K3.1 Pro上线不足两天，月之暗面便发布声明：“针对模型存在的限速及额度异常消耗问题，我们致以诚挚歉意。这些问题完全由我们造成，本应更早处理。自10月26日起，所有订阅用户将获得月度总额25%的返还。同时，我们已调整产品运行参数，减少不必要的子Agent调用，压缩冗余输出长度，以提升额度使用效率。”

此次调整后，最直观的感受是K3.1 Pro不再像刚发布时那样“烧额度”。

回顾模型发布当天，整个AI领域为之震惊——其性能超越OpenAI所有模型，仅落后Opus 5.5半步。第三方测评机构ModelCompare发文指出，中美AI差距已从三四个月缩短至仅剩31天。

然而，这场热潮未持续两天，K3.1 Pro的评价便从“特别好评”滑落至“多半好评”。杨植麟也因此被冠以“神鬼二相性”的称号：神在模型性能突破极限，鬼在使用K3.1 Pro时令人“肉疼”。

用户反馈最集中的是额度问题。社区多位用户表示，几乎未怎么使用，K3.1 Pro的5小时额度便已耗尽。以笔者为例，199元档位在两天内仅生成了不到10个3D模型及几个时长不超30秒的演示动画，月额度已消耗一半。

即便是简单任务，K3.1 Pro也会调用大量子Agent进行思考与推理，输出结果提升有限，却因这些子Agent导致用户浪费大量额度。

杨植麟对此也颇感无奈：提升模型智能水平必然需要更多token。

这导致K3.1 Pro虽比K3便宜30%，但因额度分配不足，实际并未让多数用户感受到“便宜”。

就在K3.1 Pro发布前一周，DeepSeek推出了V4.1 Flash-1017，其思路截然相反：不追求上限，而是同步优化性能、速度与输出长度，价格维持不变。

V4.1 Flash-1017完美诠释了梁文锋的产品哲学，自发布以来始终维持“好评如潮”。

或许杨植麟在产品方面，应向梁文锋取经。

额度是月之暗面的最大痛点

K3.1 Pro发布后，社区中关于额度问题的讨论不绝于耳。例如，一条高赞评论指出：“它大约只用了10分钟，5小时的额度窗口就已填满。”

在Linux.do上，一位199元套餐用户表示，仅让模型审查项目架构，Kimi便启动了5个子Agent，十几分钟后5小时额度即告罄。

微博用户@这很盒里吧发帖称，在WorkBuddy中使用K3.1 Pro，一个简单任务尚未完成，便消耗了超过450积分。

实际上，WorkBuddy的99元标准版月总积分仅为4000。一个简单任务便消耗了月额度的十分之一。@这很盒里吧还指出，K3.1 Pro当前积分消耗倍率为0.97，意味着实际消耗略少。

Artificial Analysis认为，K3.1 Pro如此消耗额度的关键在于token效率。

测试显示，K3.1 Pro完成整套Intelligence Index测试集需输出约1.5亿个token，而同价位模型的中位数为8700万。

同一测试中，GPT-6.1 Sol仅用约6700万token，GPT-6 Astra约6000万。按OrcaRouter换算，相同任务下K3.1 Pro的输出量约为Astra的2.5倍。

Artificial Analysis还指出，K3.1 Pro的速度低于同类中位数，约为每秒70至80个token。此外，K3.1 Pro仅支持思考模式，关闭思考的请求会被直接拒绝，每次调用均需为推理付费。

尽管K3.1 Pro推出了高速版本，但月之暗面官方表示，高速版仅加快模型输出。任务中的工具调用（如读写文件、执行命令）及脚本执行耗时不受影响，若这部分占比较大，整体提速效果有限。

虽然K3.1 Pro较K3便宜30%，但Artificial Analysis测试发现，其单次任务成本并未显著降低。

K3.1 Pro平均单次任务花费为2.11美元，GPT-6 Astra为3.26美元。尽管K3.1 Pro的token价格仅为Astra的五分之一，实际花费仅节省约35%。

这可能与K3.1 Pro的训练方式有关。

杨植麟认为，要实现更长的输出，模型需在整个过程中保持严谨，反复检查、修改、自我修正。自K3起便是如此，官方技术文档曾指出，K3在输出中表现出过度谨慎与反复自我审视。

Fireworks AI官方研究博客《Introducing Ember-1》提到，即便移除K3的反复检查过程，对模型性能几乎无影响。换言之，K3过于严谨。

到了K3.1 Pro，模型不仅对任务严谨，还对整个环境严谨。

K3.1 Pro官方技术报告提到一个案例：模型模拟人类学习行走过程，发现手臂动作始终不理想，调整奖励后仍未解决，于是回头检查模拟器，修正了36处肩部肌肉力臂的计算错误，重新训练后效果才得以改善。

这也是K3.1 Pro性能虽高，但输出更长、token更多的原因——它需对几乎一切保持严谨，甚至包括环境。

杨植麟消耗token，而梁文锋则节省token。

DeepSeek将V4.1 Flash 1017的迭代称为“帕累托改进”。 这是一个经济学概念，指改进后至少一个方面变好，且没有任何方面变差。

在模型中，这体现为各项基准分数更高、任务完成更快、输出更短，价格也未变动。

DEV社区有用户测试称，DeepSeek V4.1 Flash 1017相较V4.1 Flash，输出变短、任务变快，每完成一个任务的成本反而下降。

实际上，V4.1 Flash本身是一个极其“话痨”的模型。OrcaRouter实测显示，在Artificial Analysis的Intelligence Index上，V4.1 Flash需输出2.5亿token，比K3的1.6亿多56%。

