文 | 字母 AI
K3.1 Pro 发布后不到 48 小时，月之暗面就放出公告称 " 模型存在的限速、额度无故虚耗问题，我们深表歉意。这些问题全是我们的责任，本该更早推动解决。10 月 26 日起，所有档位订阅用户返还月度总额的 25%。我们还调整了产品运行参数，砍掉不必要的子 Agent 调用、压缩冗余输出长度，让额度更耐用。"
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。
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。
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。
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。
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。
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。
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起来做，大家起来分享个收益，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。
