10月24日，Kimi正式发布K3.1系列首款模型Kimi K3.1 Pro，这是Kimi迄今最强的3万亿参数大模型，支持百万Token上下文，重点强化代码、3D创作、金融研究和长程Agent能力，同时推出同智能水平、输出速度快2~3倍的Highspeed高速版。

目前新模型已经上线Kimi网页端、App、Kimi Work桌面端以及Kimi Code编程工具，完整模型权重将在11月4日前正式开放。API定价为缓存命中输入每百万Token1.3元、未命中13元、输出68元，高速版价格为标准版两倍。同时Kimi还推出托管智能体服务，支持7×24小时运行长程任务、多智能体协作。

代码能力直逼第一梯队，能独立做完整游戏

作为本次升级的核心方向，K3.1 Pro的代码和长程Agent能力提升相当夸张。 在测试真实终端编程任务的Terminal-Bench 4.0中，K3.1 Pro拿下65.7%的得分，不仅超过GPT-6 Astra的58.2%，和Claude Opus 5.5的66.4%差距还不到1个百分点。

而在Kimi内部的长程代码测试Kimi Code Bench 3.0中，K3.1 Pro得分61.2%，相比上代K3的55.95%提升明显。这项测试重点考察模型多步执行、工具调用和端到端解决问题的能力，而非单纯生成代码片段。

官方展示的案例已经相当有实操感：它可以调用Unreal Engine 5.8搭建云海之上的东方神话天宫场景，联动Blender做程序化建模，适配Nanite、Lumen渲染技术，还能加载8K材质和NASA月球数据完善场景；也能靠Godot 4.7.2从零做出一款完整3D动作冒险游戏，包含5个探索区域、程序化地形、第三人称战斗、两阶段Boss、昼夜循环和快速传送全套玩法。

长程任务的自主纠错能力同样亮眼：在搭建人体行走动力学仿真的任务中，模型自主完成167项子任务、420次独立评审，从一开始走两步就摔倒，慢慢优化到能连续行走11.2秒。当调整参数无法优化手臂动作时，它没有死磕控制器，反而主动排查仿真器，找出并修复了肩部肌肉力臂计算的36处错误，再重新训练完成任务。

从目前社区反馈来看，不少开发者认为它是少数能和Opus 5.5正面对标的模型，做汇编、嵌入式逆向工程的表现都超出预期，缺点只是输出比Claude更啰嗦，执行意愿反而更强。

不过K3.1 Pro并非全面碾压：通用推理、科学代码类基准的提升幅度远小于Agent相关指标，属于明显的“偏科生”——代码、Agent、3D方向拉满，但并不代表所有能力都追平了最强闭源模型。

【编辑观察】对缺人手的独立游戏开发者来说，能自己读代码库、调引擎、改Bug的Agent，实际价值比刷高分的通用模型大得多。

3D创作实用性拉满，还做不到一句话出大片

3D创作是本次K3.1 Pro重点宣传的能力，也是游戏开发者最关心的特性。 在考察多视图重建3D物体能力的BenchCAD测试中，加持工具的K3.1 Pro拿到92.7分，距离Opus 5.5的96.2分、GPT-6 Astra的95.9分差距很小。

日常使用中，用户只要提供文字描述、草图或者参考图，它就能生成可编辑的3D模型，还能直接运行Blender、CAD、FreeCAD的脚本，直接修改零件、材质、场景布局，不需要额外安装MCP连接器。官方展示的案例里，它能用Python做出包含2100个实体的涡扇发动机模型，还能生成装配动画、内部爆炸图；也能设计出5个零件组成、可直接3D打印的福建土楼造型台灯。

目前Kimi网页端和App已经上线“3D Make”功能，生成的模型可以在线编辑，支持导出3D打印文件、视频和实况照片。

其实正式发布前，代号“Kibitz”的测试版模型就因为优秀的3D构图、材质和反射表现被开发者注意到，但实际落地工作流还是有差距：有AI游戏开发者测试发现，想要做出高精度场景，需要多轮输入“继续增强”指令迭代，没法像Claude Opus 5.5那样一个Prompt就出完整成品。

