K3.1 Pro上线后不到两天，月之暗面就发布声明，称“模型存在的限速及额度无故消耗问题，我们深感抱歉。这些完全是我们造成的，本应更早处理。从10月26日开始，所有订阅用户将获得月度总额25%的返还。同时，我们调整了产品运行参数，去掉了不必要的子Agent调用，压缩了冗余输出长度，使额度更耐用。”

这次调整后，最直接的变化是，K3.1 Pro不再像刚发布时那样“烧额度”了。

回顾模型发布当天，整个AI行业都感到震惊：其性能超越OpenAI所有模型，仅落后Opus 5.5半步。第三方评测机构ModelCompare发文称，中美AI差距已从三四个月缩短到只剩31天。

然而，这股热潮不到两天，K3.1 Pro的评价就从“特别好评”变成了“多半好评”。杨植麟也因此被冠以“神鬼二相性”的绰号——“神”指模型性能突破天际，“鬼”指K3.1 Pro用起来让人“肉疼”。

反馈最集中是额度问题。社区多位用户反映，几乎没怎么使用，K3.1 Pro的5小时额度就已耗尽。以我自己为例，花了199元套餐，两天内只生成了不到10个3D模型和几个时长不超过30秒的演示动画，月额度就用掉了一半。

即便是简单任务，K3.1 Pro也会大量调用子Agent进行思考和推理，输出结果提升并不明显，却因这些子Agent导致用户浪费了大量额度。

杨植麟也感到无奈：提升模型智能水平必然需要更多token。

这导致K3.1 Pro虽然比K3便宜30%，但因为额度给得太少，最终并没有多少人真正感受到“便宜”。

就在K3.1 Pro发布前一周，DeepSeek推出了V4.1 Flash-1017，其思路完全相反：不追求上限，而是同时优化性能、速度和输出长度，价格保持不变。

V4.1 Flash-1017完美体现了梁文锋的产品哲学，自发布至今仍保持“好评如潮”。

或许杨植麟在产品方面，应该向梁文锋取经。

额度是月之暗面最大的痛点

K3.1 Pro发布后，社区里很多人都在讨论额度问题。例如，有一条高赞评论称，“它大概只用了10分钟，5小时的额度窗口就已经满了。”

在Linux.do上，一位199套餐用户表示，他只发了一句让模型审查项目架构的指令，Kimi就启动了5个子Agent，十几分钟后5小时额度就满了。

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

实际上，WorkBuddy的99元标准版，一个月总共只有4000积分。这意味着一个简单任务用掉了月额度的十分之一。@这很盒里吧还表示，K3.1 Pro目前的积分消耗倍率是0.97，实际消耗稍少一些。

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

测试中发现，K3.1 Pro跑完整套Intelligence Index测试集，需要输出约1.5亿个token，而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还指出，K3.1 Pro的速度也低于同类中位数，大约每秒70到80个token。此外，K3.1 Pro只支持思考模式，关闭思考的请求会被直接拒绝，每次调用都在为推理付费。

虽然K3.1 Pro推出了高速版本，但月之暗面官方表示，高速版只加快模型输出。任务中的工具调用（如读写文件、执行命令等）和脚本执行耗时不受影响，如果这部分占比大，整体提速就不明显。

尽管K3.1 Pro比K3便宜30%，但Artificial Analysis在测试中发现，K3.1 Pro的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。而K3.1 Pro的token价格只有Astra的五分之一，但实际花费只省了约35%。

这一切可能与K3.1 Pro的训练有关。

杨植麟认为，要实现更长的输出，模型必须在整个过程中保持严谨，反复检查、修改和自我修正。从K3开始就是这样，当时的官方技术文档提到，K3会在输出中表现出过度谨慎和反复自我审视。

Fireworks AI官方研究博客《Introducing Ember-1》中提到，即使去掉K3反复检查的过程，对模型性能几乎没有影响。换句话说，K3有点过于严谨了。

到了K3.1 Pro，模型不仅要对任务严谨，还要对整个环境严谨。

K3.1 Pro官方技术报告中提到一个案例：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，修复了36处肩部肌肉力臂的计算错误，再重新训练，最终才取得更好效果。

这也是为什么K3.1 Pro性能很高，但输出更长、token更多，因为它要对几乎一切保持严谨，甚至连环境也是如此。

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，指一件事改进后，至少有一个方面变好，同时没有任何一个方面变差。

在模型中体现为：各项基准分数更高，任务完成更快，输出更短，价格不变。

DEV社区有人测试称，DeepSeek V4.1 Flash 1017相比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。

