大家好，这里是最佳拍档，我是大飞。10月24日凌晨，月之暗面发布了新一代模型Kimi K3.1 Pro。按理说，旗舰发布最先刷屏的应该是跑分截图或惊艳演示，但是这一次，社区里传播最广的画面却是一句系统提示：“思考中，思考中，思考中，您的额度已用完。”这句调侃背后，是不少用户的真实遭遇。

K3.1 Pro的最低门槛是199元会员，有用户发现这点额度连一轮完整测评都跑不完。一个普通任务几分钟就把5小时限制顶到头，活儿还没干完十分之一。699元套餐也没好到哪去，有人只跑了两个5分钟以内的简单编程任务，5小时限额直接冲到81%，想继续用就得等下一个窗口。

Reddit上也有海外用户反馈，让模型做个基础的3D游戏演示，没启用子代理，大约10分钟就耗尽了5小时窗口的额度。结果还没拿到。还有人拿两个699元订阅账号做了49次API请求的对比测试，按相同的Token结构折算。

发现旧套餐能获得的API价值约为新套餐的1.94倍。虽然这不能代表所有的用户，但是讨论一直没停。有人算了笔账：699这个价位，额度哪怕提高10倍也比不上Claude Pro每月20美元给的量。和用户这边的捉襟见肘比起来，官方的叙事相当宏大。

发布页引言用的是阿瑟·C·克拉克（Arthur C. Clarke）在《未来的轮廓》里的话，说发现「可能」之极限的唯一方法，是向「不可能」的方向多走一小步。按官方介绍，K3.1 Pro是K3.1系列的第一个模型，3万亿级参数，支持100万上下文。

在代码、3D创作、金融研究和长程智能体能力上提升显著。客观讲，能力确实有提升，但是时机算不上好，因为OpenAI和Anthropic刚把用户的阈值拉高。10月17日DeepSeek又发了V4.1 Flash-1017，紧接着10月19日MiniMax也发了M3.1 Flash。

两家都强调更高的效率和更低的任务成本，K3.1 Pro夹在一堆新模型中间显得有点生不逢时。之前GLM-5.3和K3亮相的时候都挺惊艳，虽然能力比不了海外两家，但是还算有性价比。而涨价后的Kimi渐渐把这个优势弄丢了：速度慢、额度少，体感落差很大。

更让老用户遗憾的是，K3身上那种类似Claude的灵性在K3.1 Pro上几乎找不到了。防御性写作严重，写出来的东西没什么可读性。一位用户说得挺形象：这就像尽全力培养了一个高材生，智商很高，但是一考试就晕倒了。

K3时代还有个高性价比玩法：在Kimi Code里挂DeepSeek模型做子代理，K3只做计划和监察。费效比远超单用任何一个，而K3.1发布后这个玩法也失效了。体验争议还没消化完，海外宣发又翻了车。

10月24日凌晨3点，一位粉丝只有6000左右的海外博主曝光了Kimi的宣发合作通知。博主发测评前，稿子得先给品牌方审核，而且明确要求不要打付费合作标签。不用挂官网链接，不用@官方账号，说白了就是花钱找人做推广却要藏起广告标识。

假装是博主主动分享的真实体验，而海外监管和平台规则都要求付费商单必须标注广告。刻意隐瞒属于违规，原帖留言区被骂得很惨，也有大V评论：K3.1 Pro本身是很不错的模型，根本不需要刷虚假好评。

偏要投机取巧让整场发布观感一塌糊涂，还有人提醒这种操作在欧洲搞不好真的会坐牢。风波之外我们认真看看这个模型本身，K3.1 Pro距上一代K3发布只过了99天。它不是从头训练的底座，而是在K3的基础上砸了多得多的后训练算力。

面向数百个下游领域做联合强化学习，把强化学习框架、长文本推理、沙箱环境、任务调度整条链路重新优化了一遍。总参数维持在K3的2.8万亿，没有扩参。参照K3在Hugging Face上的官方模型卡每次推理只激活1040亿参数，走的是混合专家架构路线。

