众力资讯网

当开源逼近闭源只差3分:Kimi K3.1 Pro把“能交付”写进模型

3万亿参数、100万token上下文,45分钟生成3052个CAD构件,价格仅为Astra的五分之一大家好,欢迎来到心眸AI笔记,我是jackli!今天日期是2026年10月25日,周末快乐,下面带来今日资讯。

懒人总结发布与开源:月之暗面在2026年10月24日发布Kimi K3.1 Pro,3万亿参数量级、100万token上下文,由Kimi K3后训练而来;官方计划在2026年11月4日前开源完整权重。榜单与价格:Artificial Analysis得分55分,比Kimi K3高11分,总榜第四、国产第一,Agent赛道第一;标准版输入13元/百万tokens、输出68元/百万tokens,美元口径10,仅为GPT-6 Astra价格的20%、Claude Opus 5.5的50%。实测交付:智东西实测覆盖网页魔方、Godot游戏、两层展览馆CAD、SpaceX财报桑基图;CAD约45分钟生成3052个独立构件、11页图纸,游戏执行60项真实引擎检查全部通过。技术与配套:后训练算力大幅增加,覆盖数百个下游域做联合强化学习;Terminal Bench 4.0得分65.7%,BenchCAD 92.7%,OfficeQA Pro V2拿到64.4分SOTA;Kimi Work已上线3D模型生成插件。一、发布与入口:3万亿参数后训练而来,11月4日前开源
Kimi K3.1 Pro的发布节奏很明确。2026年10月24日亮相,定位是Kimi K3之后的新一代旗舰模型,参数量级达到3万亿,上下文窗口给到100万token。它不是从零另起炉灶,而是由Kimi K3后训练而来。开源安排也给了时间点:2026年11月4日前完成模型开源,届时发布完整模型权重。
入口方面,用户可以通过Kimi官网、Kimi Work、Kimi Code直接使用,也可以通过API调用。官网体验链接是 https://www.kimi.com/ ,API平台是 https://platform.kimi.com/ 。下面是一段调用示例,模型名和地址以官方文档为准,代码只保留结构。

# 示例:实际模型名、base_url以官方文档为准
from openai import OpenAI

client = OpenAI(
api_key="YOUR_KIMI_API_KEY",
base_url="https://platform.kimi.com/v1"
)

resp = client.chat.completions.create(
model="kimi-k3.1-pro",
messages=[
{"role": "user", "content": "用CSS 3D和旋转矩阵写一个魔方模拟器,不调用现成3D引擎"}
],
temperature=0.2
)
print(resp.choices[0].message.content)
这段代码的意义不在“跑通一个请求”,而在于说明Kimi K3.1 Pro的可用路径:官网、Work、Code、API四条线同时铺开。对开发者来说,能不能调用只是第一步,能不能稳定交付才是后面的硬仗。
二、榜单与价格:总榜第四、国产第一,成本打到海外旗舰的20%先看榜单。Artificial Analysis上,Kimi K3.1 Pro得分55分,比前代Kimi K3高出11分。总榜排名第四,国产第一。它超过了Claude Fable 5.1、GPT-6 Astra等模型,仅次于Claude Opus 5.5、Claude Sonnet 5.5和Muse Wonder。另有报道指出,K3.1 Pro同时拿下Agent赛道第一;一旦权重发布,它将成为开放权重模型榜首,开源与顶级闭源模型的差距从12分压缩到3分。

价格是这次发布最直接的冲击点。标准版输入13元/百万tokens,输出68元/百万tokens;美元口径为输入、输出10/MTok。高速版单价是标准版的2倍,速度可达标准版的2—3倍,输出价格对应人民币136元/百万tokens、美元$20/MTok。相比Kimi K3,输入价格降低35%,输出价格降低32%。
横向对比更清楚:GPT-6 Astra输入、输出50/MTok,Kimi K3.1 Pro价格仅为其20%;Claude Opus 5.5输入、输出20/MTok,Kimi K3.1 Pro价格为其50%。把价格写成代码,成本差距一目了然。
def cost(mtok_in, mtok_out, price_in=2.0, price_out=10.0):
return mtok_in * price_in + mtok_out * price_out

# 标准版:1百万输入 + 1百万输出
print(cost(1, 1)) # 12.0 美元
# GPT-6 Astra 同口径
print(cost(1, 1, price_in=10.0, price_out=50.0)) # 60.0 美元
价格不是唯一变量,但它会改变很多团队的选择。过去“用得起”和“用得好”常常二选一,现在至少有了同时压测的空间。
三、四场实测:从网页魔方到3052个CAD构件,工具调用开始变成交付智东西对Kimi K3.1 Pro做了一轮一手实测,场景跨度不小:网页开发、游戏制作、3D建模、金融研究。更值得看的是,它不只生成代码,还在尝试自己运行、检查、修正,再把结果交付出来。

1. 网页魔方:约10分钟,不调用现成3D引擎第一个任务要求很硬:不调用任何现成3D引擎,只用CSS 3D和旋转矩阵实现网页版魔方模拟器。实测约10分钟完成开发,核心魔方模拟与转层动画正常运行,计时器字体和数字样式与正文做了区分,界面没有明显的“AI生成感”。
这类任务的关键在旋转矩阵。代码片段保留核心逻辑,不展开完整工程。
// 绕X轴旋转:y' = y cosθ - z sinθ,z' = y sinθ + z cosθ
function rotateX([x, y, z], t) {
return [
x,
y * Math.cos(t) - z * Math.sin(t),
y * Math.sin(t) + z * Math.cos(t)
];
}

