Kimi K3.1 Pro 发布：AA 智能指数 55 分列第四，价格降三分之一

月之暗面在 10 月 24 日 上线 Kimi K3.1 Pro，同一天还放了个高速版 K3.1 Pro Highspeed。这是 K3.1 系列的第一个模型，官方口径是"迄今能力最强的 3 万亿参数级模型"，100 万 token 上下文，重点补的是代码、3D 创作、金融研究和长程 Agent 四块。

有个细节容易被"发布"两个字盖过去：基座没换。K3.1 Pro 是 Kimi K3 的后训练版本，参数规模、上下文长度、原生图像与视频输入全部继承，多花的是后训练那笔算力。官方说强化学习铺到了数百个下游领域，配套把 RL 框架、长上下文推理、沙箱和调度系统重做了一遍。

为什么钱要往这儿砸？因为你让 AI 干活时，卡住你的通常不是它答不出来，是它干到第三十分钟开始跑偏，或者把一件五分钟的事写成两千字。

基座不变，算力集中在后训练

官方的说法是这轮重点在"长程"。翻成人话：一次任务要跑几十轮工具调用，中途读文件、改代码、看报错、再改，这种活儿以前跑到一半就散架。

参数摆出来看：2.8 万亿总参、1040 亿激活，MoE 结构，官方习惯叫"3 万亿级"。上下文 1,048,576 token，原生吃图片和视频。

真正影响你每天怎么用它的，是三个使用约束，它们比跑分重要。

思考模式关不掉。 关掉思考直接发请求会被拒。唯一的方向是 reasoning_effort 在 low / high / max 三档里选，默认 max。

换模型会让缓存失效。 在旧会话里切到 K3.1 Pro，官方明确说输出质量会掉、缓存命中率也会掉，建议开新会话。缓存命中价是未命中价的十分之一，掉一次不算小事。

高速版花的是额度，不只是钱。 Highspeed 速度约 2~3 倍，API 价格翻倍，Kimi Code 里的额度消耗也大约翻倍。

榜单：综合第四，几个专项到第一

跑分这块得先分清谁在打分。

官方放了 14 张图，对手是 Claude Opus 5.5、Claude Fable 5.1、GPT-6 Astra、DeepSeek V4.1-Flash-1017 和 GLM-5.3，全部开最高思考档。这些多数是厂商自测，一部分还是内部基准，看排名，别看柱子长短。

独立那边的两个数更值钱：Artificial Analysis 的智能指数给 55 分，第四名，前面是 Opus 5.5 的 58、Sonnet 5.5 的 56 和 Muse Wonder Full 的 56；Code Arena 的 WebDev 榜 1692 分，比 K3 往前挪了九位，同档位成本低约七成。

官方自测里能拿出来讲的几条：

• Terminal-Bench 4.0：65.7，Opus 5.5 是 66.4，差 0.7 分。
• SWE Marathon：51.7，第一。
• OfficeQA Pro v2：64.4，压过 Opus 5.5 的 62.2 和 GPT-6 Astra 的 54.4。
• Humanity's Last Exam 带工具：70.0，第一。
• OSWorld V2.1：79.6，比两个 Claude 都低一点。

短板也没藏：Terminal-Bench Science 0.1 只有 38.1，GPT-6 Astra 是 68.1。自家办的 Kimi Code Bench 3.0 长程项拿 61.2，还是不如 Astra 的 66.5，但比 K3 的 55.95 涨了近 5 分。

取舍很清楚：终端里的科学计算暂时别指望它，写代码、跑长流程、查文档够用。

金融也是重点：单条事实错误率从 23.4% 降到 8.3%

官方把金融单独拎出来讲，理由不难猜——那是少数愿意为"少错一次"付钱的场景。

三个内部基准的提升：金融建模提高 7.2 分，金融研究提高 11.6 分，模拟商业运营成绩到原来的约 4.2 倍。

更能说明问题的是幻觉那个数。内部压力测试 Kimi Hallu Bench Hard 里，模型生成内容的单条事实错误率从 K3 的 23.4% 掉到 8.3%。这套题专门挑容易出错的复杂任务，别拿它当日常幻觉率的估计，但趋势清楚。

