有人用它，把一只机械手拆成了 2317 个零件，做成一个能在网页上自由旋转、点一下还能爆炸拆解开的 3D 站，前后就两个多小时。
这是昨晚半夜刷屏的 Kimi K3.1 Pro 干的活。月之暗面一句“3T 级开源权重模型”甩出来，中文区当场炸了，一派喊超越 OpenAI、还开源，另一派冷笑，不就是蒸馏别人家的嘛。
我两边都不站。这篇我干件没人认真干的事：把官方到底宣称了啥、社区这两天真做出了啥、那些跑分有几分能信、以及你今天花多少钱能用上，一次给你摊开。看完你自己判断，别被任何一方带着跑。
先说一句最容易踩的坑：今天发的是 K3.1 Pro，不是 K3。K3 是今年七月那款。你现在搜到的很多所谓“K3.1 Pro 实测”，比如那个著名的大V画鹈鹕、还有一刀生成 Minecraft 的那条，核对下来都是七月 K3 的旧活，被人翻出来当新的发。认准 K3.1 Pro 这个名，别被旧闻忽悠。
一、它到底是个啥，大白话讲一遍
规格翻译成人话，三句说完。
参数两万八千亿，但每次干活只调动其中一千多亿。这叫 MoE，混合专家。你把它想成一个两千多人的公司，每来一个活，只派最对口的那一百多号人上，剩下的人歇着。又聪明又不至于太烧钱，这是现在大模型都在走的路子，Kimi 这版把规模堆得特别大。
上下文一百万 token，好几本书一次塞进去它都记得住。你把一整个项目的代码、一摞合同、一季度的流水全扔进去，它不会看了后面忘前面。
最关键的是定位变了。以前大模型卷谁更会聊天、谁情商高，K3.1 Pro 卷的是另一件事：谁能把一摊活从头干到尾，中间不用你一直盯着。官方把这个叫 Agent 能力，主推三个场景：在 Unreal、Unity、Godot 这些游戏引擎里做完整游戏，在 Blender、CAD 里写脚本做 3D 建模，还有做金融表格的分析。它要抢的不是你刷手机聊天的那点时间，是你坐在电脑前干活的那几个小时。
这个方向我是真认可。会聊天、会写文案的模型已经够多了，卷到头了。能实打实替你把一件复杂的活干完的，才是普通人真正缺的那块。尤其对我们这种一个人当一个团队使的，谁能帮我省下外包的钱和来回沟通的时间，谁就值钱。
二、社区这两天真做出了啥，带人带链接
先上实在的。发布这一天，中文区已经有人拿它干出活了，下面这些都是真人发出来的实测，不是我替你测的，我把人、把效果、把能找到的链接都给你，你想看就直接去搜他们的号，自己判断。
最出彩的是 3D 这一块，几乎是这波的门面。
开头那个机械手，是 @crystalsssup 做的。作者让 K3.1 Pro 把一只机械手拆成 2317 个独立部件，做成了一个能在浏览器里跑的交互 3D 网站：能透视看内部结构、能看到每根布线怎么走、点一下还能像爆炸图一样一键拆解开。前后约两个多小时，用了多个代理一起并行跑。这条帖子十五万浏览、将近六百收藏，是这波传得最广、也最硬的一个案例。放在以前，这种活得请专业的三维建模师，按天收费，现在变成一句话指挥模型，这个落差是实打实的。
3D 横评也有人做。英文区博主 Haleemah 让 K3.1 Pro、Opus 5.5、七月的老版 K3、还有 Opus 5 同时建一只 3D 长颈鹿，四个一起放出来看，@Super_Nius 把它转到中文区排了名：Kimi 这新版第一，老版 K3 那只垫底，他的吐槽是“这个鹿是残疾了吗”。@bourneliu66 发的是 3D 相机建模的对比，评价是仅次于 Opus 5.5，把 GPT-6 Astra 甩开一大截，尤其金属外壳和玻璃镜片的质感最准，反光和透光都对。@ai_funss 发了一个它渲的可口可乐易拉罐，拉环、罐身的金属光泽、还有标签的曲面，都挺像那么回事。
