Kimi近日发布K3.1 Pro模型，在推理速度、任务执行能力和API定价上同步做出调整。据官方公布的数据，独立评测机构Artificial Analysis的综合指数中，K3.1 Pro从K3的44分提升至55分，排名第4；终端任务测试Terminal-Bench 4.0的得分从12.6％升至67.2％，在该次公布结果中位列首位。该测试要求模型在电脑终端中完成任务，通过全部检查才算成功。
在办公场景的评测中，GDPval-AA考察模型制作文档、表格和演示文稿的质量，K3.1 Pro排名第3；AutomationBench-AA考察跨邮箱、表格和客户管理系统完成工作的能力，目标完成得分从58.3％提升至73.3％。Kimi自测成绩显示，长任务编程测试SWE-Marathon v1.1为51.7％，高于Opus 5.5的46.3％；财务资料问答OfficeQA Pro v2为64.4％，高于Opus的62.2％，两项均在该表所列模型中居首。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。
能力提升并不均衡。在官方HLE全量难题测试中，使用工具的Pro拿到70.0％，高于Opus 5.5；不使用工具时为51.1％，低于Opus的59.8％。AA的长上下文推理测试中，K3（Max）原有88.7％，Pro为86.3％，略有回落。Kimi技术博客将训练侧的改进归因于增加后训练投入，让模型在数百个下游领域中接受联合强化学习，并改进了长上下文处理和执行任务的环境。
官方演示了一个具身智能相关的训练案例：一个虚拟人起初不断摔倒，K3.1 Pro负责编写模拟器、安排训练和评估，并根据实验结果修改方法。在调整奖励未能解决手臂动作问题后，模型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，最终虚拟人实现连续行走。该演示中人体动作由仿真和控制策略产生，模型的作用是依据结果迭代改进训练方案。
定价方面，Kimi下调了普通Pro的API输出价格：每百万输出token，K3为100元，Pro为68元，Highspeed为136元。官方称Pro Highspeed的输出速度约为普通Pro的2至3倍，效果相同，提速仅发生在模型输出阶段，读写文件、执行命令和运行程序仍按原耗时计算。包月用户按套餐额度使用，各功能共享月度额度。部分用户反馈，在多轮修改类任务中额度消耗较快，实际可用性取决于从生成到修改的全过程用量。
从评测数据看，K3.1 Pro的重点改进集中在任务执行与工具调用环节，而非全面的能力均衡提升。终端任务与自动化办公得分的显著增长，配合输出价格下调，指向智能体类长任务场景；但长上下文推理的轻微回落与非工具场景的短板，说明该模型的能力边界仍需在实际部署中验证。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
