Kimi超过OpenAI全系？K3.1 Pro实测对比Astra！

今天凌晨，Kimi K3.1 Pro正式发布了。

其实前段时间可以说是国产开源模型的至暗时刻了。Opus5.5和GPT-6 Astra各种酷炫3D效果以及视频制作能力在外网持续刷屏，国产模型里在这些场景能力里明显有了不少落后。另一边，Anthropic又疯狂攻击中国模型蒸馏的。

在这种场景下，国产模型其实有两条路可选，一种是走flash路线成为替代性的性价比之选，另一种是选择继续突破天花板。看起来，Kimi是选择走了后一条更难的路。

3万亿参数模型的后训练，成本应该够高的，但是他们还真做到了。从我自己实际体验和很多研究看，除了基准测试表现外，更大参数的模型通常表现出来的泛化能力也会明显更强，比如在提供洞察和一些更需要创造力创意的场景中。所以国产模型里有个出色的大参数模型可选还是挺难得的。

还记得上次K3发布时，Kimi已经是开源阵营里很能打的一只。现在K3.1 Pro继续把天花板往上捅，在官方列出的这些测试里，成绩已经接近顶级闭源模型，部分项目还超过了它们。

官方公布的Terminal-Bench 4.0拿到65.7%（这对Coding Agent完成长程任务非常关键），根据多视角图片写代码重建3D物体的BenchCAD在借助工具时拿到92.7%。下面是官方汇总的完整成绩。

第三方评测机构Artificial Analysis也出了结果：K3.1 Pro的智能指数是55分，在它10月24日凌晨公布的榜单里排第4，权重还没放出来，官方计划在11月4日前发布。

那除了看这些Benchmark指标之外，我们自己现在要怎么判断新模型实际跑起来怎么样的？

我的感受是，现在顶级的开源、闭源模型，前端设计和审美都已经做得相当好了。不少常规后端任务，one shot或者再补一轮提示，代码也基本能写完，明显的bug比以前少。再拿这些题来测，越来越难看出差别。所以也像大家看到的，最近X上大家都拿3D和视频这些创作任务来考察新模型的能力了。

所以这期先把核心放在3D上，从建模、材质，到动画和交互，看它们最后做出来的东西，以及做完要花多少钱。这一晚上下来，我已经跑了一大堆的3D任务：古建筑、发动机、机械表、小游戏、相机……也把相同的提示词交给GPT-6 Astra各做了一遍。有些是Kimi的材质更合我口味，有些是GPT的网页更漂亮，整体看下来，我自己的感觉大概是五五开。

我给它的任务是建应县木塔，从台基开始一层一层搭起来。模型要自己写Blender脚本建出来，然后接进网页，能拖动、能倒放、能转着看。上面是Kimi K3.1 Pro渲染出来的几千个部件搭建起来的过程。

再把两个版本放在一起：

左边是Kimi，右边是GPT-6 Astra。

我挺喜欢Kimi这版的木色，红柱和灰瓦也都能看清。两边的模型都有尺度和构造简化，拿来做交互展示很好玩。

两边都把营造、拆解做出来了，我觉得效果来说，我个人偏好上基本是个打平的状态。

然后从token消耗和价格测算的话，说实话，都不那么便宜，因为任务复杂度高，并且定了个挺高的要求，所以Kimi在这个过程中做了多次的渲染，评测，迭代，并且调用了相当多的子代理工作，所以消耗的token量挺高的，还好，因为单价便宜多了，所以整体测算下来，Kimi的费用是GPT-6 Astra的一般。

实测2：一台819个零件的V8

我向Kimi要求了一台能拆开看的V8发动机：缸体、缸盖、活塞、连杆、曲轴、凸轮轴、气门、正时链，都要独立建模，能选中某个零件，也能把一个系统单独拿出来看它怎么运转。

Kimi做了819个独立零件，我让agent直接解析GLB核了一遍，819个网格节点和零件编号都能对上。它还做出了曲柄连杆运转，活塞位置按公式计算，凸轮轴按曲轴一半的转速转。

这个场景就挺适合拿来讲机械原理，点一下配气系统，只留下对应的零件，再转到你想看的角度，比拿一张静态剖面图讲要直观很多。

GPT的成品也很好看，排气歧管的金属颜色、页面上的转台都有自己的处理。但整体来，Kimi的精细度更高一些。

这个任务下，Kimi消耗约475.9万token（输入468.8万、输出7.1万），12.43元；GPT-6 Astra约445.8万token（输入437.5万、输出8.3万），64.02元。这组测试Kimi大概便宜81%。

实测3：精密机械机构

大模型做大场景很容易让人兴奋，但我觉得，给它一小块地方，让它把材质做精细，也挺值得试的。

所以这次只让它做机械表里的擒纵调速机构：摆轮、游丝、擒纵叉、红宝石叉瓦、宝石轴承、蓝钢螺丝，再加一角带日内瓦波纹的机芯夹板。用Blender的Cycles直接渲染微距图。

