要闻速递：Kimi认错，杨植麟还是得学梁文锋

在这次改动后，最明显的体验就是，K3.1 Pro没有刚发布那会“烧额度”了。

回到模型发布当天，整个AI圈子都倒吸一口凉气，性能超越OpenAI所有模型，仅落后Opus 5.5半个脚掌。第三方评测机构ModelCompare发文称，中美AI差距已从3、4个月缩减为仅剩31天。

(资料图片)

然而这场狂欢还没撑过两天，K3.1 Pro的评价就从“特别好评”，变成了“多半好评”。杨植麟也被冠上了“神鬼二相性”的外号，神在于模型性能突破天际，鬼在于K3.1 Pro用起来多少有点“肉疼”。

反馈最多的就是额度问题。社区多位用户称，几乎没怎么用，就已经花光了K3.1 Pro的5小时额度。就拿我自己来说，199块钱的档位，两天一共生成不到10个3D模型和几个时长不超过30秒的演示动画，月额度已经跑完了一半。

哪怕是一些简单的任务，K3.1 Pro也会调用大量的子Agent来思考、推理，其输出结果并没有提升很大，却因为这些子Agent，导致用户浪费了很多额度。

杨植麟也挺无奈，提升模型的智能水平必然需要更多的token。

这也就导致K3.1 Pro虽然比K3便宜了30%，却因为额度给得太少，导致最后并没有多少人真正感受到了“便宜”。

就在K3.1 Pro发布的前一周，DeepSeek发布了V4.1 Flash-1017，它的思路完全相反：不拼上限，而是把性能、速度、输出长度一起优化，价格保持不变。

V4.1 Flash-1017完美体现了梁文锋的产品哲学，自发布至今仍然是“好评如潮”。

或许杨植麟就该在产品上，该跟梁文锋取取经。

额度是月之暗面最大的伤

K3.1 Pro发布后，社区里有很多人都在讨论额度的问题。比如有这样一条高赞评论，发帖人称“它大概只用了10分钟，5小时的额度窗口就已经满了”。

Linux.do上，有一位199套餐用户，他表示只发了一句让模型审查项目架构的指令，Kimi拉起5个子 Agent，十几分钟后5小时额度就满了。

微博用户@这很盒里吧发帖表示，在WorkBuddy里使用K3.1 Pro，一个简单任务还没跑完，就花掉了超过450的积分。

而实际上，WorkBuddy的99块钱标准版，一个月总共也就4000积分。相当于一个简单任务，跑了月额度的10分之1。@这很盒里吧还表示，K3.1 Pro目前消耗积分的倍率是0.97，也就是说，实际上积分消耗要更少一些。

Artificial Analysis认为，之所以K3.1 Pro如此消耗额度，关键就在于token效率上。

在测试中发现，K3.1 Pro跑完整套Intelligence Index测试集，一共要输出约1.5亿个token，同价位模型的中位数是8700万。

同一套测试，GPT-6.1 Sol只用了约6700万，GPT-6 Astra约6000万。按OrcaRouter的换算，同样的任务K3.1 Pro的输出量大约是Astra的2.5倍。

Artificial Analysis还表示，K3.1 Pro的速度也低于同类的中位数，大约每秒70多到80个token。另外，K3.1 Pro只支持思考模式，关闭思考的请求会被直接拒绝，每一次调用都在为推理付费。

虽然K3.1 Pro推出了高速（Highspeed）版本，但是月之暗面官方表示，高速版只加快模型输出。任务里工具调用（读写文件、执行命令等）与脚本执行的耗时不受影响，如果这部分占比大，整体提速就不明显。

虽然K3.1 Pro相较于K3便宜了30%，可Artificial Analysis在测试中发现，K3.1 Pro的单次任务成本并没有便宜到哪里去。

K3.1 Pro平均单次任务的花费为2.11美元，GPT-6 Astra为3.26美元。而K3.1 Pro的token价格只有Astra的五分之一，可落到实际花费上，只省了大约35%。

这一切可能和K3.1 Pro的训练有关。

杨植麟认为，要想让模型实现更长的输出，那就必须得在整个过程中始终保持严谨，反复检查、修改、自我修正。从K3开始就是如此，当时的官方技术文档里写到，K3会在输出中表现出过度谨慎、反复自我审视。

