Kimi K3.1 Pro 发布，3 万亿级参数、跑分对比和三个创作案例
截自官方 天宫场景演示视频约 10.2 秒处。画面来自官方案例，封面也使用这张截图。
Kimi K3.1 Pro 的发布页里，有一个画面很容易让人停下来。云海、长廊、巨大的月亮，角色沿着天宫移动，地面还能看见光线和倒影。旁边另一个视频，却是 FreeCAD 里的涡扇结构，叶片、轴和外壳分成了一层层。
这两件事放在同一页，比一句参数又涨了更有意思。
月之暗面这次把重点放在代码、3D 创作和金融研究上。我们更关心的是，同一个 Kimi K3.1 Pro，究竟在哪些任务里变强了，哪些地方仍然会输，以及普通用户打开聊天框之后，能从哪里开始用。
本文根据 Kimi 官方发布与快速开始文档及其配套图表整理，资料核对日期为 2026 年 10 月 24 日。评测分数由 Kimi 官方公布，案例图片截自官方视频，并非 LimaxAI 自行复现的结果。读到后面的案例时，先把这条来源记住。
3 万亿级参数和 100 万 Token，先把规格看清楚
K3.1 Pro 是 K3.1 系列推出的首个模型。官方把它称为迄今能力最强的 3 万亿级参数模型，同时推出 Highspeed 高速版。这里的 3 万亿级描述的是模型参数规模，不能自行理解成每次推理都会激活同样数量的参数，官方这份指南没有给出可据此计算的激活参数表。
先看能核实的规格，少一点猜测。
| 项目 | 官方文档公布的信息 |
|---|---|
| 标准版模型 ID | kimi-k3.1-pro |
| 高速版模型 ID | kimi-k3.1-pro-highspeed |
| 参数规模 | 3 万亿级 |
| 上下文窗口 | 1,048,576 Token，通常简称 1M |
| 思考模式 | 始终开启 |
| 推理强度 | low、high、max，默认 max |
max_completion_tokens | 默认 131,072，最大可设置为 1,048,576 |
| 视觉能力 | 官方 API 支持图片和视频理解 |
| 高速版速度 | 官方称相同智能水平下，输出速度约为标准版的 2 至 3 倍 |
| 权重发布 | 官方计划在 2026 年 11 月 4 日前发布完整模型权重 |
规格依据为模型指南、模型列表和视觉输入文档。输出参数的最大设置值，不等于任何输入长度、任何服务渠道下都能生成同等长度的回答。
还有一个时间上的区别。今天可以通过服务调用模型，和完整权重已经能下载，是两回事。官方写的是 11 月 4 日前的发布计划，所以这篇文章不会把它提前写成已经开放权重，更不会替它补上尚未确认的许可证。
说真的，参数大只是起点。写一段代码能不能跑，改完一个模块会不会弄坏另一个模块，做研究能不能把出处留下来，这些事才会决定它有没有帮上忙。
65.7% 的终端得分很强，但没有全项领先
官方公布的 Terminal-Bench 4.0 成绩里，Kimi K3.1 Pro 为 65.7%，Claude Opus 5.5 为 66.4%，GPT 6 Astra 为 58.2%。Kimi 比 Astra 高 7.5 个百分点，距离 Opus 还有 0.7 个百分点。
挺接近，但接近不等于超过。把其他项目一起摆出来，判断会更稳。
图片节选自 Kimi 官方评测总览，仅保留终端与 SWE Marathon 两项，未改动数值。下表补充同一总览中的另外两项。
| 模型 | Terminal-Bench 4.0 | SWE Marathon | Terminal-Bench Science 0.1 | Kimi Code Bench 3.0 Long-horizon |
|---|---|---|---|---|
| Kimi K3.1 Pro | 65.7 | 51.7 | 38.1 | 61.2 |
| Claude Opus 5.5 | 66.4 | 46.3 | 63.3 | 58.5 |
| GPT 6 Astra | 58.2 | 42.5 | 68.1 | 66.5 |
| Claude Fable 5.1 | 57.9 | 45.6 | 40.0 | 58.8 |