前端和动画这块也热闹。@NFT_Chen 转了一条 Pranav Reddy 做的单文件 Three.js 跑马对比，他的评价是 Kimi 跑姿最自然、四条腿的节奏对、鬃毛和尾巴会跟着飘，整体压过了 GPT-6 Astra，Opus 动作偏僵。@AndyL5cc 也发了 Three.js 奔跑骏马和骑自行车的机械鹈鹕，说效果跟 Gemini 4 Argon 差不多在一个水平，唯一的遗憾是想加个氮气加速的特效没做出来。@_ninetyhe 发了个布料物理的网页，去拉扯晾衣绳上挂着的那块布，布会跟着真实地形变、起褶、回弹，他的原话很直接：要真能做到这样，还订阅啥 GPT 和 Claude。
还有一个算钱的对比挺有意思。英文区的 Bhavy 让四个模型用同一句话生成一段鲸鱼跃出海面的动画，@Super_Nius 转过来按效果排了名：第一名 Kimi K3.1，花了 0.75 美元；第二名 Opus 5.5，3.01 美元；第三名 Gemini 4 Argon，2.3 美元；GPT-6 Astra 垫底，被他吐槽成“一条美味的大蛏子”。效果最好，成本还只有 Opus 的四分之一，这条比任何跑分都直观。
但翻车的也有，我一并给你，不然就成了吹。还是 @AndyL5cc，他转了一组 Kai 做的对比，拿 K3.1 Pro Max 跟 GPT-6.1 Sol 做同一道鹈鹕骑车题，结果鹈鹕的脚和踏板怎么都对不上，他原话是“这看得我一脸懵逼”，还反问这用的真是 K3.1 Pro Max 吗。他另一条发的是 K3.1 Pro 跟 DeepSeek V4.1 Flash 比前端动画，本以为新旗舰会稳压一头，结果 DeepSeek 照样能打，他给的结论是各有千秋。所以别看了几张神图就以为它场场赢，同一个模型换道题、换个对手，结果就可能不一样。
顺带说个我扒原帖时发现的事。中文区这两天传得最凶的几条对比视频，你点开看角落里的署名，大多出自英文区博主之手，中文博主转过来，配上自己的排名和点评。这不是坏事，好东西本来就该传，但你转发的时候心里得有数：这些“碾压”“垫底”的评价，很多是二手的，原作者自己未必这么下结论。
我做电商代运营的，看到这些第一反应就是算账。商品的 3D 展示、详情页里那些转一转、点一点就有反馈的动效，以前要么找外包做、要么买现成模板，现在是不是能自己一句话让它生一个。这个方向，做电商、做设计、做独立站的朋友，真值得今天就上手试一把，哪怕先拿一个商品练手。
但有一块我得专门泼盆冷水，就是游戏。官方把游戏吹得最响，说能做跑酷、能做赛车、能做完整的可玩 demo。我在中文区翻了这两天，没找到一个真把完整游戏做出来、能上手玩的实测，刷到的基本都是在转述官方那几句宣传语，配上官方给的演示图。所以游戏这块，现在只有官方的一面之词，先当它没发生，等有人真做出来能玩的再说，别信一句口号就冲进去。
三、官方宣称的成绩，我逐条标清楚哪是自己说的
看完作品再看跑分。这节丑话说前头：下面绝大部分数字，是月之暗面自己测、自己发的，有好几项还是它自家出的内部考卷。 自己出题、自己答、自己打分，参考可以，别当判决书使。
我帮你把每条跑分到底在测啥也说清楚，不然光看数字没意义。
编程这块，官方自报的是代理编程测试 Terminal-Bench 4.0 拿了 65.7。这个测试测的是模型能不能像个程序员一样，在命令行里自己敲命令、自己跑、自己改错，不是光写几行代码。对比看，Claude Opus 5.5 是 66.4，GPT-6 Astra 是 58.2，Kimi 这个分数确实挤进了第一梯队，贴着 Opus。它自家还有个长程编程测试 SWE-Marathon，测的是能不能扛住一个要改几十处、持续很久的大工程，K3.1 Pro 报 51.7，反超了 Opus 的 46.3，不过这是它自己的考卷，看看就好。
3D 和 CAD，官方自报带工具的 BenchCAD 拿 92.7。但注意，这一项它反而是落后的：Opus 5.5 是 96.2，GPT-6 Astra 是 95.9，都比它高。有意思的是，社区实际做 3D 的反馈又普遍说 Kimi 好，这说明跑分和真实手感不一定对得上，这也是我一直强调别只看分的原因。
