共计 1413 个字符，预计需要花费 4 分钟才能阅读完成。
连夜蹬了 K3.1 pro 之后, 我觉得 Kimi 可能真的要做具身智能了
一句话核心:Kimi K3.1 Pro 的看点不只是“变快”, 而是执行任务能力明显提升: 终端操作、办公自动化和长任务编程成绩提高,API 输出价格同时下调。不过, 额度消耗、复杂视觉与物理场景的稳定性仍有疑问, 围绕其具身智能意图的讨论也再次升温。
Kimi K3 发布时,速度曾是被讨论的短板。到了 K3.1 Pro, 普通版本响应已回到“正常偏快”区间; 官方另设 Highspeed 版本, 宣称效果与普通 Pro 相同, 模型输出速度约为其 2—3 倍。对高频调用 Agent 的用户来说, 这会直接影响体验和成本。
📌 执行类任务成为主要增量
Kimi 提到增加了后训练投入, 让模型在数百个下游领域接受联合强化学习, 并改进长上下文处理和执行任务环境。落到评测上, 任务执行相关指标提升更明显。
- Artificial Analysis 综合指数从 K3 的 44 分升至 55 分, 排名第 4。
- Terminal-Bench 4.0 从 12.6% 升至 67.2%, 在公布结果中居首。
- AutomationBench-AA 目标完成得分从 58.3% 提高到 73.3%, 考察跨邮箱、表格和客户管理系统的工作能力。
- GDPval-AA 排到第 3, 主要比较文档、表格和演示文稿的生成质量。
Kimi 公布的成绩表中 ,Pro 在 SWE-Marathon v1.1 长任务编程测试中为 51.7%, 高于 Opus 5.5 的 46.3%;OfficeQA Pro v2 为 64.4%, 高于 Opus 的 62.2%。需要说明的是,Pro 的成绩由 Kimi 自测, 对手成绩部分来自外部榜单。进步并不均匀:HLE 全量难题测试中, 使用工具的 Pro 拿到 70.0%, 不用工具时为 51.1%, 低于 Opus 的 59.8%;AA 长上下文推理测试中,Pro 为 86.3%, 略低于 K3(Max) 的 88.7%。
🔍 实测: 能跑通流程, 但视觉题仍需修
在编程实测中,K3.1 Pro 交出的结果不全是“成品级”, 但已能覆盖部分实际流程。七边形内小球碰撞模拟可持续运行, 未发现穿墙或丢球, 并把旋转墙面的局部速度纳入反弹计算; 音频频谱分析在更换高低音素材后, 图表和读数仍能对应; 离线视频剪辑器能完成截取、分割、重排、撤销和导出, 刷新页面后素材与时间线也能恢复。
视觉类题目更像“可继续修改的初稿”。“自行车骑鹈鹕”左右对照中, 自行车悬在鹈鹕上方, 承托关系没有正确建立; 卡片连续变形的最后一段出现文字先消失再突然出现;3D《清明上河图》场景中, 模型能自行修正人物离地、走进河里和穿过商铺等部分问题, 但交付版仍有行人穿入墙面、水面被地面遮挡等瑕疵。
官方虚拟人行走案例里, 模型不仅调整奖励, 还检查模拟器并修复了 36 处肩部肌肉力臂计算错误, 再重新训练控制器。这种“发现环境错误并回改”的能力, 比动作最终像不像人更接近 Agent 的工作方式。
💡 价格下探, 额度焦虑仍在
Kimi 把普通 Pro 的 API 输出价格降到每百万 token 68 元,K3 为 100 元,Highspeed 为 136 元。高速版消耗约两倍额度, 而且提速只发生在模型输出阶段, 读写文件、执行命令和运行程序的时间不会同步缩短。
📊 具身智能猜测升温, 落地仍早
围绕“连夜蹬了 K3.1 pro 之后, 我觉得 Kimi 可能真的要做”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