Fireworks AI官方研究博客《Introducing Ember-1》中提到，就算拿掉了K3反复检查的过程，对模型性能几乎没有影响。换句话说，K3有点太严谨了。

到了K3.1 Pro，模型不仅要对任务严谨，还对整个环境严谨。

K3.1 Pro官方技术报告里提到过一个案例，模型模拟人学习行走的过程，K3.1 Pro发现手臂动作始终不理想、调整奖励也没有解决，于是回头检查模拟器，修掉了36处肩部肌肉力臂的计算错误，再重新训练，最终才让效果更好。

这也是为什么K3.1 Pro虽然性能很高，然而输出更长，token更多，因为它要对几乎一切保持严谨，甚至连环境都是如此。

杨植麟烧token，梁文锋则是省token。

DeepSeek称V4.1 Flash 1017的迭代为“帕累托改进”。这是一个经济学概念，它指的是一件事改完之后，至少有一个方面变好了，同时没有任何一个方面变差。

放在模型里体现出的，就是模型的各项基准分数更高，任务完成更快，输出更短，价格也没有变。

DEV社区里就有人做过测试，说DeepSeek V4.1 Flash 1017相比较4.1 Flash，输出变短、任务变快，每完成一个任务的成本，反而下降了。

其实V4.1 Flash本身是个极其“话痨”的模型，OrcaRouter上就有实测表示，同样是在Artificial Analysis那套Intelligence Index上，V4.1 Flash要输出2.5亿token，比K3的1.6亿还多56%。

但是由于V4.1 Flash的Causal Encoder-Decoder架构，552B总参数但prefill只激活8B、decode只激活16B。KV缓存被压到每token只有890字节，显存占用降到上代的四分之一、SSD占用上代的八分之一。

所以DeepSeek跑分更强、任务完成更快、输出还变短，梁文锋不愿意牺牲掉某一项属性换来另一项。

Agent是服务AGI的一环

梁文锋曾经说过，“现在投资人看到的最多的是Agent，但对于我们这些研究的⼈来讲，现在看到更多的是学习，以及怎么解决学习这个问题。”

言外之意，梁文锋觉得Agent只是AGI的一环而非全部。

2025年的时候，杨植麟登上了张小珺《商业访谈录》。对于纯推理模型和Agent，杨植麟提出了一个缸中之脑理论：“想象一个鱼缸，你把一个脑子放在里面，跟外界没有联系。它只是在自己大脑里面想，一直想，不需要跟外界产生任何交互，就能解一道题。”

对于Agent，杨植麟说：“它不再是‘缸中之脑’，是跟外界有交互的。我的下一步行为，是根据交互中得到的反馈，和外界给我的新状态的更新有关系。”

缸中之脑就代表了o1那样的强推理模型，可杨植麟想要的，是让模型能够使用更多的工具，进行更多轮的交互。

不过无论梁文锋和杨植麟怎么说，那都是他们在产品哲学方面对Agent的定义，真要看模型Agent如何，还得放到真实任务里。

除了Artificial Analysis，社区也经常用“致知｜大模型智力长期追踪榜单”（猫榜）来测试模型的水平。

它把模型的能力拆成推理、Agentic和视觉三个板块。在Agentic这一页，用的是一组需要长流程、多约束和工具协作的任务。左边的数字和字母，表示扣分数和档位，页面上写着“1/A 代表扣分数/档位”，数字越小越好；右边的￥金额，看起来是模型跑完这道题的花费。

相比上一代K3，K3.1 Pro的进步非常明显。K3在Rust App上是“Failed”，也就是不能实现，K3.1 Pro则拿到了23分、C档；K3在Science上是26分、C+，K3.1 Pro提升到了16分、B档；Animation也从22分提到了17分。

这个结果，和月之暗面官方强调的“Agent执行能力大幅提升”是吻合的。

然而在这个榜单上，K3.1 Pro却输给了DeepSeek V4.1 Flash 1017。

Rust App上，DeepSeek V4.1是12分、B档；K3.1 Pro是23分、C档；Simple Model这一项，K3.1 Pro是5分，DeepSeek是10分，两者同为B+档，Kimi略好一些；Animation这一项，双方都是17分、B档，打平；Science 一项，DeepSeek是13分，Kimi 是16分，同为B档，DeepSeek略好。