其实，V4.1 Flash本身是一个极其“话痨”的模型。OrcaRouter上有实测显示，同样在Artificial Analysis的Intelligence Index上，V4.1 Flash需要输出2.5亿token，比K3的1.6亿还多56%。

但由于V4.1 Flash的Causal Encoder-Decoder架构，总参数552B，但prefill只激活8B，decode只激活16B。KV缓存被压缩到每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。

因此，DeepSeek跑分更强、任务完成更快、输出还变短。梁文锋不愿意牺牲某一项属性来换取另一项。

Agent是服务AGI的一环

梁文锋曾说过，“现在投资人看到的最多的是Agent，但对于我们这些研究的人来说，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，梁文锋认为Agent只是AGI的一环，而非全部。

2025年，杨植麟登上张小珺《商业访谈录》。对于纯推理模型和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，与外界没有联系。它只是在自己大脑里想，一直想，不需要与外界产生任何交互，就能解一道题。”

对于Agent，杨植麟说：“它不再是‘缸中之脑’，是与外界有交互的。我的下一步行为，是根据交互中得到的反馈，以及外界给我的新状态更新有关。”

缸中之脑代表了o1这样的强推理模型，但杨植麟想要的，是让模型能使用更多工具，进行更多轮交互。

不过，无论梁文锋和杨植麟怎么说，那都是他们在产品哲学上对Agent的定义。真正要看模型Agent如何，还得放到真实任务中。

除了Artificial Analysis，社区也常用“致知｜大模型智力长期追踪榜单”（猫榜）来测试模型水平。

该榜单将模型能力拆分为推理、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，数字越小越好；右边的金额显示模型跑完这道题的花费。

相比上一代K3，K3.1 Pro的进步非常明显。K3在Rust App上是“Failed”，即无法实现，K3.1 Pro则拿到23分、C档；K3在Science上是26分、C+，K3.1 Pro提升到16分、B档；Animation也从22分提升到17分。

这个结果与月之暗面官方强调的“Agent执行能力大幅提升”一致。

然而，在这个榜单上，K3.1 Pro输给了DeepSeek V4.1 Flash 1017。

在Rust App上，DeepSeek V4.1是12分、B档；K3.1 Pro是23分、C档。Simple Model一项，K3.1 Pro是5分，DeepSeek是10分，两者同为B+档，Kimi略好。Animation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。

此外，K3.1 Pro在Data Process和Metal两项还是“Pending”，意味着完整结论尚不能确定。

明明在Artificial Analysis上直逼Opus 5.5的K3.1 Pro，为何在这里评分低于DeepSeek？

这是因为猫榜有一条规则：“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。”也就是说，token花得越多，扣分越多，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的技术博客中提到，模型会“过度主动”，遇到模糊意图时会替用户做决定、过度即兴。特别是对于Agent来说，K3.1 Pro更愿意根据提示词自由发挥。

但猫榜中，像Rust App这类任务，环境反馈链极长、需求边界完全固定，会严格限制模型的发挥。

梁文锋在做的是让每次Agent调用都稳定、便宜；杨植麟在做的是让最难的那些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，无需交代任何事，它就能将其转换为3D建模。

发布后第二天，社区出现一个高赞帖子。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服务生成3D模型。

发帖人特意禁用这个技能，让K3.1 Pro只用自己的代码生成，质量明显差一截。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桌面端就已将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。

其实，月之暗面自己发布的技术博客中明确表示，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%，标注的也是“借助工具”。

这意味着，官方并未声称这些成果是模型“徒手”完成的。

请“外援”这件事本身并没有错。 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，比一个什么都自己硬算的模型更有用。

但问题在于，杨植麟想要的太多。除了3D建模和游戏引擎，K3.1 Pro还覆盖了代码、长程Agent、金融研究等多个方向。

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测试中，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%略降至86.3%。

战线拉得太长，每条线上能分到的资源就变少了。

相比之下，梁文锋非常克制。他曾说过：“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、怎么用这个AI，是整个社会、我们所有的合作伙伴一起来做，大家一起来分享这个收益，而不是我想独吞，这不可能。”

DeepSeek并非什么都不做，它同样有搜索和抓取API，有各种产品化动作。区别在于，每件事都被放在“服务AGI主线”这个前提下。不服务主线的事，即使是好生意，也宁愿不做。

克制不是佛系，它本质是一套资源分配方法。先决定什么不做，再决定怎么做好。

本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。