AI工具| 这次国产模型不喊超越了,改喊便宜

10 月 24 日凌晨，月之暗面发布 Kimi K3.1 Pro，参数规模三万亿级，上下文 100 万 token，由上一代 K3 后训练而来，公司称完整权重会在 11 月 4 日前放出[1][2]。同一时间，第三方评测机构 Artificial Analysis 在 23 日给出的综合分是 55 分，比 K3 最高推理档高 11 分，排在总榜第四[3]。

真正值得单独拿出来说的是价目表：每百万 token 输入 13 元、输出 68 元，比上一代降了 35% 和 32%[1]。按美元刊例价折算，Kimi 是输入 2 美元、输出 10 美元，OpenAI 的 GPT-6 Astra 是 10 美元和 50 美元，Anthropic 的 Claude Opus 5.5 是 4 美元和 20 美元[1]。于是有了一个很好卖的说法——花五分之一的钱，买到差不多的能力。这句话对不对，得拆成两件事看：分数怎么来的，账单怎么算的。

官方给出的第一组分数是 Terminal-Bench 4.0：Kimi K3.1 Pro 65.7%，Claude Opus 5.5 66.4%，GPT-6 Astra 58.2%[2]。这项测试用真实环境里资源受限的终端任务考编程智能体，每道题都配了专项验收[2]。换算一下，它离 Opus 5.5 差零点七个百分点，比 Astra 高七点五个点。

第二组是 BenchCAD，考的是通过写 CAD 代码、从多视角渲染图重建三维模型：Kimi 92.7%，Opus 5.5 是 96.2%，Astra 是 95.9%[2]。这一项它排在后面，落差比第一组大。

第三组得自己找——Kimi Code Bench 3.0 Long-horizon，61.2%，上一代是 55.95%[2]。这个基准是月之暗面内部的，卷子自己出、题自己批，分数只能说明「这一代比上一代强多少」，说明不了「在同行里排第几」。我在读官方稿时特意把这一条拎出来，因为三组分数里只有前两组能横向比。

能横向比、又不属于任何一家的，目前只有 Artificial Analysis 那张榜：55 分，第四[3]。它比官方叙事朴素得多——同一份分析里，考察智能体操作在线软件流程的 AutomationBench-AA 从 58% 涨到 73%，涨得扎实；而知识与科学推理那几项，提升要温和得多[3]。也就是说，这代模型的进步集中在「会用工具、能连着干完多步任务」上，不是「什么都懂一点」。

价格这件事，最容易看错的地方是把「每百万 token 多少钱」当成「干一件事多少钱」。

Artificial Analysis 顺手算了另一笔账：K3.1 Pro 完成同样的任务，输出 token 要比上一代多用 14%，所以每个任务的实际成本约 1.98 美元，跟 K3 基本持平[4]。单价降了三成多，账单没跟着降。

高速版更直白。普通版 13 元输入、68 元输出，缓存命中的输入是 1.30 元；高速版是 26 元和 136 元，缓存命中仍是 1.30 元[3]。翻倍的钱买的是 2 到 3 倍的输出速度[1]，可它加速的只是模型输出这一环，读文件、调工具、跑脚本还是原来的速度[3]。你的活里这些环节占得越多，感觉到的「快」就越少。

还有个更小的实验，我觉得比任何榜单都说明问题。编程工具团队 Atomic Agent 自己出了一道题：修五个故意埋下的 bug，再补一个结算函数和一套命令行工具，验收用 32 项模型看不见的测试，每个推理档位各跑三遍。结果低档平均 2.2 分钟、单次 0.16 到 0.21 美元，最高档 4.9 分钟、0.35 到 0.46 美元，两种档位三遍都全过[3]。把思考强度拉满，没有多做对一道题，时间和钱却都翻了倍。

这就是我说的「比价要看账单」。你花的是钱，得到的是一件事被干完，中间那个 token 数只是过程。

顺带说一句，这轮降价不是一家在做善事。高盛 10 月的一份研究认为，领先模型之间的性能差距正在缩小，编程领域尤其明显，成本效率以及「支持模型访问数据、执行工作流程」的配套系统，可能成为竞争的关键[5]。同期，OpenAI 正就约 300 亿美元融资谈判，目标估值 1.25 万亿美元，低于此前讨论的 1.4 万亿；Anthropic 披露三季度数据后，部分投资者把 IPO 估值预期从 2 万亿下调到 1.5 万亿附近[5]。买家开始按单位成本算账，卖家就得把价签往下调。价签是被算出来的，不是让出来的。

