2.8 万亿参数的模型，今天凌晨上线。参数没动，价格降了三成，权重十一天后才放。
新模型通常是参数更大，价格更贵，权重按住不放。这次三条全反着来。
先说它是什么Kimi K3.1 Pro 是 K3.1 系列第一个模型，官方称迄今最强的 3T 级开放权重模型。
官方说的是 3T 级，落到数字是 2.8 万亿总参，每次只激活 1040 亿，MoE，多模态。
100 万 token 上下文，和 K3 一样。同时发了高速版，官方叫 Kimi K3.1 Pro Highspeed，能力相同，输出速度是标准版的 2 到 3 倍。
图1、官方发布帖，四条要点
官方 X 账号凌晨 1 点 15 分发的就是这条，一小时点赞过千，现在是 1.5K。
官方把提升归到四块，代码编写，3D 创作，金融研究，Agent 相关能力。每一块后面都配了对应的跑分和案例。
参数没变大，提升从哪来整件事最值得说的一点在这。K3.1 Pro 的总参和 K3 一样，都是 2.8 万亿。
官方博客写得很直白，它是 K3 的后训练版本，后训练算力大幅增加。
后训练是预训练之后那一段。骨架不动，靠强化学习把行为调准。算力堆在这，涨的是做事的准头，不是背下的知识。
官方在这一段做了两件事。一是同时在数百个下游领域做强化学习。二是把整条链路重做了一遍，从强化学习框架，长上下文推理，一直到沙箱和任务调度。
说白了，这一代不比谁更大，比谁把同一副骨架调得更准。
十四项跑分，六个第一，一项掉到第四官方配了一张十四项的对比图。先看编程四项。
图2、编程四项，蓝条是 K3.1 Pro
Terminal-Bench 4.0 拿到 65.7。Claude Opus 5.5 是 66.4，差 0.7 分。
再往后是 GPT-6 Astra 的 58.2，Claude Fable 5.1 的 57.9。
SWE Marathon 51.7，全场第一。Opus 5.5 是 46.3，拉开 5.4 分。
内部基准 Kimi Code Bench 3.0 考长程任务，61.2，上一代 K3 是 55.95，涨了 5.25 分。这一项头上还有 GPT-6 Astra 的 66.5。
有一项掉得明显。Terminal-Bench Science 0.1 只有 38.1，GPT-6 Astra 68.1，Opus 63.3，连 Fable 5.1 都有 49.0。
这项考科研场景下的终端任务。38.1 对 68.1，差 30 分，它的长处不在这。
再看另一半，Agent 和知识类。
图3、Agent 与金融四项，蓝条是 K3.1 Pro
Agents' Last Exam 43.2，全场第一。Opus 5.5 是 42.6，就差 0.6 分，赢得很窄。
OfficeQA Pro v2 的 64.4 也是全场最高，考的是真实财报里检索，跨文档核对，多步数值推理。Opus 5.5 是 62.2。
BenchCAD 92.7 排第三。Opus 5.5 是 96.2，GPT-6 Astra 是 95.9。这一项带着工具跑，成绩偏乐观，别当裸模型看。
Frontier Finance 58.6，输给 Claude Fable 5.1 的 60.8，排第二。
还有六项，测的不是写代码。
图4、通用能力六项，三项第一
Humanity's Last Exam 70.0，全场第一。整套题跨学科，带工具跑，Claude Opus 5.5 是 67.7，差 2.3 分，赢面不大。
GDP.pdf 考专业 PDF。合同，财报，病历都在里面，答案得从几十页里翻。34.6 分第一，第二名 GPT-6 Astra 34.2，只差 0.4。
ZeroBench 63.0 第一。题目专门挑模型容易答错的出，五次采样里，对一次就算过。
GDPval-AA 1846 分排第二，落后 Opus 5.5 二十分。它算的是真实职业任务的经济价值，看产出能不能直接交付。
Chartography 90.2 也排第二，落后 Astra 0.8。看的是 K 线，等高线，生存曲线这类图表，一般图表榜不考这些。
OSWorld 79.6 排第三。这项在虚拟机里真的去点菜单，填表格。
十四项摊开，六个第一，五个第二，两个第三，一项第四。这个分布比总分有用，强在哪弱在哪，一眼能看出来。
博客里还有一张图，横轴换成单任务成本。同一个 Terminal-Bench 4.0，把花的钱和拿的分摆在同一张图上。