演示给了三个活儿：英伟达的财务预测与估值模型、宁德时代的投委会报告、量子计算行业研究报告。三件都能端到端交付，从翻资料、跨文档对数，到搭模型、出盈利分析。

对做投研的人，比"强了多少分"更实在的是那句"跨文档核对"。表格里的数对不上，模型得自己揪出来，这活儿以前基本靠人眼。

价格降三分之一，按 token 算和按任务算是两笔账

价目先摆平：

按人民币口径，输入降 35%、输出降 32%。按美元口径，三项统一降三分之一。按官方 quickstart 的说法，长上下文不额外加价。

跟外面比：GPT-6 Astra 是 $10 / $50，K3.1 Pro 是它的五分之一；Opus 5.5 是 $4 / $20，K3.1 Pro 正好一半。

然后是那条容易被漏掉的账。

Artificial Analysis 实测标准版输出速度 约 73.5 tok/s，低于同类平均，而且输出篇幅偏长。两个数放一起算：单价降三分之一等于 0.67 倍，只要同样任务的输出字数多出五成，省下的钱正好被吃回去（1 ÷ 0.67 ≈ 1.49）。

所以划算不划算，别按 token 比价，按"办完一件事花多少"比。一个 400 万 token 的 3D 项目，和十次 4000 token 的问答，是两种完全不同的账。

社区实测：10 小时做出 3D 游戏，花 52 美元

这里的数据来自社区，不是官方。

一个 3D 游戏，10 小时、400 万 token、约 52 美元。另一个人做了个类蜘蛛侠的游戏，8 小时、380 万 token、34.72 美元。还有个 3D 网站把一只机械手拆成 2317 个部件。

同样的活换 GPT-6 Astra 或 Opus 5.5，社区的说法是很容易超过 500 美元。这个对比我没法独立复现，当量级参考就行，别当报价单。

官方演示走的是另一路：接虚幻引擎做游戏场景，用 FreeCAD 造了个能转起来的航空涡扇发动机，用 Blender 复刻新加坡机场的室内雨林。3D 是这轮明摆着要抢的地盘。

另外官方推出了 Hosted Agents，把支撑 Agent 长跑的 Harness 当云基建卖，7×24 小时长程任务、支持多智能体协作。这条对企业的意义大于对个人：你不用自己搭一套扛得住几十轮工具调用的运行环境。

权重承诺 11 月 4 日前，但现在还不是下载链接

承诺不是文件。 官方说完整权重 11 月 4 日前发布，按以往的节奏大概率能到，日期滑过也不是没发生过。等链接真出来，还得看许可证写了什么——权重开放和能商用是两件事。

有个安全口径值得记一句：官方说在中训练和强化学习阶段主动剥离了网络攻击相关数据，公开权重"不会推高攻击性黑客能力的前沿"。这话是他们自己的说法，没有第三方审计背书，代价会落在安全相邻的工作上。

对想自部署的人，先看一眼硬件：3 万亿级 MoE，不是一张卡能塞进去的东西。

这次真正在卖的是"单位任务的价钱"

把几件事串起来看。

基座不动，只砸后训练，说明在 3 万亿这个体量上，继续堆参数的边际收益已经不高，把已有能力用到活儿里更值钱。

单价降三分之一、速度还偏慢，这个组合挺矛盾，但它指向同一件事：它在赌你按"任务"付费，而不是按"token"付费。单价便宜、话变多了，算总账才见真章。

权重承诺开放，把压力甩回闭源那边——前端差 0.7 分，价格便宜一半，还能自己部署。

说真的，最该动的不是盯着榜单，是拿你每天重复的那两三个任务跑一遍，记"完成一次花多少钱、花多久"，别记 token。

还有个细节：你想省钱的第一反应通常是关掉思考模式，而 K3.1 Pro 会直接拒绝关掉思考的请求。这扇门焊死了。