| DeepSeek V4.1 Flash 1017 | 42.3 | 40.0 | 15.7 | 51.5 |
| GLM-5.3 | 41.8 | 42.5 | 8.1 | 45.5 |
数据来自上方官方图表，各列沿用对应基准的计分口径，分数越高越好，不能把不同列直接相加。Kimi Code Bench 是 Kimi 自研基准。官方说明各模型使用最高思考强度，Claude 可能包含回退，GPT 可能包含 cyberguards；这里不是统一外部机构完成的独立横评。
这张表里，我更想提醒你看两处反差。Kimi 的 SWE Marathon 得分高于表内其他模型，可到了 Terminal-Bench Science，Astra 的 68.1 明显高于 Kimi 的 38.1。同样是在终端里做事，任务一换，结果就变了。
长程代码项目也一样。Kimi 在自家 Long-horizon 基准里拿到 61.2，仍低于 Astra 的 66.5。所以不能顺着一项好成绩，就推导出 Kimi 已经全面超过 GPT 或 Claude。
比较实用的办法，是从自己正在处理的任务里选一份小样本。同样的代码、同样的限制、同样的验收方式，分别看回答有没有定位问题，有没有说明改动范围，有没有留下能复查的测试步骤。排行榜能帮你缩小候选，具体项目还得自己验。
天宫、机场和涡扇结构，三个官方案例值得拆开看
回到开头那座天宫。它有长廊、云层、建筑和角色活动，镜头移动时，场景的空间关系仍然成立。官方将这段视频列在编码案例中，并说明展示案例由 K3.1 Pro 端到端完成。
这里要看的，不只是画面漂亮。一个可运行场景还要处理对象、位置、材质、光照和交互之间的关系。对做网页、游戏或产品原型的人来说，更有用的起点往往是一份可修改的场景结构，而不是一张只能参考的效果图。
但我没有拿到这个案例的完整工程，也没有在 LimaxAI 里重跑它。仅凭展示视频，我们无法确认所有代码质量、制作耗时或后续维护成本。把它当作能力展示很合适，直接当成交付保证就走远了。
第二个例子换到机场室内场景。玻璃穹顶、环形步道、植物和中央水景都在画面里，官方文件将它标为 Blender 案例。
截自官方 Blender 机场场景视频约 10.7 秒处。
你想想看，复杂场景难的常常不是多放几个物体，而是重复结构能不能保持规律，尺度有没有跑偏，镜头经过的时候会不会露出没处理好的边角。脚本化建模的价值，是让这些对象之间的关系也能被修改。
所以，向 Kimi 提需求时，可以把描述从做一个好看的机场，往前推进一步。把必须出现的对象、允许调整的尺寸、镜头需要经过的位置写出来，让它解释自己打算怎样组织场景。这样拿到的回答，更容易接到真实制作流程里。
第三个例子最直观。FreeCAD 界面里，涡扇结构被分层展示，右侧还能看见模型树。它展示的是可组织的几何对象，而不只是一张看起来像发动机的图片。
截自官方 FreeCAD 涡扇结构视频约 5.4 秒处。
这里也别兴奋过头。。。模型长得像一个机械装配体，不代表已经满足材料、强度、加工或安全要求。用于视觉演示、结构讲解和概念设计，与能投入制造的工程件，有很长一段距离。
官方的 BenchCAD 图表正好能给这种期待加一点尺度。
| 模型 | 使用工具 | 不使用工具 |
|---|---|---|
| Claude Opus 5.5 | 96.2 | 73.0 |
| GPT 6 Astra | 95.9 | 未展示 |
| Kimi K3.1 Pro | 92.7 | 72.8 |
| Claude Fable 5.1 | 92.6 | 60.6 |
| DeepSeek V4.1 Flash 1017 | 81.6 | 41.2 |
来源为官方 BenchCAD 图表。测试使用 1,000 个文件子集，指标为 Voxel IoU 百分比，衡量几何重叠程度，不能解释成工业产品的合格率。未展示的成绩没有用零补齐。
Kimi 在无工具条件下接近 Opus，在带工具条件下仍落后于 Opus 和 Astra。这个差异很有用，它提醒我们，软件、脚本接口和执行环境本身也是结果的一部分。