随标准版一起上线的还有K3.1 Pro Highspeed高速版，官方称能力相同、速度快2到3倍。但是单价翻倍，额度消耗约是普通版的两倍。还有个使用上的硬限制：K3.1 Pro只支持思考模式，推理强度分low、high、max三档。

默认就是max可以调低但不能彻底关掉，简单任务未必用得上这一档。Kimi Code文档显示它还支持图片和视频输入。至于大家关心的开源，官方承诺11月4日前放出完整权重，上一代K3就是在今年7月底开源的。

跑分这块的口径比较多我们得掰开说，官方公布的Terminal-Bench 4.0里K3.1 Pro拿到了65.7%，和Claude Opus 5.5的66.4%几乎贴在一起，也压过了GPT-6 Astra的58.2%。而第三方机构Artificial Analysis自己实测的版本里Kimi拿到67%，超过Claude Sonnet 5.5的64%。

在这家机构当时的结果里排第一，但是这两个数测试设置不同不能混着算。综合指数上Artificial Analysis 10月23日公布的排名是：Opus 5.5拿到了58分，Sonnet 5.5和Muse Wonder Full各56分。

K3.1 Pro以55分排第四，不过Claude的成绩用了最高推理强度并且启用备用模型接续。相比K3的约44分，K3.1 Pro提升了约11分。没扩参数纯靠后训练拿到这个增益，进步主要体现在智能体任务上知识和科学推理的提升相对温和。

在月之暗面自己的长程编程测试Kimi Code Bench 3.0 Long-horizon里，K3.1 Pro拿到61.2%，K3是55.95%。官方总览图里SWE Marathon、Agents' Last Exam、OfficeQA Pro v2几项排第一，但是在终端基准测试的科学类项目BenchCAD、OSWorld上仍然落后于Claude或GPT的最强款。

官方列出的BenchCAD数据里，带工具条件下Kimi是92.7%，Opus 5.5是96.2%。GPT-6 Astra是95.9%，官方演示里最有意思的例子是让模型基于开源人体解剖模型搭建一个人体走路的物理模拟器。

前后167轮任务、420次独立复查，模拟人从几秒内摔倒进步到交替迈步连续走11.2秒。调奖励没用时模型没有死磕，而是去查模拟器本身揪出了肩部肌肉计算里的36处错误。

3D方面，官方说它擅长参数化建模：机械零件、建筑模型、定制家具这类活不用MCP连接器也能自己写脚本操作Blender和CAD软件。配套的3D Make功能已经上线，支持在线预览、编辑和3D打印导出。

金融方面内部测试里财务建模比K3高7.2分，金融研究高11.6分。模拟企业经营约是K3的4.2倍，做投研最怕模型编数据在官方专门「挖坑」的Kimi Hallu Bench Hard上，模型的幻觉率从K3的23.4%降到8.3%。

官方也提醒这是压力测试不代表日常错误率，安全上还有个不常见的做法：月之暗面发现模型越强、写攻击代码的能力也跟着涨，于是开源版训练时主动删掉了网络攻防数据。在内部漏洞利用测试里没删数据的版本能解出90.5%，最终版是81.0%。

官方的原则是开源权重不去推高网络攻击能力的天花板，再看价格这本账：美元API定价K3.1 Pro每百万未缓存输入2美元、输出10美元，比上一代K3的3美元、15美元降了三分之一。

和GPT-6.1 Sol同价，对比Opus 5.5的4美元、20美元是一半。对比GPT-6 Astra的10美元、50美元是五分之一，听起来不错但是同价位已经有Sonnet 5.5和GPT-6.1 Sol站着，对手的缓存命中单价还更低。

国内人民币报价标准版输入13元、输出68元，高速版输入26元、输出136元。都是每百万Token要是跟国内厂商比差距就大了，DeepSeek的Flash模型闲时缓存命中输入只要每百万Token0.02元。

未命中1元、输出4元，光看缓存命中这一项K3.1 Pro的1.3元就是它的65倍。跟DeepSeek旗舰V4 Pro闲时的0.15元比也贵了将近9倍。按输入输出各100万Token、不用缓存算Kimi账单12美元，MiniMax M3.1 Flash和DeepSeek闲时都是0.75美元差了16倍。