金融降幻觉，官方自报在它自家那个专门刁难模型的测试里，瞎编率从上一代的 23.4% 降到了 8.3%。降幅听着很猛，但同一个测试里 GPT-6 Astra 只有 5.5%，比它还低，Kimi 在这块还是落后的。所以别一看到“幻觉大降”就以为天下第一，它是进步大，不是最好。
最该夸的，是它主动报短。官方自己承认，科学 Agent 那个测试只拿了 38.1，被 GPT-6 Astra 的 68.1、Opus 的 63.3 甩开一大截，差了快一倍。它还主动说，为了开源安全，特意把训练数据里跟网络攻击相关的那部分删掉了，结果导致那块的能力从没删版的 90.5 掉到了 81。一个厂商，在自己的发布材料里肯把短板明明白白摆出来、还解释为什么，这点我是真心服。会吹的多，肯自己说哪里不行的少。
一句话总结这节：它确实冲进了第一梯队，这是真的；但“全面超越 OpenAI”是喊出来的口号，“编程干活贴着最强、3D 和科学任务还落后、降幻觉还追不上 GPT-6”，才是官方自己那堆数据画出来的真样子。下一节你会看到，第三方复测的结果，跟这个画像基本对得上。
四、真正的第三方成绩出来了，跟你想的不太一样
这节最有料，也是我写这篇时差点翻车的地方，一并交代给你。
一开始我刷到一篇英文报道，说 K3.1 Pro 在第三方机构 Artificial Analysis 的网络安全榜上拿了 64%、公开模型第一。我第一反应是去 AA 官网查，榜上当时压根没有 K3.1 Pro，我差点就把它当成假数据写进来。结果几个小时后，AA 官方账号自己发了完整测评，64% 是真的，只是官网榜单还没来得及更新。所以新模型刚发布那几天，“查不到”不等于“是假的”，最靠谱的是去看测评机构自己账号发的原帖。
AA 这次是自己掏钱调 API 一项一项跑的，不是转述官方，我把关键几条给你。
综合智能指数 55 分，排第 4。前面只有 Claude Opus 5.5 的 58 分，Claude Sonnet 5.5 和 Muse Wonder Full 的 56 分，比上一代 K3 的 44 分涨了 11 分。AA 的原话是，等它权重放出来，开源模型和最强闭源模型的差距，会从 12 分一下缩到 3 分。
干活能力是真强。代理编程测试 Terminal-Bench 4.0，AA 自己复测是 67%，所有模型里最高，比 Kimi 官方自报的 65.7 还高一点。衡量真实办公任务的 GDPval-AA 排第 3，只在 Opus 5.5 和 Muse Wonder Full 后面。
网络防御拿了 64%，能公开用的模型里排第一，只输给一个要 OpenAI 特批才能用的 GPT-6 Sol 版本，那个是 69%。而且整个测试它一次安全拒答都没触发。
幻觉降了，但没降到能闭眼信。AA 那个专门惩罚瞎答的测试里，它的幻觉率从 53% 降到 44%。降了九个点是真进步，但反过来说，碰到它不会的题，还是有四成多会硬编一个答案给你，这个心里得有数。
最反直觉的是 3D。社区里刷屏的全是 3D 神作，但 AA 说，从目前收集到的盲投来看，K3.1 Pro 在它的 AA-3D 榜上排名会偏低，上一代 K3 在这个榜上是 22 个模型里第 12。这跟官方自己报的 BenchCAD 落后也对得上。怎么理解？社区晒出来的，是作者挑过的最好那几张；盲测是同一道题一对一公平比，谁好看投谁。所以 3D 这块，它能出神作，但不代表它稳定地比别家强。
还有一个开发者常看的 Code Arena WebDev 榜，专门测做网页前端的能力，K3.1 Pro 排到了第八，能当个参考，说明它前端是真有两把刷子，和社区那些 Three.js 作品对得上。
我费这么多话说跑分，核心就一个意思：一个新模型刚发布的头几天，是信息最乱的时候，官方自报的、媒体转述的、测评机构自己测的、再加上榜单没更新造成的误会，全搅在一起分不清。你这两天刷到任何“第几名、碾压谁、登顶”的截图，先别急着转，也别急着骂假，先问一句：这个数到底是谁测的，原帖在哪，能不能点进去看到原文。拿不准的，宁可多等半天。
五、最实在的：今天花多少钱，到底能不能用上
