Kimi K3.1 Pro 实测：3 万亿参数、全球前四，权重两周内开源

凌晨两点，一个独立开发者盯着 Blender 的界面发愁。他想给自己做的机械键盘做一个可交互的 3D 展示页，可是建模、绑定、导出、再写 Three.js 代码，每一环都是几个小时起步。他把一张参考图丢给 Kimi K3.1 Pro，得到的不是一段”你可以这样建模”的建议，而是一个自己跑起来的工程：模型建好，键帽能按，拆解动画和 360 度旋转也都做完了。

一分钟速览

• Kimi 发布 K3.1 系列首款模型 K3.1 Pro，3 万亿参数级，主打长程编程、知识工作与复杂推理。
• Artificial Analysis 全球智能指数拿到 55 分，进入全球前四，比上一代 K3 提升 11 分。
• Terminal-Bench 4.0 得分 65.7%，超过 GPT-6 Astra 的 58.2%，逼近 Claude Opus 5.5 的 66.4%。
• 支持百万 Token 上下文，API 输入每百万 Token 1.3 元（命中缓存）、13 元（未命中），输出 68 元。
• 同步推出 Highspeed 版本，输出速度约为普通版 2 至 3 倍；完整模型权重将在两周内开源。

这次不是”追平”，是直接报分数

过去大半年，国产模型发得很勤，但大多集中在轻量版本，真正能跟海外旗舰正面比的 Pro 级产品一直缺席。K3.1 Pro 的第一个动作，就是把分数摆在台面上：长程编程测试 61.2%，比 K3 的 55.95% 又抬了一截；3D 模型重建基准 BenchCAD 拿到 92.7%，与 Claude Opus 5.5、GPT-6 Astra 站在同一档。

更值得看的是任务形态的变化。测试里，模型被要求调用 Godot 引擎从零做一款 3D 潜行游戏，老板要有随机巡视、突然折返、背后偷袭的 AI 逻辑，碰撞检测、积分结算、胜负判定都得联动。它自己完成了引擎部署和项目构建，还自行跑了 23 轮测试，最后交付了 Godot 源工程和 Linux 独立运行版。另一项测试更极端：从零搭一套车辆物理仿真和三 D 驾考场地，自主驾驶、撞墙、找原因、改控制算法，折腾 12 轮之后以 100 分通过，碰撞 0 次、压线 0 次。

这些细节说明的不是”会不会写代码”，而是能不能在一段很长的任务里维持目标、自己发现偏差、自己回头改。长程执行能力，恰恰是过去开源模型和闭源旗舰之间最明显的那道沟。

3D 与金融：两个被低估的落地口

K3.1 Pro 这次可以不经 MCP 连接器直接调 Blender，用脚本完成参数化建模。给一张机械键盘参考图，它要推断看不见的内部结构，安排轴体、定位板、PCB 与外壳的装配关系，再处理穿模和格式转换。这类任务的难点不在渲染，而在空间关系与工程约束，模型能给出设计依据，意味着它开始理解”东西是怎么装起来的”。

金融场景则是另一条线。Office QA Pro v2 考的是财报检索、跨文档核对与推理，SpreadsheetBench 2 考的是 Excel 财务建模、跨表公式联动和自主纠错，两项基准上 K3.1 Pro 都拿到了最佳成绩，超过 Opus 5.5、Fable 5.1 和 GPT-6 Astra。给英伟达搭财务模型的演示里，收入增速、利润率一改，估值跟着更新，还能做敏感性分析。对每天埋在几十份财报里的分析师来说，这套能力的价值不在于”写得像”，而在于每个数字都能回溯。

价格才是这次真正的变量

百万 Token 上下文，输入 1.3 元、输出 68 元，官方给出的对比是价格约为 GPT-6 Astra 的五分之一。这个定价配合即将开源的权重，会直接改变一批产品的成本结构：过去因为调用成本而不敢做的长文档批处理、多轮 Agent 巡检、3D 资产批量生成，现在可以重新算一遍账。

当然，跑分和演示不能代替真实生产环境。长程任务的稳定性、工具调用的失败率、开源权重放出后的社区微调效果，都还要等实际使用来验证。但至少在这个时间点，国产模型重新回到了”可以拿旗舰来对标”的位置，而不是只能在轻量赛道里内卷。

接下来该看什么

第一是权重。两周内开源意味着社区会很快给出量化版本、端侧部署方案和垂直微调，真实能力边界会以很快的速度被摸清。第二是 Highspeed 版本的取舍，同等智能下 2 至 3 倍输出速度，对交互式产品和 Agent 流水线是两种完全不同的体验。第三是生态，3D Make 这类功能把模型能力直接做成了产品入口，能不能留住创作者，比基准分数更能说明问题。

对开发者来说，更实际的动作是挑一个自己熟悉的脏活重跑一遍：把那份一直没人愿意整理的财报、那个拖了三个月的建模需求、那段总是跑到一半就崩的自动化脚本，交给它试试。分数是别人的，能不能省下你的时间，才是自己的。