财报问答得分领先，研究工作仍然要留下证据
金融研究这一块，官方展示了基于文档回答问题和完成研究工作流的成绩。它们很适合放在一起看，因为从材料里找答案，与从筛选对象一路做完研究，并不是同一件事。
| 模型 | OfficeQA Pro v2 | Frontier Finance |
|---|---|---|
| Kimi K3.1 Pro | 64.4 | 58.6 |
| Claude Opus 5.5 | 62.2 | 56.7 |
| Claude Fable 5.1 | 54.5 | 60.8 |
| GPT 6 Astra | 54.4 | 45.0 |
| DeepSeek V4.1 Flash 1017 | 40.4 | 54.5 |
| GLM-5.3 | 31.1 | 57.5 |
数据来自官方 金融评测图，各列沿用原图口径。Kimi 在 OfficeQA Pro v2 的表内成绩最高，在 Frontier Finance 上则低于 Fable 5.1，不能把文档问答的优势扩展成所有金融任务都领先。
这类能力对整理年报、核对经营指标、比较不同年份披露口径，很有吸引力。尤其是材料分散在多份文件里的时候，人工经常要来回翻找，模型能帮忙把线索先集中起来。
不过，我更在意它能不能告诉你数字来自哪里。让回答保留文件名、页码、期间、币种和单位，比让它把结论写得更有气势有用。遇到缺失字段，直接标成未找到，也好过自动补一个貌似合理的值。
官方还公布了一组专门挑选易错对话的事实准确性压力测试。这样的结果可以观察改进方向，却不能当成日常使用的总体错误率。我们没有在这里把压力测试比例换算成你的研究准确率，也不会把一次财报分析包装成投资建议。
100 万上下文适合长材料，聊天页仍有自己的边界
很多人看到 1M，第一反应就是整份资料直接塞进去。
长上下文确实能减少来回搬运材料的次数。可输入放得下，与模型能找准每一个关键信息，中间还有检索、理解和核验这些步骤。材料越多，越值得给它一份清楚的任务范围，告诉它哪些结论必须能回到原文核对。
还要分清模型与产品。官方 API 的参数上限、Kimi 自家应用的功能，以及 LimaxAI 聊天页开放的功能，并不是同一张清单。
| 能力 | Kimi 官方模型或 API | LimaxAI 当前体验入口 |
|---|---|---|
| 文字对话与流式回答 | 支持 | 可体验 |
| 1M 上下文窗口 | 官方模型规格 | 按聊天页输入及文件限制使用，不承诺开放完整 1M |
| 图片和视频理解 | 官方 API 支持 | 当前 Kimi 入口未开放这些上传能力 |
| 推理强度选择 | low、high、max | 当前聊天页不提供对应档位开关 |
| 自定义工具调用 | 需要接入工具并执行调用循环 | 普通聊天入口不等于自动运行本地建模软件 |
| 3D 工程交付 | 官方展示了带软件环境的案例 | 可讨论方案与脚本，执行和验收仍需实际软件环境 |
官方的视觉输入文档说明了图片与视频请求格式，工具调用流程则见模型指南。上表将这些模型能力与本站当前入口分开列出，避免看完演示视频，以为打开聊天框就已经装好了 Blender。
其实吧，这样分清楚之后，使用起来反而更直接。先让 Kimi 帮你拆需求、读代码、写脚本或整理资料；需要执行的时候，再把产物放到对应环境里测试。把任务分到能验证的一步，比追求一次把所有事做完更可靠。
LimaxAI 每次 2 点，官方 API 采用另一套计费单位
我们已经在 LimaxAI 聊天页加入 Kimi K3.1 Pro，使用 RokoAPI 渠道，模型标识为 kimi-k3.1-pro，当前每次生成回复消耗 2 点。本文的体验链接都带有对应模型参数，打开后会预选 Kimi K3.1 Pro。
这里接入的是标准版，不是名字带 Highspeed 的高速版。官方提到的 2 至 3 倍输出速度，不能直接当作本站这个入口的速度承诺。
| 入口 | 当前计费或选择方式 |
|---|---|
| LimaxAI 的 Kimi K3.1 Pro 聊天 | 每次 2 点，以页面实时展示为准 |