然而，得益于V4.1 Flash的Causal Encoder-Decoder架构——552B总参数，但prefill仅激活8B、decode仅激活16B——KV缓存被压至每token仅890字节，显存占用降至上代四分之一，SSD占用降至上代八分之一。

因此，DeepSeek跑分更强、任务完成更快、输出更短。梁文锋不愿牺牲任何一项属性来换取另一项。

Agent是服务AGI的一环

梁文锋曾表示：“现在投资人看到最多的是Agent，但对于我们这些研究的人来说，现在看到更多的是学习，以及如何解决学习这个问题。”

言下之意，梁文锋认为Agent只是AGI的一环，而非全部。

2025年，杨植麟曾做客张小珺的《商业访谈录》。对于纯推理模型与Agent，杨植麟提出了“缸中之脑”理论：“想象一个鱼缸，你把一个脑子放在里面，与外界无联系。它只在自己大脑中思考，无需与外界交互，便能解一道题。”

对于Agent，杨植麟说：“它不再是‘缸中之脑’，而是与外界交互的。我的下一步行为，取决于交互中获得的反馈及外界给我的新状态更新。”

“缸中之脑”代表了o1这类强推理模型，但杨植麟希望模型能使用更多工具，进行更多轮交互。

不过，无论梁文锋与杨植麟如何定义Agent，那都是他们在产品哲学层面的看法。要真正评估模型Agent能力，还需放在实际任务中。

除Artificial Analysis外，社区常用“致知｜大模型智力长期追踪榜单”（猫榜）测试模型水平。

该榜单将模型能力拆分为推理、Agentic和视觉三大板块。在Agentic板块，任务需长流程、多约束及工具协作。左侧数字和字母表示扣分与档位，数字越小越好；右侧金额表示模型完成该任务的花费。

与上一代K3相比，K3.1 Pro进步显著。K3在Rust App上为“Failed”（无法实现），K3.1 Pro则获得23分、C档；K3在Science上为26分、C+，K3.1 Pro提升至16分、B档；Animation也从22分提升至17分。

这一结果与月之暗面官方强调的“Agent执行能力大幅提升”相符。

然而，在该榜单上，K3.1 Pro输给了DeepSeek V4.1 Flash 1017。

Rust App上，DeepSeek V4.1为12分、B档；K3.1 Pro为23分、C档。Simple Model项，K3.1 Pro为5分，DeepSeek为10分，两者同为B+档，Kimi略优。Animation项，双方均为17分、B档，持平。Science项，DeepSeek为13分，Kimi为16分，同为B档，DeepSeek略优。

此外，K3.1 Pro在Data Process和Metal两项仍为“Pending”，意味着完整结论尚未得出。

为何在Artificial Analysis上直逼Opus 5.5的K3.1 Pro，在此处评分却低于DeepSeek？

这是因为猫榜的规则：“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。”即token消耗越多，扣分越重，K3.1 Pro因此吃亏。

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

另一点是，K3.1 Pro技术博客指出，模型存在“过度主动”问题，遇到模糊意图时会替用户做决定、过度即兴。尤其对Agent而言，K3.1 Pro更愿根据提示词自由发挥。

然而，猫榜中如Rust App这类任务，环境反馈链极长、需求边界完全固定，严格限制了模型发挥。

梁文锋的做法是让每次Agent调用都稳定且便宜；杨植麟的做法则是让最难场景看起来足够惊艳。

月之暗面需要“克制”

K3.1 Pro的3D能力是发布重点之一。用户可提供几张图片，无需任何说明，模型即可将其转换为3D建模。

发布后第二天，社区出现一条高赞帖子。发帖人称，他发现Kimi内置了一个名为model3d_generation的技能，会运行Python脚本，通过外部API服务生成3D模型。

发帖人特意禁用了该技能，让K3.1 Pro仅用自己的代码生成，质量明显下降。更关键的是，脚本支持三个模型版本：v3.1、v3.0和v2.5，这与3D生成公司Tripo AI的模型版本完全吻合。

事实上，早在K3.1 Pro发布前，Kimi Work桌面端已将Tripo 3D纳入插件生态。

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已集成Tripo 3D。

实际上，月之暗面自身发布的技术博客明确表示，K3.1 Pro在游戏引擎中工作时，会“结合网页搜索和3D生成”来创造完整体验。BenchCAD的92.7%也标注为“借助工具”。

这意味着，官方并未宣称这些成果是模型“徒手”完成的。

请“外援”本身并无过错。 调用工具本就是Agent能力的一部分，一个能找到合适工具并将其接入工作流的模型，比一个什么都硬算的模型更有用。

但问题在于，杨植麟想要的太多。除3D建模和游戏引擎外，K3.1 Pro还覆盖代码、长程Agent、金融研究等领域。

每个方向单独看，都有道理，也都有真实进展。

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

战线拉得过长，每一条线上能分到的资源便减少。

相比之下，梁文锋显得非常克制。他曾说：“这也是我们克制的一部分。我希望这些商业机会能让其他人来做，我希望这些商业机会、如何用这个AI，是整个社会、我们所有合作伙伴一起来做，大家一起来分享这个收益，而不是我想独吞，这不可能。”

DeepSeek并非毫无作为，它同样有搜索和抓取API，有各种产品化动作。区别在于，每件事都被置于“服务AGI主线”这一前提之下。不服务主线的事，哪怕是好生意，也宁愿不做。

克制并非佛系，它本质上是一套资源分配方法：先决定什么不做，再决定如何做好。

本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。