精华速览

月之暗面发布Kimi K3.1 Pro，在K3底座上重点提升后训练与执行任务能力。独立评测机构Artificial Analysis综合指数从K3的44分升至55分，排名第4；终端任务测试Terminal-Bench 4.0从12.6%跃升至67.2%，位列该次公布结果首位。办公场景中，GDPval-AA排第3，AutomationBench-AA目标完成得分从58.3%升至73.3%。官方自测显示，长任务编程SWE-Marathon v1.1和财务问答OfficeQA Pro v2均领先Opus 5.5。但长上下文推理略有回落，不用工具时HLE难题测试为51.1%，低于Opus的59.8%。API输出价格降至每百万token 68元，Highspeed版为136元。实测中模型可自行修复模拟器错误、优化3D场景穿模问题，结合此前具身智能人才招聘报道，Kimi向物理世界方向探索的意图明显。

要点透视

  • K3.1 Pro在Artificial Analysis综合指数中从K3的44分升至55分，排名第4；Terminal-Bench 4.0终端任务测试从12.6%升至67.2%，位列该次公布结果首位。
  • 办公能力方面，GDPval-AA文档表格演示文稿质量排第3，AutomationBench-AA跨系统任务目标完成得分从58.3%升至73.3%。
  • Kimi自测中，SWE-Marathon v1.1长任务编程得51.7%，高于Opus 5.5的46.3%；OfficeQA Pro v2财务问答得64.4%，高于Opus的62.2%，两项均列该表首位。
  • 长上下文推理有所回落：AA长上下文测试中K3（Max）为88.7%，Pro为86.3%；HLE全量难题不用工具时Pro为51.1%，低于Opus的59.8%，使用工具时升至70.0%。
  • API输出价格调整：每百万输出token，K3为100元，Pro降至68元，Highspeed为136元；包月用户仍按套餐额度使用，Code高速版消耗约两倍额度。
  • 官方演示中，K3.1 Pro编写模拟器、安排训练并评估虚拟人行走，在调整奖励无效后检查模拟器，修复36处肩部肌肉力臂计算错误，再重新训练控制器。
  • 实测七道编程题中，物理碰撞、音频频谱分析和简单视频剪辑已具实际用途；3D清明上河图场景中模型自行修正人物穿模和行走路线，但交付版仍有行人穿入商铺、水面被地面遮挡等问题。
  • 此前有报道称月之暗面开始招募具身智能人才，部分机器人公司员工接到Kimi招聘电话；报道援引面试人士说法称内部对Agentic Robotics路线仍有保留，该信息尚待确认。

文章拆解

K3.1 Pro的发布节奏值得注意：它并非新一代底座，而是在K3基础上通过增加后训练投入、数百个下游领域联合强化学习以及长上下文与执行环境改进而来。这种做法的直接结果是能力提升高度不均——执行类任务进步显著，Terminal-Bench 4.0从12.6%到67.2%的跃升说明模型在终端环境中完成任务的成功率已跨过可用门槛；但长上下文推理和不用工具的难题测试出现回落，表明优化方向明显偏向“动手做”而非“纯思考”。对开发者而言，这意味着Pro更适合需要调用工具、多步执行的长任务，而非单轮复杂推理。

价格策略与能力定位形成配合。普通Pro输出价格从K3的100元降至68元，Highspeed版定价136元，官方称输出速度约为普通Pro的2至3倍。但实测反馈显示，提速仅发生在模型输出阶段，读写文件、执行命令等环节耗时不变，且Code高速版消耗约两倍额度。对高频调用者来说，普通Pro在多数场景下已够快，高速版的性价比取决于任务中输出token占比。套餐额度共享机制下，复杂任务的滚动消耗仍存在不确定性，用户完成一个作品的总成本需按生成到修改的全流程估算。

更值得关注的是官方演示透露的方向。虚拟人行走案例中，K3.1 Pro不仅调整训练奖励，还主动检查模拟器并修复36处肩部肌肉力臂计算错误，再重新训练控制器。实测3D场景中，模型同样在无额外提示的情况下自行修正人物穿模和行走路线。这类行为说明模型开始具备“检查环境、定位错误、修改工具”的闭环能力，而这正是智能体机器人训练流程中的关键环节。结合此前具身智能人才招聘报道，Kimi向物理世界方向延伸的意图并非空穴来风，但内部对Agentic Robotics路线仍有保留的说法尚待确认。

潜在变量在于产品矩阵的完整性。Kimi将Pro称为K3.1系列首个模型，Flash和Ultra尚未公布。若未来推出低成本、低延迟的Flash，其在多Agent并行和具身场景中观察、规划环节的价值将凸显；Ultra则需补上Pro在不用工具难题测试中的差距。当前风险在于：执行能力提升伴随的调用量增长可能推高用户实际成本，场景级小bug仍存，长上下文能力回落也可能影响部分专业用户的选择。K3.1 Pro是一次方向明确的中间态迭代，其真正意义取决于后续Flash与Ultra能否补齐拼图。

查看原文