Kimi认错，杨植麟还是得学梁文锋 - MK体育分析

K3.1 Pro上线不到两天，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，我们深表歉意。这些问题完全由我们造成，本应更早解决。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，删减了不必要的子Agent调用，压缩了冗余输出长度，使额度更耐用。”

这次调整后，最直接的感受是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行业都为之震惊，其性能超越了OpenAI的所有模型，仅比Opus 5.5差一点。第三方评测机构ModelCompare发文称，中美AI差距已从3到4个月缩短至仅剩31天。

然而，这场热潮还没持续两天，K3.1 Pro的评价就从“特别好评”跌至“多半好评”。杨植麟也因此被戏称为“神鬼二相性”——神在模型性能突破天际，鬼在K3.1 Pro用起来让人有些“心疼”。

反馈最集中的是额度问题。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。例如，我自己花了199元，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。

即使是一些简单的任务，K3.1 Pro也会调用大量子Agent进行思考和推理，虽然输出结果提升不大，却因这些子Agent导致用户浪费了大量额度。

杨植麟也很无奈：提升模型的智能水平必然需要更多token。

这导致K3.1 Pro虽然比K3便宜了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，其思路截然相反：不追求上限，而是同步优化性能、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，自发布以来一直保持着“好评如潮”的状态。

或许杨植麟在产品方面，应该向梁文锋学习一下。

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，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元套餐用户表示，他只发了一句让模型审查项目架构的指令，Kimi就拉起了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，一个简单任务还没跑完，就花掉了超过450个积分。

而实际上，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就消耗了月额度的十分之一。@这很盒里吧还指出，K3.1 Pro目前消耗积分的倍率是0.97，所以实际积分消耗要更少一些。

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

测试发现，K3.1 Pro跑完整套Intelligence Index测试集，共需要输出约1.5亿个token，而同价位模型的中位数为8700万。

同一套测试中，GPT-6.1 Sol只用了约6700万，GPT-6 Astra约6000万。根据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的速度也低于同类模型的中位数，大约每秒70多到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，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便宜了30%，但Artificial Analysis在测试中发现，K3.1 Pro的单次任务成本并没有降低多少。

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，但实际花费只节省了约35%。

这可能与K3.1 Pro的训练方式有关。

杨植麟认为，要让模型实现更长的输出，就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开始就是如此，当时的官方技术文档提到，K3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官方技术报告里提到一个案例：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，调整奖励后也没解决，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，再重新训练，最终才取得更好效果。

这也是为什么K3.1 Pro虽然性能很高，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，至少一个方面变好，同时没有任何方面变差。

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，价格也没有变化。

DEV社区里有人做过测试，称DeepSeek V4.1 Flash 1017相比4.1 Flash，输出变短、任务变快，每个任务的成本反而下降了。

实际上，V4.1 Flash本身是一个极其“话痨”的模型。OrcaRouter上的实测显示，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采用了Causal Encoder-Decoder架构，总参数为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，显存占用降至上代的四分之一，SSD占用降至上代的八分之一。

因此，DeepSeek跑分更强、任务完成更快、输出更短，梁文锋不愿意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，杨植麟登上了张小珺的《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，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来决定的。”

缸中之脑代表了o1那样的强推理模型，但杨植麟想要的是让模型能够使用更多工具，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方面对Agent的定义。要真正看模型Agent的表现，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页面，使用一组需要长流程、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；右边的金额表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，而K3.1 Pro获得了23分、C档；K3在Science上是26分、C+，K3.1 Pro提升至16分、B档；Animation也从22分提升到了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这一项，K3.1 Pro是5分，DeepSeek是10分，两者同为B+档，Kimi略好；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。

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

为什么在Artificial Analysis上直逼Opus 5.5的K3.1 Pro，在这里评分却低于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花了5.88元。Animation上，Kimi花了38.77元，DeepSeek花了10.77元。Science上，Kimi花了25.80元，DeepSeek花了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。尤其是对于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能力是发布重点之一。用户只需给模型几张图片，无需任何说明，它就能将其转换为3D建模。

发布后第二天，社区出现了一个高赞帖子。发帖人发现，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。

发帖人特意禁用了这个技能，让K3.1 Pro只用自己的代码生成，质量明显下降。更关键的是，脚本中支持三个模型版本：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发布之前，Kimi Work桌面端就已经将Tripo 3D纳入了插件生态。

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已经集成了Tripo 3D。

实际上，月之暗面自己发布的技术博客中明确表示，K3.1 Pro在游戏引擎里工作时，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，每一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：“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人来做，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，它也有搜索和抓取API，以及各种产品化动作。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。