另外，K3.1 Pro在Data Process和Metal两项还是“Pending”，意味着完整的结论目前还不能下。

明明在Artificial Analysis上直逼Opus 5.5的K3.1 Pro，却在这里评分低于DeepSeek？

这是由于猫榜有个规则，“模型不限制Max Token，但根据题目难度对超长思考进行扣分惩罚。”等于你花的token越多，就越给你扣分，K3.1 Pro吃了大亏。

在Rust App上，DeepSeek花了12.32元，K3.1 Pro花了221.21元。Simple Model上，Kimi花了12.60元，DeepSeek是5.88元。Animation上，Kimi是38.77元，DeepSeek是10.77元。Science上，Kimi是25.80元，DeepSeek是6.21元。

还有一点，K3.1 Pro的技术博客里写到，模型会“过度主动（excessive proactiveness）”，遇到模糊意图会替你做决定、过度即兴。尤其是对于Agent来说，K3.1 Pro更愿意去根据提示词来自由发挥。

可猫榜里面，像是Rust App这类任务，它的环境反馈链极长、需求边界完全卡死，会严格限制模型的发挥。

梁文锋在做的，是让每一次Agent调用都稳定、便宜；杨植麟在做的，是让最难的那几个场景，看起来足够惊艳。

月之暗面需要“克制”

K3.1 Pro的3D能力是发布的重点之一。你可以给模型几张图片，不需要交代任何事情，它就能将其转换成3D建模。

发布后的第二天，社区上出现了一个高赞帖子。发帖人称，他发现Kimi内置了一个名为model3d_generation的技能，会运行一段Python脚本，通过外部API的服务来生成3D模型。

发帖人特意禁用了这个技能，让K3.1 Pro只用自己的代码生成，质量明显差了一截。更关键的是，脚本里支持三个模型版本：v3.1、v3.0和v2.5，这和3D生成公司Tripo AI的模型版本完全吻合。

事实上，早在K3.1 Pro发布之前，Kimi Work桌面端就已经把Tripo 3D纳入了插件生态。

月之暗面资源中心10月17日更新的《如何制作具有逼真效果的3D图像设计》一文中明确写道，Kimi Work“支持 Blender、Tripo 3D及其他插件”。

官方10月14日的博客《10款值得尝试的免费和付费AI 3D图像生成器》中也提到，Kimi Work已经集成了 Tripo 3D。

其实月之暗面自己发布的技术博客里明确表示K3.1 Pro在游戏引擎里工作时，会“结合网页搜索和3D生成”来创造完整的体验。BenchCAD的92.7%，标注的也是“借助工具”。

这意味着，官方并没有说这些成果是模型“徒手”完成的。

请“外援”这件事，并没有什么错。调用工具，原本就是Agent能力的一部分，一个会找到合适工具并把它接进工作流的模型，比一个什么都自己硬算的模型更有用。

但问题就在于，杨植麟想要的太多。除了3D建模和游戏引擎，K3.1 Pro所覆盖的还有代码、长程Agent、金融研究等等。

每一个方向单独看，都有道理，也都有真实的进展。

Artificial Analysis的数据显示，K3.1 Pro在科学推理上是34.3%，同期 Opus 5.5是59.0%，GPT-6 Astra是63.3%。在不用工具的HLE测试里，K3.1 Pro是51.1%，低于 Opus 5.5的59.8%；长上下文推理，也从K3的88.7%略降到了86.3%。

战线拉得太长，每一条线上能分到的资源就变少了。

相较之下，梁文锋就非常克制，他曾经说过：“这也是我们克制的一部分。我希望这些商业机会能够让其他⼈来做，我们希望这些商业机会、怎么用这个AI ，是整个社会、我们所有的合作伙伴⼀起来做，大家⼀起来分享这个收益，而不是我想独吞，这不可能。”

DeepSeek并不是什么都不做，它同样有搜索和抓取API，有各种产品化的动作。区别在于，每一件事都被放在“服务AGI主线”这个前提之下，不服务主线的事，哪怕是好生意，也宁愿不做。

克制不是佛系，它本质是一套资源分配的方法。先决定什么不做，再决定怎么做好。

标签： 梁文锋 输出 模型 官方 性能 杨植麟 额