沉寂两个月后，中国终于又出了一款能打的模型。
10月24日，Kimi K3.1 Pro正式对外发布。第三方评测机构Artificial Analysis榜单上，Kimi K3.1 Pro得分55分，比Kimi K3高出11分，排名位居全球第四，国产第一，仅次于Claude Opus 5.5、Claude Sonnet 5.5和Muse Wonder，比闭源的第一名Claude Opus 5.5仅低3分，开源模型与闭源模型的差距再次被拉近。
价格方面，Kimi K3.1 Pro百万tokens的输入价格为13元，输出价格为68元，高速版是常规版的2倍，对比Kimi K3价格下降了三成，输出价格降低32%。
很明显，作为一款旗舰模型，K3.1 Pro没有打算复刻Deepseek的Flash路线，而是想凭借更高的性能攻下海外市场。虽然这个价格在国内并不便宜，但是按美元计算价格仅为GPT-6 Astra的20%，Claude Opus 5.5的50%。
K3.1 Pro发布后，倪叔关上门在家实测了两天，这款模型真正吸引到倪叔的，是另外两点：幻觉更少，审美更高级。
作为一个日常有大量数据要校对、PPT要输出的财经工作者，模型幻觉和一眼AI的审美让倪叔长期不适，K3.1 Pro在这两方面展现出了让人惊喜的进步。幻觉和审美，前者考验模型长程任务中的自我校验能力，后者考验模型的抽象能力，都是难啃的骨头。
为什么K3.1 Pro能降低幻觉，提升模型的审美？
对比国内的Flash模型和世界一流模型，有哪些独有优势？
倪叔掰开了说给你听。
1
金融能力被提到模型主位之一，死磕极致严谨场景
K3.1 Pro发布当天，kimi官方公众号发布文章《Kimi K3.1 Pro：智能前沿，更进一步》，详细介绍了K3.1 Pro的各项能力，文章着重介绍了K3.1 Pro的四项能力：代码、3D建模、金融、网络安全。
代码能力、网络安全是模型的基础，不用多作介绍；3D建模是最近一段时间模型进化的一个重要方向，K3.1 Pro发布这两天相关文章已经很多了，倪叔在此不赘述。
这里，倪叔想着重介绍一下K3.1 Pro在金融方面的表述，这其实是一个非常难啃的骨头，它对模型处理幻觉的能力提出了极高的要求，同时也非常考验模型长程任务能力。
Kimi官方设计的高难度幻觉测试里，K3.1 Pro的幻觉率从K3的23.4%下降到8.3%。——真实金融场景里，涉及大量文档读写、复杂财务数据分析，涉及检索、跨文档核对与多步数值推理的环节无数，任何一个数值错误都有可能导致整个任务崩盘。
低幻觉为复杂的金融任务提供了最基础的保障。
倪叔最近看到AlphaEngine团队基于自建的IRB投研基准，对K3.1 Pro做了一轮系统评测，综合得分93.53，仅次于Claude Fable 5，与GPT-6 Astra打了个平手。这轮评测得出了一个很关键的结论：Kimi K3.1 Pro在单任务成本保持不变的情况下，显著提升了金融投研长程任务的推理能力。
具体是怎么测试的呢？AlphaEngine团队给K3.1 Pro出了几道真实的业务投研任务题，比如德业股份原材料自给率判断、退税取消为什么反而利好、人形机器人远期供需格局等，得出的结果是：“整个过程显得游刃有余，达到了初级分析师的水平。”这意味着K3.1 Pro已经不局限于占领编程市场，而是准备好进入金融机构的真实业务场景了。
在外部基准上，K3.1 Pro在OfficeQA Pro v2基准测试中得分64.4，取得当前最优成绩（SoTA）。Frontier Finance上，K3.1 Pro的表现对比K3也得到了进一步提升。——该基准测试衡量模型对完整投资工作流的支持能力，覆盖从标的筛选到盈利分析的全过程。
从业内反馈来看，workbuddy、华夏基金（香港）等团队实测后对K3.1 Pro给出了极高的评价，熵简科技CTO李渔认为，K3.1 Pro是“唯一能在该（金融）场景下平替海外旗舰模型的国产大模型”。——透过K3.1 Pro可以看到，模型的幻觉能力正在被一步步压缩到最小范围，国产模型正在成为重要推动者，一步步增强千行百业对于模型可用性的信心。
2
自带审美，模型产出不再是一股AI味
AI一直以来有两个问题一直困扰着亿万用户，一个是幻觉，一个就是审美。上文以金融场景为例，我们看到幻觉正在越来越小，这一部分倪叔将结合自己的一些实测案例说一说审美这件事。