【编辑观察】虽然还不能“一句话生成3A素材”，但用来快速出原型、做占位美术，已经能帮小团队省下大量前期工作量。

主动砍掉网络攻防能力，开放权重的安全妥协

因为代码和Agent能力提升过快，Kimi这次还主动对开放权重版本做了能力限制。 团队训练时发现，部分网络攻防数据混在通用语料和强化学习任务里，会大幅提升模型的漏洞攻击能力。为了避免3万亿参数的开放模型被滥用，他们从训练数据和RL环境里同时删除了攻击性网络安全相关内容。

在专门的漏洞利用测试xdev-bench-hard中，保留攻防数据的模型pass@3得分能到90.5%，最终发布的开放权重版本降到了81%，官方评估其攻防能力落后已发布3个月的前沿闭源模型。

这种选择在社区引发不小争论：有人认为Kimi明明能做更强的版本却锁能力，也有人担心删除安全数据反而会降低模型写安全代码、找漏洞的能力；但更多开发者认可这种折中——毕竟3万亿参数模型开放权重的风险，和几十亿参数的小模型完全不是一个量级。

金融能力跳级升级，幻觉错误率大降

除了开发相关能力，K3.1 Pro的金融研究能力提升也非常明显。 在基于真实金融文件的OfficeQA Pro v2测试中，它拿下64.4分位列当前第一；完整投研流程测试Frontier Finance中也超过了Opus 5.5。

内部基准测试里，它的财务建模能力比K3高14%，金融研究能力高20%，模拟企业经营决策的得分更是达到K3的4.2倍。

它已经可以独立完成端到端的英伟达财务模型，包含驱动因素、情景假设和估值分析；也能围绕宁德时代产出完整投委会报告，结合财报、市场预期和催化因素梳理投资逻辑。

针对投研场景最头疼的幻觉问题，Kimi专门做了优化：在高难度压力测试中，K3的事实错误率是23.4%，K3.1 Pro降到了8.3%，包含至少一处错误的回答比例降到了上代的42.4%。

上线最大槽点：5小时额度10分钟烧光

和能力的好评形成反差的是，新模型上线后吐槽最多的居然是订阅额度不够用。 不少付费用户反馈，哪怕不调用子Agent，额度消耗速度也十分夸张：每月99美元档位的用户，单会话跑47分钟就触发5小时使用限制；19美元档位用户甚至一个任务就能耗光5小时额度，还会扣减周额度。Reddit更有极端案例：用户只是制作基础3D游戏Demo，跑了10分钟还没出结果，整个5小时的额度就直接耗尽。

不少开发者吐槽，模型再强，半小时就撞额度墙根本没法用来做长期开发，甚至有人算过，按量付费调用DeepSeek反而比Kimi订阅划算。

第三方测试数据也能解释额度焦虑：Artificial Analysis跑完整套智能指数测试，K3.1 Pro总共输出了1.5亿Token，比参评模型中位数的8700万高出72%，直接被评价为“非常冗长”；输出速度73.5Token/s也略低于行业平均的81.1Token/s，不过多数用户体感还是比上代K3快不少。

虽然话多耗Token，但API按量付费的成本其实并不高：平均单任务成本2.11美元，远低于Claude Opus 5.5的5.98美元和GPT-6 Astra的3.26美元。

问题核心其实出在订阅制上：长程Agent能力越强，跑任务时自主搜索、调用工具、迭代修改的时间就越长，自然会快速消耗额度。这种“额度墙”也不是Kimi独有，Claude、ChatGPT的付费用户都反馈过复杂任务半小时耗光5小时额度的问题，具体消耗速度和模型选择、推理档位、任务复杂度关系很大，不同用户的体感差异非常明显。

【编辑观察】想用AI做大型游戏项目的团队，现阶段优先选API按量计费更靠谱，固定订阅只适合尝鲜和处理小型任务。