吹得再响，落到你我身上就一个问题：今天能不能用、花多少钱。这块我去官网一项一项摸了一遍，把能核实的给你说清楚，有出入的地方我也直说。
先说免费号。发布当天基本用不顺。你在模型列表里是能选到 K3.1 Pro 的，没给你锁死，但一发消息就容易弹出来一个提示，大意是“当前使用人数过多，订阅会员可进优先队列”，高峰期就一直给你排队、转圈。所以严格讲不是“免费完全用不了”，是“免费能选，但赶上这两天的高峰你大概率排不上”。等过阵子热度下去、人少了，免费号能不能顺畅用，还得再看。
想现在就顺畅用上，得开会员。我去官网价格页看了，会员一共五档：Go、Plus、Pro、Max、Ultra，包月分别是 49、99、199、699、1399，包年折下来一个月 39、79、159、559、1119。怎么选看三条线就够了：最低的 Go 就能进优先生成队列，不用干排队；想用它的编程工具 Kimi Code，至少得 Plus；想用那个速度快两三倍的 Highspeed 高速版，至少得 Pro。
这里我得诚实说一句：网上有人说“至少得开 199 那档才用得上 K3.1 Pro”，我对着官网价格页一条条看，没有哪一档写着 K3.1 Pro 要 199 才解锁，免费号也能在列表里选到它，只是高峰排队、慢；199 买的是 Highspeed 快版、4 倍 Agent 额度和多任务并行，不是买“能不能用”的入场券。各档具体怎么限速、限量，网页端和 App 端可能还有出入，这个我不替你拍死，你开之前自己在界面上再确认一眼当天的说明，以你看到的为准。
再插一条很有用的真实成本吐槽。有人用它的编程工具 Kimi Code 跑了一次测试任务，就那么一次，直接吃掉了 699 那档（也就是 Max 档）套餐五小时额度的两成。换句话说，这种套餐你一天也就经得起五六次这种规模的任务。所以别光看它 API 单价便宜就以为能随便造，真拿它当编程代理猛干一天活，额度烧得飞快，心里得有这个数，不然月底一看账单该肉疼了。
开源这两个字也得泼点冷水，别被“开源免费”四个字晃了眼。它说的是开源权重，但权重要等到 11 月 4 日前才正式放出来，今天还没开，你现在下载不到。就算放了，两万八千亿参数的模型，你自己家那台电脑、甚至一般小公司的服务器都根本跑不动，那是给大公司和云厂商用的。开源对你我这种普通用户真正的好处，不是“我能自己跑一个”，而是往后各种第三方平台会把它接进去、相互压价，用的成本会被打下来，但这个得等生态起来，不是今天就能吃到的。
开发者这边反而是最实在、今天就能吃到红利的。它的 API 价格是每百万 token 输入两美元、输出十美元，比上一代 K3 的三美元、十五美元便宜了三分之一，差不多是 Opus 5.5 价格的一半。有人拿同一道 3D 建模的题做了对比：用 Kimi 花了 5.71 美元、十五分钟跑完，用 Opus 花了 17.13 美元、三十二分钟。快了差不多一倍，钱只花了三分之一。对靠 API 写代码、搭应用的人来说，这笔账太好算了，今天就能切过去试，这是目前性价比最清楚的一种用法。
不过 AA 算了一笔更细的账，我也补上：它单价是降了三分之一，但干同样的活要多写 14% 的字，所以按 AA 的测试任务算，每个任务实际花 1.98 美元，跟上一代 K3 的 2 美元几乎一样。也就是说，它省钱主要是比 Opus 省，不是比自家上一代省，这点别被“降价三分之一”带偏了。
六、想上手的话，我给你几条少踩坑的实在建议
光知道它行不行还不够，真要用，下面几条能帮你少走弯路、少烧冤枉钱。
第一，拿它的长板练手，别拿短板。它现在社区口碑最好的是 3D 和前端，你第一次试就奔这两个去：让它用 Three.js 做个会动的小东西，或者捏个 3D 模型放网页上。成就感来得快，也最能看出它跟你以前用的模型差在哪。别一上来就让它做游戏或者搞科学计算，那是它自己都承认的弱项，容易失望。