先说结论：K3.1 Pro是一款自带审美的模型，它输出的产物，不管是游戏、网页还是PPT，都不是那种一眼AI的东西，你可以分明的感受到它一种接近于人类的审美，而且是相对高级的那种。耳听为虚，倪叔直接给你们上几个视频，以下是周末倪叔在家让AI做的卡丁车游戏、K3.1 Pro科普视频和一个土楼3D设计工作台。
倪叔用K3.1生成的「卡丁车游戏」
倪叔用K3.1生成的「科普视频」
倪叔用K3.1生成的「土楼3D设计台」
倪叔有个习惯，为了尽可能看见模型自身的思考，通常情况下第一次派出任务时，一般不会说太详细的内容，就丢给它一句话，看它能交出什么样的产品，这三个产品都是这样来的，结果相当让人惊喜。
当然也不是没有缺点，以卡丁车为例，第一版虽然已经高度可玩，但是它预设的方向键是反的，按键盘左键车往右跑，按右键车往左跑。其它方向基本上没有太大问题，无论是游戏玩家、车、环境还是色调都建模在了倪叔的审美上，清新、简洁而不浮夸。
另外，这个一句话生成的卡丁车游戏竟然还考虑到了车与车与马路牙子之间物理障碍。
现在必须要问：K3.1 Pro的审美能力是哪里来的？
倪叔觉得，审美首先得有预训练打下的底子。K3.1 Pro建立在具备原生视觉能力的3万亿级参数大模型K3之上，对构图、色彩和空间关系已有一定理解。其次是工具调用，以刚才提到的“土楼3D设计工作台”为例，倪叔在kimi code的浏览器里看到，AI在构建这个工作台的时候，先去网络上找到了福建土楼、桌面台灯的参考图，以这为基础开始先做台灯设计，然后搭建工作台。
这也是中美模型竞争的新方向。上个月，GPT-6 Astra 凭 computer use 大受关注。当模型能够操作专业软件、检查自己的成果，它的应用场景便会从编程，延伸到游戏、动画、建筑等行业。
Kimi的官方公众号也有类似的暗示：K3.1 Pro能熟练使用Unity、Unreal Engine、Godot等游戏引擎，并结合网络搜索与 3D 生成，做出完整的体验。它产出的前端页面、Three.js交互场景和3D资产，在构图、排版、动效和细节打磨上都有明显提升。总结成一个词就是：审美跃迁。
审美跃迁是表象，我们真正要看见的是趋势：大模型从“会回答”走向“会交付”后，开始走向“能调用”，最终趋势是走进千行百业。
3
旗舰模型的野心，是走进千行百业
围绕工具调用这个事，其实有两个细分，一个是以muse为代表的Personal Agent，目标是管理一切可以管理的应用，拿到数据，替用户执行；另外一人，就是现在K3.1 Pro正在做的事，调用Blender、UE、CAD等工具，帮助用户高效创作、生产，落地想法。
Personal Agent偏向生活、消费、商务等场景，对Blender、UE、CAD等工具的调用则偏向具体的业务场景，千行百业的工作流。
以游戏为例，如果你想设计出可玩性更高、内容更丰富的游戏，除了网页3D或者官方的3D mark工具，还可以选择直接调用Unity、UE、Godot等游戏引擎。之前在视频领域，就一直有人尝试让模型直接去调用剪辑软件。为了顺应趋势，抖音直接把agent做进了剪映里直接用，国外则诞生chatcut这样的AI剪辑工具。
之前有一个公式：Model + Harness = Agent；倪叔认为Harness中的Tools会变得越来越重要。真正能打的agent一定有能调用工具的能力。Personal Agent正在进入APP，而模型必将借助不同工具，进入不同的专业工作流。做金融要财务建模，做3D要使用建模软件和游戏引擎。能跨过这些行业边界，才更能看出一款旗舰模型的泛化能力。
回头再看kimi官方公众号发布的那篇文章，四个主位场景如代码、3D建模、金融、网络安全，可细分应用的领域极广，以3D建模为例，游戏、视频、工程甚至机械，可连接的工具粗看下来就有十来个。
这篇文章，从表面看是官方写了一篇K3.1 Pro的模型介绍，但往深了看更像一份邀请，邀请大家一起来探索agent+工具的天花板。
作为内容创作者，倪叔看见seedance 2.5发布后，短视频领域出现了高质量的井喷。面向未来，随着模型能力的继续提升，倪叔有理由相信各行各业都有可能迎来自己的seedance时刻。倪叔团队之前用办公AI做了一个小游戏，上架某书小工具，已经有一万多人在玩了。现在，一句话能生成网页3D游戏，这将带来一波更大的冲击。
过去，不少好想法卡在代码、建模和制作门槛上；如今，K3.1 Pro这样的存在把国产模型的能力天花板往上推了一步，让更多行业的人都有机会自己的想法拿出来试一试。
站在2026年，我们每一个人都应该思考一个问题：在这样一个大时代里，模型越来越强，我们该如何用好这些模型？作为内容创作者，倪叔能想到的，就是纵身跃入时代的浪潮里，逐浪而行。