Kimi K3.1 Pro 上手：免费额度与 3D 打印

【导语】10 月 24 日上线的 K3.1 Pro 到底强在哪，免费档能用到什么程度，3D 模型怎么导出来打印。这篇把数字和步骤都列清楚。

先看三个数字和一条时间线

10 月 24 日凌晨，月之暗面发布 Kimi K3.1 Pro，同步推出高速版 K3.1 Pro Highspeed。这是 K3.1 系列的第一个模型，距离 7 月的 K3 发布约 100 天。

三个关键数字：3 万亿级参数、100 万 token 上下文、完整模型权重在 11 月 4 日前放出。上线渠道五个：Kimi.com 网页、Kimi APP、Kimi WOrk 桌面端、Kimi Code、Kimi API，接口里的模型标识是 kimi-k3.1-pro。

官方对它的定义是 K3 的后训练版本，底座没换。这一点决定了后面很多结论：它变强的地方集中在工具调用和长任务执行，不是把知识库重新灌了一遍。

「3 万亿」这个说法要拆开看

对外统一口径是 3 万亿级，实际架构是混合专家（MoE）：总参数 2.8 万亿，每次推理激活 1040 亿。3 万亿是把 2.8 万亿往前凑的整数说法，媒体引用时容易写成精确值。

底座不动，只做后训练，意味着提升来自强化学习。官方说法是在数百个下游领域做了大规模联合强化学习，并把 RL 框架、沙箱、长上下文推理这几层工程重写了一遍。

榜单上的分布也对得上这个判断。Agent 类涨得最猛：GDPval-AA 的 Elo 从 1534 提到 1846，涨了 312 分，排第三；SaaS 工作流测试 AutomationBench-AA 从 58% 到 73%；长程软件工程 SWE Marathon v1.1 拿到 51.7，比 Opus 5.5 和 GPT-6 Astra 高 5 分以上。

知识推理类只微涨：Humanity's Last Exam 从 47% 升到 52%，5 个百分点。带工具的版本是 70.0，BrowseComp 92.1。

所以选型时分两种情况：拿它查资料、写百科式内容，和 K3 差别不大；让它连续调工具做完一件事，差别明显。

同一个榜单出现两个 Terminal-Bench 分数

官方公布的 Terminal-Bench 4.0 得分是 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 差 0.7 个百分点。

第三方机构 Artificial Analysis 自己跑出来是 67%，而上一代 K3 在他们的测法下只有 13%。

两个口径的差距不是重点。重点是 K3 在不同测试脚手架下能从 13% 变成官方口径下的另一个量级，说明这类编程 Agent 分数对 harness（工具链、重试策略、上下文管理）的依赖，可能比模型本身的差异更大。

对普通用户的直接推论：同一个模型，放在 Kimi Code、Kimi Work 和第三方客户端里，体验不会一样。挑客户端时先看它给不给工具调用、允不允许长时间重试、能不能改上下文窗口，这三项比模型名字更影响结果。

综合评分上，Artificial Analysis 智能指数给 K3.1 Pro 打了 55 分，比 K3 高 11 分，位列全球第四。前面是 Claude Opus 5.5（58 分）、Claude Sonnet 5.5 和 Muse Wonder Full（各 56 分）。权重正式发布后，它会是得分最高的开放权重模型，开放权重与闭源之间在这个指数上的差距从 12 分缩到 3 分。

3D Make：今天就能上手的新功能

网页版和 App 同步上线了 3D Make。生成的 3D 模型可以在线预览、旋转、编辑，调完能下载成 glb 或 blend 文件，拿去 3D 打印；不想打印也能导出视频或实况照片直接发社交平台。这是本次更新里普通人立刻能用、且不依赖订阅高档位的一块。

官方演示的规模可以当参照：在虚幻引擎 5.8 里搭半径 1750 米、36 开间柱廊的云海天宫，场景 3600 万个源三角形；用 Godot 4.7.2 做出五个可探索区域、两阶段 Boss 战和昼夜循环的 3D 冒险游戏；在 FreeCAD 里用 2100 个实体拼出一台可分步装配的涡扇发动机。