图5、官方博客的分数与成本图，蓝点在左上角
它落在 5 美元出头的位置，65.7 分。Claude Opus 5.5 在 14 美元上下，66.4 分。分数差 0.7，成本是它的 2.8 倍。
点边上的小字是推理档位，max 是默认档。往上堆思考，分数涨，钱也涨。
跑分只回答有多准，这张图回答这份准要花多少钱。
第三方榜上，它排第四官方之外，第三方也在排。Artificial Analysis 有一套综合指数，4.3.2 版把十项评测合成一个数，Terminal-Bench 4.0，Humanity's Last Exam，GDP.pdf，GDPval-AA 这四项官方那张图里也有。页面上筛了 27 个模型来比。
图6、AA 综合指数榜，红框是 K3.1 Pro
Kimi K3.1 Pro 是 55 分，排第四。前面只有 Claude Opus 5.5 的 58，56 分那一档站着 Claude Sonnet 5.5 和 Muse Wonder Full。再往后，Claude Fable 5.1，GPT-6 Astra，Gemini 4 Argon 三家并列 53。
差的这 3 分，跟短板对得上。十项里 SciCode 和 CritPt 偏科研，方向跟它掉到 38.1 的 Terminal-Bench Science 一致。
综合指数把编程的领先和科研的落后放进同一个数，名次就落到第四。
编程这块，官方给了两个具体例子一个是游戏。Unreal Engine 5.8 里搭了一座天宫。
36 开间的柱廊，半径 1750 米。一条巨龙在 Blender 里程序生成，主角拿 MetaHuman 做的。整个场景 3600 万个源三角面，渲染走 Nanite，光照走 Lumen。
图7、官方博客的天宫案例，柱廊半径 1750 米
静帧好看不算本事。柱廊的间距，穹顶的弧度，龙身上每一片甲，都得在引擎里真的立得住，动起来才不穿帮。
另一个不是游戏，是一个人的行走模拟。
底子是 human-atlas，一个开源的人体解剖模型，296 个骨骼组件，402 个肌肉组件。
让它在这上面搭动力学模拟器，连同训练和评估的流水线一起搭。中间跑了 167 次任务，420 次独立评审，它自己看结果，找问题，改控制器。
结果是从几秒就瘫倒，到能连续交替步态走 11.2 秒。
中间有一段更关键。手臂动作调不动，它没继续调奖励函数。
它转去对模拟器动力学做开环探测，查出肩部肌肉力臂算错 36 处，改完再重训控制器。
这个动作的性质不一样。调奖励是本分，去查别人的物理引擎算错了，是跨了一层。
3D 和设计3D 这块，官方最看重的是 BenchCAD 那道题考的能力，从多视角渲染图反推 CAD 代码，再重建出完整的模型。
官方说它擅长参数化建模，机械件，建筑模型，可配置产品，定制家具。
不用接 MCP 连接器，它能自己写脚本跑 Blender 和 CAD，改部件，调几何，换材质。
博客里有个机场的例子。室内做了一整片雨林山谷，穹顶压一层网壳，中间一束水柱从顶上落下来，底下是一圈圈的环形步道。
图8、机场室内雨林，在 Blender 里搭的
用的工具是 Blender，Python，几何节点，Cycles 渲染，再加 Pillow，NumPy 和 FFmpeg。成片 19.5 秒，1920×1080，60 帧。
几何节点值得单说。它不是一个个摆模型，是写规则让模型自己长出来，改一个参数，整片树林的形态都跟着变。
引擎这边点了三家，Unity，Unreal Engine，Godot，接的都是整项目级的活。
配套的 3D Make 也上了网页和 App，能在线编辑，能导出成 3D 打印文件。
外面的人已经用上了官方上线当天，X 上已经有人贴结果。
图9、他的浮空宝塔，云海和光在走
这条来自 @ItsmeAjayKV。他说这是 K3.1 Pro 的第一个结果，天上的一座浮空宝塔岛，一次生成，完成得相当漂亮。
画面右下角是他自己的署名水印，写着 Kimi K3.1-Pro 和账号名。
这类一次成型的场景，考的是光照，材质，景深，构图能不能一起算对。做程序化 3D 的人看这个，比看跑分直观。
另一位 @chetaslua 挑的题更偏结构。鹈鹕骑自行车这个题，社区里常拿来测模型，考的是空间关系和机械结构，不是画得像不像。
他拿 K3.1 Pro 做了一版，帖子里直接署名，六百多个赞，底下还挂着自己另一条测试。
图10、体素从 0000 堆到 9791
