10月24日，月之暗面正式发布K3.1系列首个模型Kimi K3.1 Pro。先纠正标题里的一个隐含前提：这次发布的新变量并不是3万亿参数——总参数2.8万亿、每次推理激活1040亿、支持100万上下文的这副底座，三个月前的K3已经就位。 K3.1 Pro没有改动模型架构和参数规模，改的是后训练。真正可能撬动国产AI编程格局的是三件事：在Terminal-Bench 4.0上自报65.7%，与Claude Opus 5.5相差不到一个百分点；单位任务成本约为闭源旗舰Opus 5.5的三分之一；完整权重承诺11月4日前开源。三件事叠加，国产模型在旗舰缺位约两个月后重新坐回全球第一梯队的牌桌——但"重塑格局"目前只走完了前半场。哔哩哔哩知乎
编程到底考了多少分，哪些数字是别人测的
Terminal-Bench 4.0考的不是写一个函数，而是让编程智能体在真实环境中用有限的资源完成终端任务，每项任务都有严格的专项测试。K3.1 Pro在这项上自报65.7%，同榜GPT-6 Astra为58.2%、Claude Opus 5.5为66.4%——国产模型第一次在终端编程这个最贴近真实工程的主战场上，把与闭源旗舰的距离压进一个百分点。独立评测机构Artificial Analysis按自己的设置测到约67%，与公司口径互有出入但指向同一结论。知乎量子位知乎
其余成绩呈同一模式：在考验多步执行、工具调用和端到端问题解决能力的长程编程测试中，K3.1 Pro得分61.2%，较K3的55.95%进一步提升。在Artificial Analysis的智能指数里，它拿55分、列全球第四，较前代暴涨11分。衡量真实工作任务的GDPval-AA约列第三（1846 Elo），AutomationBench-AA从58%升到73%。量子位36氪
官方同步公布的成绩单里还有一个对"格局"更直接的数字：同一Terminal-Bench 4.0下，GLM-5.3和DeepSeek V4.1-Flash-1017分别得41.8和42.3分（厂商自测口径）。此前被并列讨论的国产编程头部力量，如今被这道分数重新划分了座次。
参数是旧闻，新赛点在后训练
K3发布于约三个月前，是首个开源的3万亿级原生多模态模型；K3.1 Pro继承了同一副底座，官方口径下这是中国首个针对3万亿参数做后训练的模型。为了让强化学习在数百个下游领域同时展开，团队对RL框架、长上下文推理、训练效率、沙箱基础设施、调度系统以及环境质量检查平台进行了系统性改造。同一副参数，智能指数从44到55：竞争的价值点已经从"谁的参数大"移到了"谁能把大参数练透"。对编程用户，要害在于模型能不能持续干活——官方的人体行走仿真演示里，基于296个骨骼组件、402个肌肉组件的解剖模型搭建系统，模型经历了167项任务和420次独立评审。几秒就摔倒的虚拟人被调到连续行走11.2秒；调参失效时它转去检查仿真器底层动力学，发现并修复了肩部肌肉力臂计算中的36处错误。知乎36氪知乎
格局位：Flash刷屏的两个月之后
此前的两个月里，国产厂商接连发布的是主打性价比的Flash轻量子弹——10月19日的MiniMax M3.1 Flash把价格打到每百万token输入1元、输出4元，比上一代便宜一半以上，权重10月23日已经开源。智谱8月的GLM-5.3则被称为主流基准上排名最高的开源模型。最能代表技术上限的Pro级旗舰迟迟缺席，国产大模型最近发的都是主打性价比的「Flash」模型，真能打的「Pro」去哪了？K3.1 Pro填的正是这个空位。知乎智谱36氪
产品面同步铺开：K3.1 Pro已经上线网页端、App、Kimi Code和API。Kimi还推出HostedAgents托管智能体服务，把支撑Agent长时间运行的Harness作为云端基础设施提供给企业和开发者，可以运行7×24小时长程任务。网页和App里可以直接创建、预览、编辑3D模型，下载用于3D打印。知乎36氪知乎
价格这本账：API便宜是真的，订阅疼也是真的
K3.1 Pro的API输入价格为每百万token 1.3元（命中缓存）、13元（未命中缓存），输出68元。这比上一代K3便宜约三分之一，按美元价格算只要GPT-6 Astra的五分之一。但"便宜"要按单位任务重算：Artificial Analysis测得它完成整套智能指数评测累计输出约1.5亿token，比参测模型中位数多72%，被直接评价为"非常冗长"；好在token单价足够低，其单位任务平均成本约2.11美元，仍低于Opus 5.5的约5.98美元和Astra的约3.26美元。“话多但便宜”，在API上成立。量子位知乎36氪
矛盾出现在订阅端。发布当天最集中的抱怨是额度：有用户称每月99美元的套餐仅运行一个会话、没有启动Agent群组，大约47分钟就触发了5小时额度限制。服务侧，有开发者在Kimi Code CLI中实际使用时多次遇到了自动重试。Claude、OpenAI用户也有类似的额度墙体验，但K3.1 Pro定位长程Agent，模型越擅长持续搜索、调用工具和自检，一项任务就越容易撞上额度墙——开发者社区已开始讨论"混合用模"：让K3.1 Pro负责规划，更便宜的模型承担批量执行。36氪知乎
"重塑格局"之前，还有三个尚未
权重还没落地。 发布时权重并未公开，“全球最大开源模型"目前仍是K3时代的资产。Artificial Analysis一方的判断是：11月4日完整权重放出后，它很有可能成为开源权重模型第一名，并把开源与闭源榜首差距从约12分收窄到约3分。开源版同时移除了网络攻防训练数据——若不删除，同一训练流程的模型在xdev-bench-hard上pass@3可以达到90.5%，最终发布版降至81.0%。开发者为此争论：这是现实的安全折中，还是"内部练出了更强版本但选择不释放”。知乎36氪
题集与体感存在裂口。 官方题集亮眼，私测反馈两极：有用户直言公开的题集表现的不错，私测的题集都非常拉。B站多项实测肯定3D表现，但也认为还没觉得它和DeepSeek拉开了多大差距。评测结构也印证"偏科"：Humanity’s Last Exam从47%提升到52%，SciCode从59%升至61%，提升幅度明显小于Agent相关指标。一名游戏开发者的对照很具体：同样的3D场景，Claude Opus 5.5一次提示词出成品，K3.1 Pro需要多轮"继续增强"指令。知乎哔哩哔哩36氪
宣发叙事需要打折。 海外推广被创作者Elshayib曝光为付费模板化传播：参与推广的创作者必须提前提交文案，获得批准后才能发布。官方话术模板把模型包装成"便宜5倍的开源版Opus 5.5"“中美前沿模型差距已经缩到一个月”，月之暗面随后向当事人道歉。叙事可以刷屏，账单和额度不会。知乎知乎
回到标题的问题：K3.1 Pro已经改变了国产AI编程的牌面——旗舰席位回来了，单位任务成本锚点被刷新，开源可部署的上限在权重放出后离闭源前排只剩3分左右；但"重塑格局"仍是进行时，11月4日权重的真实部署形态、订阅额度的使用体验、长程任务的体感稳定性，这三个变量决定它最终改变的是"牌面"还是"格局"。对正以Claude Code、Codex为主力的开发者，现阶段的正确动作不是转发榜单，而是固定几项有已知答案的真实任务做一至两周并行测试——参数和跑分是厂商给的，结果得是自己的。
