，方向一致。智能指数方面，它以55分冲上全球第4，较前代K3的44分暴涨11分。36氪知乎新智元

但"旗舰"并不全面：HLE从47%提到52%、SciCode从59%升到61%，提升幅度明显小于Agent相关指标，"代码、3D很强，但并非全面追平最强闭源"是数据自己能读出的结论。36氪

另一处明牌是主动的"减法"：为准备开放权重，官方从中期训练和强化学习两个阶段删除了网络攻防数据，在内部漏洞利用测试xdev-bench-hard上，发布版pass@3为81.0%，明显低于未删除数据训练流程的90.5%——安全取舍摆在台面上，不是疏漏。36氪

实测的两面：3D和金融真能打，额度真烧得快

正面实测撑得起宣传。有测试者把一张手绘三视图扔进去，40分钟得到608行Blender脚本、可编辑的.blend文件、1.7MB的GLB和一个可交互网页，成品尺寸与草图误差约1毫米，全程没有调用MCP或外部模型库。在考察从多视角渲染图重建3D物体的BenchCAD上，它借工具取得92.7%，接近Opus 5.5的96.2%；"3DMake"功能已经上线kimi.com和App，把这条链路做成了普通用户能直接摸到的产品。新智元36氪

金融侧同样有硬成绩：在基于真实金融文档的OfficeQA Pro v2上，它拿下64.4分的当前最优。不过，也有用户换到医疗场景实测后指出，幻觉问题仍然明显存在。新智元小红书

另一面是密集的重任务吐槽帖：有用户实测写五个前端页面，一个都没写完，200元套餐的5小时额度已经干没。B站 UP主"实验式"的实测标题问得直接：纸面跑分号称在多个指标压制GPT-6 Astra，真实表现如何？他的结论是"不及预期"。一名游戏开发者的对比更克制也更扎心：Claude Opus 5.5一次Prompt能拿到更完整的成品，K3.1 Pro需要多轮"继续增强"指令才肯交活。这些自测任务各异、口径不一，不能当严格结论，但共同指向同一处落差：demo够惊艳，稳定交付仍差一口气。小红书哔哩哔哩36氪

成本账：单价降了三分之一，"跑完一个任务"的钱几乎没动

这是整场发布最容易被误读的一组数字。API牌价确实降了：标准版输入13元、输出68元每百万Token，相比K3的输入20元、输出100元分别下降约35%和32%，输出价只有Claude Opus 5.5约134.4元的一半；缓存命中的输入低至1.3元。高速版Highspeed保持同样的模型智能，输出速度提升约2～3倍，价格约为标准版2倍。微博36氪

但Artificial Analysis按用户真正的付法算了一笔账：不看每百万token多少钱，看跑完一个标准任务结算多少钱——K3.1 Pro是1.98美元，K3是2.00美元，几乎没动；原因是它平均多输出14%的token，思考更长也更啰嗦。价目表按token标，账单按任务结，"降价三分之一"落到钱包里的幅度，要自己测了才知道。知乎

订阅侧的问题更直接：限流，加上上层编排派出的冗余子Agent，让重任务的额度消耗远超用户预期。10月26日凌晨的致歉给出补偿——所有仍在有效期内的订阅会员，统一追加月度总额25%的用量（约一周），已用不足25%的直接清零重置，并承诺减少不必要的子智能体调用、压缩输出长度。随之而起的"#AI收费该不该有明细#"讨论则指向行业通病：多轮子Agent调用对用户是黑盒，额度花在哪、事前有没有提醒，都没有答案。微博

"国模卷旗舰"卷到哪一步了

过去几个月，国产厂商密集发布的是主打性价比的Flash类轻量模型，K3.1 Pro的意义是用后训练路线把Pro旗舰的位置补上，并把价格打到海外旗舰的一半。完整权重承诺在11月4日前发布，届时按Artificial Analysis的判断，开放权重与顶级闭源模型的差距将从12分骤缩至3分，它将登顶开放权重榜首。按参数规模估算，权重文件将达到TB级，个人本地部署并不现实，开源红利真正流向的是企业和开发者生态。新智元

对普通用户，行动边界其实清晰：写代码、跑Agent、做3D的用户现在就能上手，但重任务要盯紧额度。打算接API的团队，别比单价，按自己的真实任务跑一遍成本账；想自建权重的，等11月4日兑现再决策。至于"能不能当主力"，在限流修复和额度透明化落实之前，这份实测给出的答案是：智能够格当旗舰，体验还欠一次大考。36氪