Kimi 把干活练到开源第一，底座没换
月之暗面把 K3.1 Pro 的后训练算力全押在有交付物的活上：长周期编码与财务文档领先开源对手，科研、程序修复与跨学科推理仍差美国模型两位数；同价位还站着一个未进官方对照表的 Claude Sonnet 5.5。
10 月 24 日凌晨，月之暗面发布了新模型。
彭博在标题里把它和「夏天那场它自己的 DeepSeek 时刻」连在一起，说这是那之后的第一次大升级。1
彭博那篇的第一段标了估值：500 亿美元。1
这个说法是彭博自己在 7 月写下的。
7 月 17 日的早报标题是《中国又送来一个「DeepSeek 时刻」》。2
说的是 Kimi K3：2.8 万亿参数，官方称它是世界第一个开放权重的 3T 级模型——3T 指 3 万亿参数这一档。3
发布当天，费城半导体指数跌 4%，摩根大通的策略师把这个交易日叫「DeepSeek 2.0」。4
三个月后，升级版来了。
这次有两个型号：Kimi K3.1 Pro，和快一档的 Kimi K3.1 Pro Highspeed，官方说后者输出速度是前者的 2 到 3 倍。5
官方对它的定义写得很克制：Kimi K3 的后训练版本，后训练算力大幅增加。5
权重指训练完成的参数文件，下载下来就能装在自己的机器上跑；放权重，等于把部署权交出去。
官方承诺 11 月 4 日前放出权重。5
价格也改了。K3.1 Pro 每百万 token 输入 2 美元、输出 10 美元，上一代 K3 是 3 美元和 15 美元。6
输入输出都降了三分之一；高速版翻倍，4 美元和 20 美元。6
彭博挑出的重点是金融研究和编程，并注明这是美国对手重点投入的两个方向；另外提了一句 3D 建模，说对游戏设计更有用。1
一张表的两半
官方总览图把它们分成 14 类，附表逐项列出 47 行分数，同一基准的有工具版、无工具版分开算。5
下面六行值得单看：三行考「有交付物」，三行考「没见过」。
| 考什么 | K3.1 Pro | 官方给的对手 | 差 |
|---|---|---|---|
| Terminal-Bench 4.0：在终端里跑完编码任务 | 65.75 | Claude Opus 5.5 · 66.4 | −0.7 |
| SWE Marathon v1.1：长周期修缺陷 | 51.75 | Claude Opus 5.5 · 46.3 | +5.4 |
| OfficeQA Pro v2：真实财报文档问答 | 64.45 | Claude Opus 5.5 · 62.2 | +2.2 |
| Terminal-Bench Science 0.1：科研任务 | 38.15 | GPT-6 Astra · 68.1 | −30.0 |
| Program Bench：程序修复，二值判定 | 31.55 | Claude Opus 5.5 · 65.0 | −33.5 |
| HLE-Diamond：跨学科推理 | 39.45 | GPT-6 Astra · 65.8 | −26.4 |
六行的分数都是百分制。
赢的两行，任务都收在一个交付物上：把一处跨文件的缺陷修完，把一份财报里的数对上。5
近乎打平的那行，是在终端里跑完一整套编码任务：65.7 对 66.4，差 0.7。5
输的三行，考的是没被专门练过的能力：科研任务差 30 分，跨学科推理差 26.4 分，程序修复差 33.5 分。5
Program Bench 的计分让它比看上去更严：只看最终有没有达到 95% 的通过率，到了记 1，没到记 0。5
一次做不干净，就是零分。
差距落在两位数上，Program Bench 只有对手的一半。
表里的开源对手只有两个：DeepSeek-V4.1-Flash-1017 和 GLM-5.3，这六行里它们的分数全部更低。5
唯一被翻过来的一行在表外：DeepSWE v1.1 上，DeepSeek 报 77.0，它报 75.5。5
有交付物的那几行，它站到了开源模型的最前面；没见过的题上，差着两位数的分。
它只改了后训练
官方用了两个词：post-trained，post-training compute。
后训练指预训练完成之后那一段训练，通常用强化学习，让模型在任务环境里反复试。
预训练换的是底座：更多的数据、更大的模型、更强的架构。
K3.1 Pro 练的是同一套权重上的行为。5
官方说，为了在「数百个下游领域」做联合强化学习，它把强化学习框架、长上下文推理、沙箱、任务调度都重做了一遍。5
钱花在练习场上，模型本身没动。
K3 的模型卡写着：总参数 2.8 万亿，激活 1040 亿，上下文 1,048,576 个 token。7
混合专家（MoE）的模型每次只调用一部分参数，激活量指的就是被调用的那部分。
K3.1 Pro 的精确参数，官方没写，只说「3 万亿级」，和 K3 是同一档。5
六行分数给了一个线索：练出来的东西集中在流程上——调工具、看报错、改方案，练得越多越熟。
底座里没有的东西，练不出来：一道没见过的跨学科难题，环境里试一万遍也补不上那块知识。
后训练把执行磨快了，底座还是那副底座。
为什么偏偏是这两门
金融是官方这次讲得最细的一栏。
外部基准 OfficeQA Pro v2，K3.1 Pro 得 64.4，比 Claude Opus 5.5 高 2.2 分，官方称第一。5
内部三项是自己出的题，对着 K3 比：财务建模 57.6 对 50.4，金融研究 70.4 对 58.8，商业经营 37 对 8.9。5
每组数里，前面是 K3.1 Pro，后面是上一代 K3。
第三项差了四倍多，是分数之比，不等于能力翻了四倍。
还有一个数，做金融的人最在意：把一段回答拆成一条条主张、再逐条判真假，被判错的比例从 23.4% 降到 8.3%。5
官方紧接着加了一句限定：这是故意挑模型容易出错的题做的压力测试，百分比不代表日常使用中的错误率。5