第二，提示词别省字。它主打的是能自己把活干完，那你就得把活交代清楚：要做成啥样、给谁看、用什么技术、有哪些约束，一次说全。你给的越具体，它一条龙干下来的结果越接近你要的；你给一句含糊的，它只能猜，来回返工反而更烧额度。
第三，盯紧额度，先小后大。前面说了，一次像样的代理任务能吃掉套餐额度的两成。所以第一天别拿它干你最重要那个大工程，先用小任务摸清楚它干一件活大概耗多少，心里有谱了再往上加码。API 用户尤其要在后台把用量提醒设上。
第四，重要的东西一定自己复核。它降幻觉是进步了，但还没到能闭眼信的地步，金融、数据这类错一个数就出事的活，务必自己再过一遍。把它当一个很能干但偶尔会想当然的助手，别当成不会错的权威。
第五，别急着为热点掏钱。如果你只是想看看热闹、试试水，完全可以等几天。高峰过去免费号能排上，11 月开源后第三方平台大概率会出更便宜的接入方式，那时候再用，又省钱体验又好。
七、那个绕不开的“蒸馏”争议，我中立说两句
每次国产模型一冒头、一变强，这顶“蒸馏别人家的”帽子就准时飞过来。这次也没跑掉。我不替任何一方站台，把两边的话都给你摆出来，你自己掂量。
挺它的人说得挺硬气：之前全网群嘲 Kimi 是蒸馏的、是套壳的，现在它好几个实例的表现都超过了 GPT-6 Astra，第三方的智能指数也排到第四了，那现在还有人喷吗？能蒸馏出这个水平，本身也是本事。
质疑的人也有依据：OpenAI 此前确实公开提到过相关的指控。但我必须把话说清楚，指控不等于坐实，到今天为止，这件事没有任何官方定论，也没有拿得出手的实锤。你拿一个悬而未决的指控，当成已经定罪的事实去骂街，这不客观，也不公平。
还有一个我觉得更值得想的质疑，比站队有意思。有人问：拿“能不能捏一个 3D 模型、做一只会跑的长颈鹿”来判断一个大模型行不行，这件事本身合理吗？模型又没真的见过长颈鹿怎么跑步，它做出来好看，更多是见过海量类似的图和代码。这话我觉得在理。这些演示确实好看、直观、特别适合在推特上传播，但它测的是“做某个特定东西”的能力，不等于这个模型方方面面都强。你看演示图一乐、收藏起来当灵感可以，别真把一张长颈鹿截图当成你选模型的唯一依据。
我的态度就一句话：它这次拿出来的真实力，配得上大家认真看一眼、认真试一把，但也完全没必要把它捧成神。是骡子是马，再等几天，等真正独立的横向实测陆续出来，自然就见分晓了，急不得。
八、所以，你到底该不该凑这个热闹
分人，别一股脑跟风。我按几种人给你掰开说。
做开发、写代码、搭 Agent 的，值得今天就试。第三方实测里它最强的就是这块，API 价格又是 Opus 的一半，这笔账好算。做 3D 的也可以试，但按 AA 的盲测，别指望它每次都稳赢。先别一上来就拿它干大工程，用它的 API 或者 Kimi Code 挑一个你平时真会遇到的小活练手，亲自感受一下手感和烧额度的速度，再决定要不要大规模切。
做内容、做自媒体的，这波本身就是顶好的素材。它会捏 3D、会做酷炫动效，你拿它随便做一个出来，录个屏、配两句讲解，就是一条能蹭上当下热度的内容。热点就这几天，手要快。
做金融、做数据分析的，可以关注它降幻觉这个进步，但务必拿你自己的真实数据、小范围地试，别直接上生产。记住它这块还落后 GPT-6，官方自己都承认了，别把活全交给它然后不检查。
普通用户，平时就是聊聊天、写写东西、查查资料的，我劝你先别冲动开会员。真没必要为了凑这两天的热闹掏钱。等高峰过去、免费号能排上队了，或者等 11 月开源之后第三方平台降了价，你再用，一点都不迟，体验还更好。
说到底，Kimi 这次是真争气。开源模型第一次离最强的闭源这么近，价格还砍了一大截，这对我们所有用 AI 的人都是好事，因为它实打实地逼着那几家闭源的往下降价，我们是受益的一方。但“人人今天都能免费用上一个开源版的 Opus”，这是一句漂亮的口号，不是今天的事实。东西是真好，门也才刚推开一条缝，别被口号推着跑，也别被冷笑拦着不敢看。
最后问问你：你今天挤进 K3.1 Pro 了吗，拿它干了点啥，成了没？评论区聊聊，我挺好奇真实的上手体验到底跟这些演示差多少。