| Kimi 官方 API | 按输入、输出与缓存等 Token 用量计费 |
| Kimi 官方 Highspeed | 独立模型 ID，价格与标准版分别查看 |
Kimi 官方 API 的最新单价和缓存计费说明，以官方定价页为准。平台点数与每百万 Token 单价不是同一种单位，不能只看一个 2，就推算哪边在所有任务里都更便宜。
如果只是想先判断模型是否适合自己的工作，浏览器聊天入口会省掉申请 API Key 和写请求代码这一步。带一段能公开分享的代码或文字材料来试，看看它的解释是不是具体，建议是不是能执行，就足够开始比较了。
程序员、3D 创作者和研究人员，可以从小任务开始
程序员可以从边界清楚的改动开始。给出相关函数、报错、预期行为和不能改的接口，让 Kimi 先解释问题，再提出最小改动。这样你能区分它是在读代码，还是仅凭报错关键词套用常见答案。
下面是一段可复制的起手任务，不是我们已经跑出的测试结果。
我会贴出一个函数、调用方式和实际报错。
请先说明你能从这些信息确认什么，还有什么不能确认。
保持函数签名和返回结构不变，提出最小改动方案。
如果需要其他文件，先明确指出，不要自行编造项目结构。
给出能够验证修复是否有效的测试步骤。3D 创作者可以先让它写可调参数的建模脚本。对象数量先少一点，尺寸、材质和相机位置留成参数。确认最小场景能运行，再增加复杂度，远比一上来要求重做整座机场容易排查。
请为 Blender 设计一个可通过 Python 脚本生成的展示场景。
先列出需要的对象、命名方式和可调参数，再给出脚本。
不要假设我已经安装第三方插件。
请说明适用的 Blender 版本，并把执行方式和验收步骤写清楚。
遇到无法确认的接口，不要用猜测的函数名代替。做研究的人，可以把第一轮任务设成证据整理，而不是写一个漂亮结论。对于几份材料之间有冲突的地方，要求它并列保留，别急着消掉分歧。模型愿意承认缺了什么，往往比回答长不长更有参考价值。
请只根据我提供的材料整理一张证据表。
逐项列出指标、数值、期间、单位和原文位置。
把事实、材料中的观点和你的推断分开。
缺少信息就标记未找到，出现冲突就同时保留并说明差异。
暂时不要给投资结论，也不要补充没有出处的数字。这几个起点都不复杂。把同一段任务交给 Kimi，再用自己已经熟悉的模型做一次，对比有多少结果能直接检查、多少内容还得返工。如果你还在挑选其他模型，可以接着看站内的 Gemini 4 Argon 评测对比，把不同任务的优势放在一起判断。
体验 Kimi K3.1 Pro 前，先弄清这几个问题
Kimi K3.1 Pro 已经发布了吗？
官方文档和调用入口已经上线。完整权重在本文核对时仍属于计划发布阶段，官方给出的时间是 2026 年 11 月 4 日前。
3 万亿级参数是每次推理都会激活 3 万亿参数吗？
不能这样推断。本文使用官方公布的规模表述，不额外猜测激活参数、专家数量或模型许可证。
Kimi K3.1 Pro 已经全面超过 GPT 6 Astra 和 Claude Opus 5.5 吗？
没有这样的证据。本文表格同时保留了 Kimi 领先和落后的项目，任务不同，排名也会变化。
100 万上下文等于能在 LimaxAI 一次上传同等长度的材料吗？
不等于。1M 是官方模型规格，LimaxAI 聊天页仍按当前页面的输入、文件和请求限制使用。
在 LimaxAI 能直接生成这些 3D 工程吗？
当前聊天入口可以用于方案和脚本讨论，不能把它等同于官方演示里的完整软件执行环境。下载脚本后，仍需在相应软件里运行和验收。
本站接入的是 Highspeed 吗？
当前是 kimi-k3.1-pro 标准版。Highspeed 使用另一个模型 ID，本文没有把高速版的速度宣传套到标准版上。
如何打开就选中 Kimi K3.1 Pro？
使用下方入口即可，链接已经带好模型参数。当前模型每次生成回复消耗 2 点，发送前可以再核对聊天页显示的价格。
看完这些分数和案例，我觉得最值得带走的，是一套更具体的使用办法。先挑一项能验收的任务，再看 Kimi 能不能把需求、实现和证据接起来。天宫很漂亮，真正留在你工作里的，还是那些能继续修改、能检查结果的东西。