编程那栏更直白：SWE Marathon 51.7，比 Opus 5.5 高 5.4 分。5
这两门生意的验收标准，都写在产出物上：一个能跑通的改造，一张能对上数的表。
美国那边，产品说明也在往交付物上靠。
Anthropic 9 月 28 日发 Sonnet 5.5，用的词是「修缺陷」「做漂亮的文档、幻灯片和表格」。8
K3 那波之后，月之暗面多了一种收钱方式。
8 月 26 日路透报道，它在和微软、亚马逊、Google 谈收入分成，要 K3 相关服务收入的最多 30%——这笔钱由托管方付给它。9
开放权重让云厂商能直接托管模型，分成谈的就是这部分收入怎么切。
9 月 3 日，路透说它以保密方式向港交所递表，目标募资 30 亿美元。10
10 月 6 日，彭博说最后一轮私募以约 500 亿美元收官，计划明年一季度上市。11
同一篇报道给了收入：年化收入 6 月 3 亿美元，现在 10 亿，年底目标 20 亿。11
500 亿美元估值对 10 亿美元年化收入，是 50 倍；按年底目标算，25 倍。
递表七周后发升级版，方向压在能收钱的两门活上。
这次升级的方向，朝着能写进收入表的那几门活。
标准版便宜三分之一，表里少了一行
K3.1 Pro 比 K3 便宜三分之一，能力还涨了。6
官方那张「Terminal-Bench 分数对每任务平均成本」的图上，K3.1 Pro 落在 5 美元以内，Claude Opus 5.5 在 14 美元上下。5
同价位的对手，9 月 28 日就有了。
Claude Sonnet 5.5，输入 2 美元、输出 10 美元，和 K3.1 Pro 一模一样的价目。8
Anthropic 给它的 Terminal-Bench 4.0 数字是 70.6%。8
K3.1 Pro 是 65.7。5
官方表上列了两个 Claude：Opus 5.5 报 66.4，Fable 5.1 报 57.9。5
两家的跑分框架不一样，70.6 和 65.7 不能直接相减。
同一个价位，一家报 70.6，一家报 65.7。
同价、更高分的那一行，官方表上没有。
漏洞研究能力，被主动砍掉一截
这份发布里最反常的一段，在网络安全。
官方说，后训练的算力加上去，模型的漏洞研究能力跟着涨。他们顺着这条线查来源，发现网络安全的内容混在预训练语料里，强化学习的环境里也有这类任务。5
于是公司在预训练和强化学习两个阶段都做了数据剔除，再发布开放权重。5
xdev-bench-hard 是它自己出的题：给一段有漏洞的源代码和对应的二进制，模型要写出能打进沙箱、取到一个字符串的攻击程序。
代价写在自己的数字里：没做清洗的检查点，这道题通过率 90.5%；最终发布版 81.0%；上一代 K3 是 33.3%。
9.5 个百分点，就是这次自我限制的价格。5
官方的原则写得很直白：不放出会把网络能力的绝对前沿往前推的开放权重。5
放回全球坐标，这件事指向一个更大的问题：一个开放权重模型放出去，谁来判断它的能力边界。
9 月 29 日，Anthropic 评估智谱的 GLM-5.3，结论是「宽松的防护显著提高了恶意行为者可用的网络能力」。12
10 月 16 日，中国商务部与科技部的出口目录征求意见稿，把大模型等 23 项人工智能技术列进拟管理范围。13
同一份公告里有一句：已通过开源、发表学术论文等方式进入公共领域的技术，不纳入管理范围。13
三件事挤在三周里。谁在回应谁，公开材料里查不到。
先给自己划一条能力上限，再谈开放，这是开源阵营里少见的一步。
现在能信到哪
对照分数全部来自各家自己的博客和系统卡，官方脚注写明了这一点。5
脚注里还有几句：Claude 模型可能带 fallback，部分请求退回旧模型或更保守的处理；GPT 模型可能带 cyberguard，对高风险请求加拦截；所有测试在最高推理档，编程项多用 Claude Code 框架。5
官方把这些写进脚注，等于说明对手的分数带着各自的限制条件。
Anthropic 自己也没把分数当终局。Opus 5.5 的发布稿里有一句：能力到了这个水平，基准分数之间的差距已经不太能说明真实世界里的差别。15
所以「开源第一」目前是官方口径的第一。
11 月 4 日放权重那天，还有一件东西要一起看：许可证。
上一代用的是「Kimi K3 License」：可以商用、可以改、可以再分发；做模型服务、12 个月收入超过 2000 万美元，要另签协议；月活过 1 亿或月收入过 2000 万美元，界面要署名。7
K3.1 Pro 的许可证，官方到发稿时还没写。5
对用模型的人，这张表可以这么读：活是长周期编码或财报处理，2 美元输入、10 美元输出的价目值得先试；活是科研推理或跨软件操作，它在表上还排在美国模型后面。
先把能卖的活干到第一，剩下的那半留给下一版。
References
- 1
- 2
- 3
- 4Business Insider：The next DeepSeek?（2026-07-17）
businessinsider.com
- 5
- 6Kimi API：Model Inference Pricing
platform.kimi.ai
- 7Hugging Face：moonshotai/Kimi-K3
huggingface.co
- 8Anthropic：Claude Sonnet 5.5（2026-09-28）
anthropic.com
- 9
- 10
- 11
- 12
- 13商务部、科技部公告 2026 年第 48 号（2026-10-16）
mofcom.gov.cn
- 14arena.ai：Leaderboard
arena.ai
- 15Anthropic：Claude Opus 5.5（2026-09-22）
anthropic.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.