榜单之下，用过的人给出的评价是劈成两半的。

代码这一半不错。有开发者拿自己一个 Rust、C、汇编混着写的项目去试，认为它明显强过 DeepSeek V4.1 Flash，对 Rust 常见设计模式的掌握更稳；同样的活，K3.1 Pro 花了 20 分钟，上一代估计要 40 分钟到一个小时[4]。上一代被抱怨最多的「慢」，这一代也缓过来了，思考过程大多一闪就折叠[4]。

审美那一半不太行。论坛用户拿单文件 HTML 出题，让它画云上龙城、琉璃机械孔雀、钻石，结论相当不客气，说在已测模型里排得靠后，孔雀羽毛的高光被画到了羽毛背面；另一位让它照参考照片用 Three.js 还原一个 Steam 手柄，改了三轮，LOGO 和部件的空间关系还是不对[4]。

官方演示又是另一幅画面：接上 Blender 复刻了新加坡机场那片室内雨林，在 FreeCAD 里做了一个能在模拟环境里转起来的涡扇发动机[1]。

两边都不假。工具链给足、任务有明确验收标准的时候，它能交出成品；纯看视觉审美、没有客观对错的时候，还得人来收尾。这也决定了它适合放在流程的哪一段。

天天写代码、做小工具的人，这代值得换。20 分钟对 40 分钟，加上单价降了三成多，换成日常调用是实打实的省[4]。但结算方式要改：别按 token 单价做预算，按「跑完一个任务花多少」来算，那笔钱才是你月底看到的。

做视觉、3D、游戏的人，先别信演示片。自己出三道私人题——一个你熟的场景、一个带参考图的还原、一个需要连贯分镜的镜头，跑完再决定要不要迁[1][4]。官方那两个案例是真做出来的，但它挑的是能出彩的题。

只想用 AI 把活干完、不碰 API 的人，这代变化对你没那么直接。网页版、App、Kimi Work、Kimi Code 都能选到 K3.1 Pro 和高速版[2]，你感受到的差别主要是「等的时间短了」，而不是「能做的事多了」。

至于本地部署这条路，得等 11 月 4 日权重真的放出来再谈。

· 单价降了三成多，账单几乎没动：同样任务输出 token 多用 14%，一次任务约 1.98 美元，与上一代持平[4]。

· 官方考卷 65.7 分，第三方统一考卷 55 分、总榜第四，两套分都真，含义不同[2][3]。

· 高速版快 2 到 3 倍，价格也翻倍，且只加速输出那一环[1][3]。

· 省钱与否取决于你的活：写代码省时间，出图还得人来把关[4]。

11 月 4 日权重放出来之后，只要看两件事就够了：第三方评测里那个 55 分能不能被别人复现，以及同一道题上那个 1.98 美元的账单会不会掉下来。两件都成立，这次「贴着打」就不只是自家考卷上的名次；只要有一件不成立，读者手里那点预算，分配方式还是照旧。

[1] 《3万亿级参数！Kimi K3.1空降国产第一，1/5价格狙击Astra，实测跑通3D建模》，智东西（新浪财经转载），2026-10-24，https://finance.sina.cn/2026-10-24/detail-iniwhtfu4922588.d.html

[2] 《月之暗面发布三万亿级参数模型 Kimi K3.1 Pro，完整权重将在11月4日前开放》，IT之家（凤凰网科技转载），2026-10-24，https://tech.ifeng.com/c/8xTYc1j1Y6k

[3] 《写程序、做3D，新Kimi还有多少本事？》，网易新闻，2026-10-24，https://c.m.163.com/news/a/LA0CN31M00097U7T.html

[4] 《Kimi 发布 K3.1 Pro，加量降价挑战 Opus 5.5》，网易号，2026-10-24，https://www.163.com/dy/article/LA0IA74R05119FMA.html

[5] 《开源模型争夺高价值市场 闭源厂商高估值面临考验》，上海证券报·中国证券网（记者窦世平，腾讯新闻转载），2026-10-24，https://news.qq.com/rain/a/20261024A08TN800