这一组的光泽我很喜欢。Kimi的金色摆轮、红宝石、蓝钢螺丝放在一起，颜色并不多，但是几种材质分得很开，夹板上的高光也很漂亮。GPT这版的珍珠纹和游丝同样有细节，两个放在一起，我觉得完全有得比。

Kimi还把它做成了一段运转动画，摆轮来回摆，游丝跟着收放。下面放慢到四分之一速看：

Kimi约868.9万token（输入862.6万、输出6.3万），23.64元；GPT-6 Astra约1184.0万token（输入1175.1万、输出8.9万），138.58元。这组差不多便宜83%。它们交付的是视觉和运动学演示，拿来做产品展示或动画素材，已经很有意思了。

实测4：透明果冻

这组我给的要求是做透明果冻软糖的掉落、碰撞、拖拽和回弹，用Three.js加物理仿真，在浏览器里直接玩。气泡要在果冻里面，形变的时候也得跟着动；同一颗果冻要经得起从微距拉到全景，不能镜头一换就替换成另外一个模型。

这两个版本风格差别挺大的。Kimi的颜色更浓，像一盘亮晶晶的糖；GPT的布景更浅，透光也更柔和。从弹性碰撞丝滑程度来说的话，这组我觉得GPT-6的效果更好一些。不过Kimi价格上更便宜。

实测5：不止于3D，还能变成游戏

再看一个能直接玩的：用Godot做3D弹球台，最后导出Mac应用。按住空格蓄力，松开发球，左右挡板把钢球打回去，撞上弹射柱会亮灯、加分，打中靶标还能触发多球模式。

这段是两边各自自动玩家操作的实机录像。两边都交付了Godot工程和可玩的Mac应用，也都有连续五局的自动试玩报告。除了把台面、金属件和透明坡道做出来，游戏规则和操作也都完全没问题。

从效果来说的话，Kimi做的更像是80年代迪厅的风格，GPT-6做的则是还挺像标准但boring的游戏。这俩对比上我倒是没啥偏好，但是我觉得最有趣的是，这俩我都是只提交了一次的prompt，他们都直接把游戏给做完了，我没有主动去做任何的迭代。所以可以看出，这俩模型都解锁了游戏制作并且测试迭代的一些能力。

这个任务场景下，Kimi为了最终的视觉效果呈现，做了非常多次的反复测试迭代，所以消耗的token更多一些，成本上两者基本持平。

还有一些，只看效果

除了上面五组，我还让K3.1 Pro做了不少东西。这里再放几张我觉得值得看的，就不一组一组展开比了。

故宫角楼，比较适合看屋顶层叠的关系。网页里还有数脊模式，按这个模型的展示口径把72条脊线分别高亮出来。

一把完整的小提琴，先看整体的比例，再推近看琴头的木纹、弧面和漆面的反光。

前进型蒸汽机车，先看整车，再靠近看车轮和连杆怎么一起转。这种本来就有很多机械关系的对象，做成可以动的3D展示就很合适。

写在最后

这批3D任务里，我自己测下来是觉得各有优劣，K3.1 Pro会更擅长提供了明确参考图的，一些比较精细化模型和物体的构建；而GPT-6 Astra在制作一些更大的3D场景时，我觉得稳定性要相对更好一些。但考虑到Kimi K3.1 Pro价格比GPT-6 Astra便宜了80%，在API使用场景下K3.1 Pro显然是个更好的选择。

如果想快速玩玩的话，kimi.com和Kimi App已经上线了3D Make，可以在线预览、编辑模型，也支持下载模型和导出视频。我上面的测试走的是coding agent直接写代码这条路。

想试相同的方法，可以在Kimi Code里用/model选K3.1 Pro，本机装好Blender，再把任务交给它。下面这段是木塔任务里的核心要求，可以把对象换成你想建的东西：

用Blender程序化建一座应县木塔，再做成能在浏览器里看它「一层层搭起来、再拆开斗拱」的3D网页。

不要用MCP，直接写bpy脚本建模、导出GLB，网页用Three.js加载GLB。

一个「营造」进度条：从台基开始，柱—斗拱—梁枋—屋檐，一层一层自下而上搭起来，可以拖动、可以倒放。

一个「拆解」模式：选中某一层的一朵斗拱，构件沿垂直方向逐件分开，标注每个构件的名字。

自己打开网页截图检查全景、营造进行中、斗拱拆解、檐下仰视这四个状态，发现问题就改。

我觉得可以先从一件自己熟悉的东西开始。比如一只镜头、一个机械结构、一个房间，你知道哪些地方应该长什么样，就更容易把要求说具体，也能看出来它哪里做对了。

官方接入文档在这里，Claude Code的接法也有： https://platform.kimi.com/docs/guide/claude-code-kimi

K3.1 Pro现在已经能通过Kimi的产品和API使用，完整权重官方说会在11月4日前发布。另有Highspeed版本，官方给出的输出速度约为标准版的2—3倍。

以及...你们可能会奇怪，我怎么都是拿GPT-6 Astra来对比，没测Opus5.5的效果，也真不是我不想测啊😂

我觉得在Claude天天特么瞎封号，GPT动不动就边重置边降智的情况下，Kimi K3.1 Pro绝对是国产模型的天花板之选了。