动图里台子一开始是空的，左上角的体素计数从 0000 一路走到 9791，两秒多，九千多块堆出一只骑车的鹈鹕。
同一个账号还贴了两个别的。
一个是用 three.js 做的复古未来风手表。银灰机身，翻盖打开，绿液晶屏上是一列菜单，贪吃蛇，打砖块，方块消除，弹球，最上面一行 DISC PLAYER。
图11、同账号的复古手表，three.js 做的
另一个是 GTA VI 的城市场景。他把账摊开了，10 小时，400 万 token，总花费 51.98 美元。帖子上来先谢了 Kimi 放他提前用，还提到拿到了初始权限。
图12、GTA VI 那条，账目写在帖里
他还算了一笔，同样的活换成 Astra 或 Opus 5.5 来做，很容易超过 500 美元，跟他自己这 51.98 美元比，差了将近十倍。
这几个数字都是帖主自己在帖里写的。
金融和幻觉率财报检索那项前面说过。官方内部另有三个金融测试，都拿 K3 做基准。财务建模涨 7.2 分，金融研究涨 11.6 分，商业运营做到 K3 的 4.2 倍。
更值得看的是幻觉率。官方 Kimi Hallu Bench Hard 这套题里，声称级幻觉率从 K3 的 23.4% 一路降到 8.3%。
含事实错误的回答，只有 K3 的 42.4%。
图13、同一套题的幻觉率，越低越好
这张图还带对照组。Opus 5.5 是 15.0%，GLM-5.3 22.6%，DeepSeek V4.1 Flash 和 Fable 5.1 都是 23.3%。
GPT-6 Astra 只有 5.5%，是唯一比它低的。
排第二，不是最好。但从 23.4% 压到 8.3%，比上一代少了三分之二。金融这行最怕的不是答不上来，是答得像真的。
官方自己也留了余地。这套题专挑模型容易错的地方出，属于压力测试，8.3% 不代表日常使用时的错误率水平。
价格反着走新一代通常更贵，这次降了，而且降得不客气。
图14、定价页上两代的价格并排
输入 13 元每百万 token，输出 68 元。K3 是 20 元和 100 元。降幅 35% 和 32%。
缓存命中 1.3 元，比 K3 的 2 元还低。缓存写入分两档，5 分钟 13 元，1 小时 26 元。
高速版另一张价，输入 26 元，输出 136 元，正好翻倍。能力一样，多花的钱买速度。
训练更贵，卖价更低。这个差怎么找回来，官方博客没解释。
今天怎么用上图15、网页里已经能选到它
官方点名的四个入口今天全开了，Kimi.com，Kimi Work，Kimi Code，Kimi API。网页和 App 都归在 Kimi.com 里，iOS，安卓，鸿蒙全覆盖。
Kimi Work 桌面版要 3.1.0 以上，Windows 和 Apple 芯片的 Mac 都能装。Kimi Code 里用 /model 切换。API 选 kimi-k3.1-pro 或者 highspeed。
企业版默认关着，要管理员手动开。
Kimi Code 文档里两条要留意。一是 K3.1 Pro 只支持思考模式，关掉会被拒。
还有一条，别在老会话里切模型。从 K3，K2.8 Preview，K2.7 Code 的会话中途切过去，输出质量会掉，缓存命中也会变差。开新会话。
最后是权重官方博客写的是，完整模型权重 11 月 4 日前发布。
这是承诺，不是已经发生的事。
博客里专门用一节讲了为什么敢放，放之前做了什么。
他们发现，攻击性网络能力是在后训练规模上去之后自然长出来的。来源有两个，预训练语料里夹着这类数据，强化学习环境里也布置了这类任务。
内部实验里，预训练和后训练两段都不处理的话，下游的网安能力会明显上升。
所以这次开放的版本，两段数据都做了识别和移除，只保留通用的编程任务。
效果也写进去了。在 xdev-bench-hard 这个测试里，没做处理的检查点能解 90.5%，最终的 K3.1 Pro 是 81.0%。
官方同时说，它的攻防能力仍然落后于公开至少三个月的前沿闭源模型。开放权重的原则是，不放出会推进网安能力绝对前沿的那一版。
说回这次发布2.8 万亿参数的模型，比上一代便宜三成，权重十一天后交出来。
参数没动，改的是后训练。六个第一里，有五个的第二名是 Claude Opus 5.5，只有 GDP.pdf 那项例外。
短板也很清楚，科研向的终端任务 38.1，那一项差 30 分。
一个模型把牌摊到这个程度，剩下的就是拿它做点东西。