// 绕Y轴旋转同理,CSS侧用 preserve-3d 承接矩阵结果
.cube {
transform-style: preserve-3d;
}
.face {
position: absolute;
width: 120px;
height: 120px;
}
.layer-x { transform: rotateX(var(--rx)); }
.layer-y { transform: rotateY(var(--ry)); }
2. Godot游戏:20分钟初版,60项引擎检查全通过第二个任务是做一款《遗迹寻宝》游戏,使用Godot引擎。初版开发约20分钟完成,随后模型自行进行运行、截图检查和交互回归,修正了资源路径、碰撞等细节,最后执行60项真实引擎检查,全部通过。最终交付包含完整地图、专业场景素材、动画人物、实时小地图,并利用外部开源资源包提升了画面精美度。
这类“生成后自检”的能力,比单纯写出一段脚本更重要。下面是headless检查命令的示例写法。
# 示例:用headless模式跑完整检查脚本
godot --headless --path ./game --script res://tests/run_all_checks.gd
3. CAD建模:约45分钟,3052个独立构件、11页图纸第三个任务更接近工程交付:设计一个具有曲面屋顶的两层展览馆,要求准确理解每项设计要求并保持一致,模型还要自行发现并修正问题,逐项检查尺寸、连接、碰撞和文件可用性。实测约45分钟,完成包含3052个独立构件的可编辑CAD模型,生成11页图纸和构件明细表。楼梯、中庭、回廊、入口及屋顶交接等核心检查项均通过;修改建筑长宽、层高和柱网的测试也得到正确结果。
构件数量和完整性必须可验证。下面是一段导出后校验的示例脚本。
import json

with open("cad_export.json", encoding="utf-8") as f:
data = json.load(f)

components = data.get("components", [])
print("构件总数:", len(components))
assert len(components) == 3052

for c in components:
assert c.get("id") and c.get("type"), "构件缺少ID或类型"

print("尺寸、连接、碰撞检查通过后再导出图纸")
4. 金融桑基图:约2分钟初版,数据回查一致第四个任务输入SpaceX最新财季10-Q表格,要求生成财报桑基图。约2分钟生成初版,体现营收和净利润流向。初版文字大小不适合阅读,指出后模型很快修改。人工抽检显示,图表数据与SpaceX财报保持一致,没有数据错误或张冠李戴。
金融场景最怕“图好看、数不对”。所以校验要落到边数据上。
import csv

rows = list(csv.DictReader(open("spacex_10q_flows.csv", encoding="utf-8")))
assert all(
r["source"] and r["target"] and float(r["value"]) >= 0
for r in rows
)
print("桑基图边数据校验通过,再与10-Q逐项核对")
官方案例还补了两个3D场景:FreeCAD中打造航空涡扇发动机模型,可在模拟环境中运转,据报道包含2100个实体,可演示装配、内部拆解和转子运动;Blender中复刻新加坡机场标志性的室内雨林。场景不同,指向一致:模型在往“可编辑、可检查、可交付”走。
四、技术路线与基准:后训练加数百域联合强化学习Kimi K3.1 Pro的技术路线不是简单堆参数。它大幅增加了后训练算力,进行了覆盖数百个下游域的大规模联合强化学习。月之暗面优化了强化学习技术栈的每一层,包括强化学习框架、长上下文推理、训练效率、沙盒基础设施、部署调度、共享环境质量检查平台。换句话说,模型能力的释放不只在预训练,后训练和工程化栈正在成为主战场。
基准成绩也给出了几个切面。Terminal Bench 4.0编程基准,Kimi K3.1 Pro拿到65.7%,高于GPT-6 Astra的58.2%,略低于Claude Opus 5.5的66.4%,每任务平均成本较海外模型有明显优势。BenchCAD在开启工具调用时拿到92.7%,Claude Opus 5.5为96.2%,GPT-6 Astra为95.9%,已经接近头部闭源模型。金融方向,Frontier Finance得分58.6;OfficeQA Pro V2拿到64.4分SOTA。
内部财务基准相对Kimi K3也有提升:财务建模能力提升7.2分,金融研究能力提升11.6分,业务运营得分达到Kimi K3的4.2倍。这些数字不能替代真实项目,但能说明后训练带来的增量是实打实的。
五、配套更新与边界:3D插件进Kimi Work,稳定性仍要看真实项目配套产品也在跟进。月之暗面已在Kimi Work中推出3D模型生成插件,支持参数化建模,可用于打造机械部件、建筑模型、家具等3D模型。结合前面的CAD和FreeCAD案例,这条路线的意图很清楚:不只让模型“会画”,还要让结果能进入编辑、检查和复用流程。
但边界同样要看清。单次实测和官方基准只是观察模型的一部分。模型在更多真实项目中的稳定性、成本与效率,以及面向大规模服务的基础设施优化,仍会影响最终体验。尤其是CAD、金融这类高约束场景,数据回查、权限隔离、沙盒执行和人工验收,一个都不能省。
思考与呼吁Kimi K3.1 Pro这次最值得关注的,不是单个分数,而是三个变化同时发生:开源与闭源的差距被压到3分,价格打到海外旗舰的20%,模型开始把“运行、检查、修正、交付”串成闭环。在我看来,模型竞争正在从“参数有多大”转向“任务能不能交付”。但榜单是地图,不是终点。开发者不妨用真实项目做压测,企业更要把数据回查和沙盒权限写进流程。别只看一次实测的高光,要看十次、百次之后还能不能稳定复现。
如果这篇内容对你有帮助,欢迎点个赞、转发给需要的朋友,再点一下“在看”。要是方便,也顺手给心眸AI笔记加个星标⭐️,下次更新文章你就能第一时间见到。谢谢你读到这里,我们下篇再见。