对DeepSeek高峰的1.5美元也有8倍，当然这不代表性价比一定更低。同等Token用量不等于同等成果如果它能解决别人做不了的问题、减少人工返工高价就可能有它的价值。真正值得留意的是单价降了账单未必降，Artificial Analysis的评测显示K3.1 Pro平均任务成本约1.98美元和K3大致持平。

因为新模型平均输出约5.5万Token比上一代多了14%，因为想得更久、调工具更多、反复重试都会把省下的单价吃回去。那它为什么敢定这个价呢？背后是一本商业账，彭博社报道截至2026年8月月之暗面披露的ARR突破了10亿美元。

6月时还是3亿年底有望破20亿，今年2月也有报道说Kimi近20天的累计收入超过了2025年全年。海外收入超过国内，这让冲击能力上限有了商业解释：它要争取的是海外旗舰模型的用户。

官方评测里Opus 5.5和GPT-6 Astra就是主要比较对象，过去几年国内开源模型给人的印象是便宜、快、工程效率高。Kimi却选择像OpenAI、Anthropic那样用高成本换强能力再把能力变成高定价。不得不说，这是个大赌注。

如今行业氛围已经完全不同：OpenAI在9月先后推出GPT-6 Astra、Sol、Luna，月底又推GPT-6.1 Sol。Astra的Computer Use能力甚至让3D和具身领域都感到危机，Anthropic在9月22日发布Opus 5.5。

典型工作负载成本比Opus 5低40%还提高了多个套餐的5小时额度，MiniMax称M3.1 Flash推理速度接近前代3倍、智能体任务成本降了70%。DeepSeek那边用自反馈强化学习缩短任务耗时，智谱的GLM-5.3-Flash也在跟上。

大模型的竞争从来不是跟自己上一代比，而是跟用户能选到的其他产品比。不知道大家是否还记得K3发布没多久Kimi就暂停过新增付费订阅，一度还想把通用会员和编程会员拆开卖来控流。

现在的局面是DeepSeek便宜活也不错，那两家贵一点但能出更好的活，而K3.1 Pro尴尬地站在中间。根据报道Kimi的Flash版本正在研发中，下一代旗舰还要继续扩大参数、追求SOTA。

显然Kimi在IPO前的关键节点上能力上限和商业化成绩都想要，那么问题只剩下一个：有限的资源该怎么分？固定套餐给多少额度会直接影响服务成本和续费意愿。收紧额度能控制成本却未必留得住收入，那额度为什么这么紧？

这就要说到那本算力账了。2024年发生过一件挺耐人寻味的事，那时候的Kimi正是国内最风光的大模型公司凭长文本迅速出圈。一位做企业服务的创业者手里有愿意付费的B端客户，托人约了月之暗面的一位联合创始人吃饭谈合作。

本来大家都觉得这事顺理成章，当时全行业都在讨论商业化眼前就有真实需求。但那位联合创始人最终拒绝了理由非常简单就是算力不够，站在风口上的公司有资本想投、有企业想买机会摆在面前却接不了。

两年后模型做到了世界一流，普通用户愿意每月花199甚至699元却还是要小心翼翼地分配每次调用。当年在场作陪的人估计看到今天的额度争议又会想起那四个字：之所以这个故事值得讲，是因为它到今天也没变。

要理解这道坎得先看这两年大模型变了多少：2024年提一个问题，模型给一个答案对话结束工作就完成了。但是到了2026年变化来自两个方向：一是模型越来越大，两年前千亿参数还值得大书特书。

如今头部模型正向万亿级迈进：智谱GLM-5.3是7530亿，DeepSeek V4 Pro到了1.6万亿。更大的权重和动辄百万Token的上下文背后是更高的显存、带宽和基础设施要求。

另一半是智能体的普及：一个编程智能体可能要读几百个源文件改代码、调工具、跑测试再按报错反复调整。复杂任务还会启动多个子代理，用户这边只有一句指令背后却可能是几十分钟连续工作、数百万Token的消耗。

