10 月 24 日凌晨，月之暗面發 K3.1 Pro。兩天後，Artificial Analysis 把它放到綜合智能指數第 4 名，55 分，是中國模型在這張榜上的最高位置。

同一頁往下看還有三欄：速度 187 名（全榜 192 個模型）、每任務成本 2.11 美元、輸出 1.5 億 token。分數屬於第一集團，帳單卻是另一個故事。

五十五分是真的，只是買法跟你想的不一樣

先把最容易誤會的地方講清楚。K3.1 Pro 沒有重新預訓練，參數量還是 2.8 兆，上下文還是 100 萬 token，連視覺輸入都沒變（官方技術部落格）。它是 K3 的後訓練版本，把算力全壓在後訓練，尤其是橫跨數百個下游領域的聯合強化學習。

分數卻從 K3 的 44 分跳到 55 分。兩者都在 AA 同一個 v4.3.2 指數上量，十一分，沒有多買一張卡。

這是這一輪最划算的槓桿。預訓練買的是天花板，後訓練買的是「同一個天花板底下，模型願意怎麼做事」。Kimi 這次買的是後者。

帳單第一筆：每完成一個任務 2.11 美元

AA 不只看牌價，它算每完成一個指數任務的實際花費。K3.1 Pro 是 2.11 美元，DeepSeek V4.1 Flash 1017 是 0.26 美元，MiniMax M3.1 Flash 是 0.22 美元。同樣一題，Kimi 貴 8 倍到 10 倍。

牌價也對得上。輸入輸出各 100 萬 token，Kimi 12 美元、DeepSeek 1.50 美元、MiniMax 0.75 美元，分別是 8 倍與 16 倍。

值得給 Kimi 記一筆的是，它比上一代便宜了三分之一，從每百萬 token 3 美元與 15 美元降到 2 美元與 10 美元。同一個家族換代降價三成，在這一輪並不常見。

帳單第二筆：它變慢了

AA 的量測裡，K3.1 Pro 的輸出速度是每秒 41.4 個 token，全榜倒數第六。上一代 K3 是 54.5。分數漲了 11 分，速度掉了 24%。

對聊天沒差。對 agent 有差，長流程任務的牆鐘時間幾乎由輸出速度決定，同一個三十分鐘的活會拖成四十分鐘，而額度是按時間窗算的。發表當天就有使用者回報，做一個基礎的 3D 遊戲演示，十分鐘就把五小時的額度燒完還沒拿到結果。

快取折 90% 幫不上這一筆，因為折的是輸入。

帳單第三筆：它買不到的任務

把幾張榜放一起看，Kimi 的能力形狀就出來了。

有工具、有檔案、有終端機的世界，它很強。Terminal-Bench 4.0 拿 65.7%，贏 GPT-6 Astra 的 58.2%，只輸 Claude Opus 5.5 的 66.4%，在廠商自己的表上排第二。CAD 重建的 BenchCAD 帶工具拿 92.7%，Opus 96.2%、Astra 95.9%，差距在四分以內。財務文件推理的 OfficeQA Pro v2 拿 64.4，官方說是最強。

沒有工具、只有一隻真實機械手臂的世界，它不在。獨立評測機構 Robocurve 用真實機器人任務測，Kimi 只拿到 9%，前三名是 Opus 5.5、Gemini 4 Argon 與 GPT-6 Astra。有人在 X 上調侃，說機器人那部分的能力好像忘記被蒸餾進去。

所以那個 55 分要這樣讀。它量的是文字與工具的世界有多熟。通用智慧那一欄，這張榜沒在量。分數沒有騙人，是我們太常把兩件事當成一件。

它為什麼非買不可

帳單放一邊，先看它非買不可的理由。

彭博 9 月的報導，月之暗面的年度經常性收入在 8 月突破 10 億美元，6 月還是 3 億，年底目標 20 億。10 月 6 日最後一輪私募把估值定在約 500 億美元，計畫 2027 年第一季在香港上市。

還有一個常被忽略的結構，它的收入海外大於大陸國內（公司年初自己講的）。
這代表它的目標客戶是已經在付錢給 Claude 的那批人。DeepSeek 的免費用戶不在它的名單上。

這就解釋了整個定價。
要搶 Claude 的客戶，它必須出現在同一張榜的前段，讓採購的人有理由把它放進候選名單。
它不能去打 Flash 的價格戰，因為那個市場的客戶不是它的目標。
降價三分之一是給現有客戶續約用的，不是拿來跟 DeepSeek 搶單的。

一句話：它賣的是名次，不是便宜。

你該怎麼用這 55 分

三個數字就夠決策，AA 分數、每任務成本、輸出速度。名次本身不是依據，因為 AA 會換尺，跨版本的分數不能直接比。

任務如果落在「時間長、工具多、要跟檔案與終端機打交道」，而且錯一次的代價遠大於 API 帳單，那 8 倍值得付。任務如果是分類、抽取、摘要、CI 迴圈裡反覆跑的小步驟，45 分的 DeepSeek 或 43 分的 MiniMax 已經夠，省下來的錢可以多跑幾十倍。

還有一個時機問題。官方說 11 月 4 日前放出權重，放出來之後同一顆模型可以跑在自己的機器上，速度與成本結構會完全不同。現在急著上量的人，值得等十天。

結論

• 55 分是真的，而且是後訓練換來的：參數沒擴、沒重新預訓練，靠數百個領域的聯合強化學習從 44 跳到 55。

• 帳單寫在三欄：每任務 2.11 美元（DeepSeek 的 8 倍）、每秒 41.4 個 token（比上一代慢 24%）、真實機器人任務只有 9%。

• 它非買不可，因為要搶的是 Claude 的付費客戶，不是 Flash 的免費用戶。這也決定你該不該用它：任務落在它的形狀裡才值得，不在就別為名次付錢。

分數是給採購看的，帳單是給工程師看的。同一張榜單，兩邊讀到的不是同一件事。

౨ৎ Anthony 不負責任編輯 ~