两股力量叠加整个行业的算力需求就这么被一路推高，这很像电力刚普及的年代。人们最初只想用电灯替换煤油灯可是随着电动机进工厂、电梯和轨道交通出现一盏电灯耗电越来越少人类却已开始用电驱动整座城市。

就在发布前一天10月23日中国信通院发布《大模型词元服务性能监测报告（2026年）》。两组数据恰好是个注脚：2026年6月国内Token日均消耗大约500万亿是2025年12月的近4倍。

大模型服务归一化均价从2025年下半年的6.8元涨到2026年的13.46元接近翻倍。要注意归一化均价是统一处理后的统计结果不是说所有API都涨了一倍，过去两年行业最重要的故事是价格战。

可是当模型从聊天工具变成持续干活的工具经济逻辑就变了，过去关心一个Token多少钱如今更该关心完成一项工作要消耗多少计算资源。这也解释了为什么Kimi明明降了Token单价订阅用户却觉得更贵了。

再看供给端：2023年中美创业潮几乎同期兴起但是起点差别很大。那年1月微软宣布向OpenAI投新一轮数十亿美元，Anthropic先后绑定谷歌、亚马逊。

谷歌、Meta本身就握有庞大基础设施，而中国在2022年10月就被美国实施先进计算芯片出口管制。2023年进一步收紧，月之暗面、百川智能这批公司恰好在这个时期进入前沿竞争。

获取先进算力的渠道、成本和确定性始终受限，有人把这个叫作中国大模型创业公司的原生家庭之殇。DeepSeek就很有代表性：从MoE架构、MLA注意力机制到一系列工程创新对效率的追求成了中国模型公司鲜明的工程文化。

阿里、字节有云业务可以缓冲，独立公司却要在研发和推理之间反复取舍。这也帮我们理解开源为什么如此重要：权重开放后全球云厂商都能用自己的基础设施部署模型，用生态共担运行成本。

可当大家都能自行部署时最初承担研发成本的公司又该如何收回收入维持下一代研发？好在国产算力过去两年进步很快，昇腾已发展到950系列官方规格里FP8算力达1PFLOPS。

下半年将推出的950DT有144GB内存和4TB/s访存带宽，部分指标已能对标英伟达H200计算卡。寒武纪在迭代思元系列，平头哥9月发布真武V900宣称计算能力是上一代M890的3倍。

华为还把昇腾960、970乃至980列入路线图，用超节点互联组织更大的计算系统。彭博社9月还报道DeepSeek计划在内蒙古的数据中心部署至少16万张昇腾950DT用于推理。

虽未获双方完整确认但规模已反映头部公司的需求预期，智谱的案例也很有意思：9月17日创始人唐杰披露用GLM-5.3驱动的智能体参与优化GLM-5.3-Flash的推理设施。

跑在超过10万张国产加速卡的集群上不到两周把端到端吞吐提到基线的约3倍，等于用自己创造的智能反过来提高基础设施效率。不过短缺很难彻底解决因为制约已涉及整个半导体产业链：先进制程、光刻设备、高带宽内存、先进封装都得跟上。

华为9月已公开表示国内需求超过现有产能，甚至有说法是订单排到了2030年前后。虽然缺乏公开的核实依据但是扩产的压力确实很大，这就像一场没有终点的赛跑：我们正以前所未有的速度创造算力也以前所未有的速度消耗算力。

综合看下来Kimi K3.1 Pro的处境其实挺矛盾：技术上它靠后训练在不扩参数的前提下拿到可观提升，终端编程这类硬核测试已站到全球第一梯队。但是商业上额度焦虑、价格争议、宣发翻车让这次发布的口碑变得相当复杂。

还有件事得提醒：那些亮眼数字比如说65.7%、61.2%、幻觉率8.3%全是月之暗面自己测、自己公布的。其中几项更是自家出题的内部评测，如今模型刚发布还没有大量真实用户长期用过。

如果大家真有需求建议先拿自己的任务小规模试，算清效果和账单再决定。当一家模型公司的能力已逼近世界前沿但能调动的算力仍然受限不得不谨慎决策：到底是优先把资源投给更强的模型还是投给让更多人用得起的推理服务？

感谢收看，我们下期再见。