按下面的顺序走，能少走弯路：

第一，先把用途定死。要打印的摆件、要装配的零件、只要看效果的概念图，三种需求给的提示词完全不同。

第二，打印件必须写清楚尺寸。提示词里直接给毫米数，例如「高 80 毫米、底座直径 45 毫米」。不给尺寸，模型会自己编一个，导进切片软件后不是过大就是过小。

第三，生成后先在 3D Make 里转一圈看结构和厚度，薄于 1.2 毫米的壁、小于 0.8 毫米的特征，FDM 打印机基本做不出来。

第四，导出 glb，丢进切片软件（Cura、Bambu Studio、Orca 都行）看支撑和悬空。悬空超过 45 度就要加支撑。

第五，正式打印前先打一个 20 毫米的测试块，量一下实际孔位和外形误差，再决定装配间隙留多少。

• 定用途：摆件 / 装配件 / 概念图，决定提示词写法
• 给尺寸：提示词写死毫米数，别让模型自己估
• 查结构：壁厚不低于 1.2mm，最小特征不低于 0.8mm
• 导 glb：在切片软件里检查悬空与支撑
• 校公差：先打 20mm 测试块，再批量打

免费档能用到什么程度

官方定价页（10 月 24 日查询）把档位分成五档，年付折算的月费为准：Free 0 美元、Plus 15 美元、Pro 31 美元、Max 79 美元、Ultra 159 美元。

免费档的边界要说清楚：网页版和 Kimi Work 可以用 K3.1 Pro，但额度有限；Kimi Code 不在免费档里，想用它写代码就得订阅。

还有一条最容易被误解。模型本身支持 100 万 token 上下文，但套餐表里「K3 超长对话容量，最多 100 万 token」这一项只挂在 Max 和 Ultra 上。也就是说，免费档看得见 100 万这个数字，实际用不满。想一次塞进上百万字的文档做检索，得先升到最高两档。

高速版 K3.1 Pro Highspeed 从 Pro 档起解锁，速度是标准版的 2 到 3 倍，价格也是 2 倍。

• Free（0 美元）：网页 + Kimi Work 限量用 K3.1 Pro，无 Kimi Code
• Plus（15 美元/月）：加上 Kimi Code，额度提高
• Pro（31 美元/月）：解锁 Highspeed 高速版
• Max（79 美元/月）：100 万 token 超长对话、5 倍 Agent 额度
• Ultra（159 美元/月）：10 倍 Agent 额度、更多并发任务

单价降了三分之一，单任务不一定更便宜

API 定价：缓存命中的输入每百万 token 1.3 元，未命中 13 元，输出 68 元。相比 K3 便宜约三分之一，大约是 Claude Opus 5.5 的一半。高速版按 2 倍算，即 2.6 元、26 元、136 元。

举个算例。一次任务用 100 万未命中输入、20 万输出，标准版账单是 13 + 200000÷1000000×68 = 26.6 元。同样的量走高速版是 53.2 元。

但单价不等于单任务成本。Artificial Analysis 的测算是，K3.1 Pro 完成同样任务要多用约 14% 的输出 token，摊到每个任务约 1.98 美元，与 K3 基本持平。单价降了，用量涨了，账面上就抵掉了。

订阅侧的感受更直接。有用户反馈在 199 元的老套餐里让 K3.1 Pro 审查一个小游戏，一次用掉 5 小时额度的 13%，同样任务交给 Opus 只用了 3%；也有人表示 Highspeed 用起来很顺，但 5 小时额度撑不到 2 小时，还有人 10 分钟就烧完。

结论分开看：按 token 买 API，这次确实便宜了；按订阅额度用 Pro 档能力，要先算清楚一天能跑几次。

先别信演示：三个已知翻车点

第一个是前端审美。有开发者拿自己的单文件 HTML 题目（云上龙城、琉璃机械孔雀、钻石）做横向测试，认为 K3.1 Pro 在已测模型里排在靠后位置，孔雀羽毛的高光甚至被画到了羽毛背面。同一个提示词下，GPT-6.1 Sol 的产出明显更稳。

第二个是空间关系。让模型照参考照片用 Three.js 还原一个 Steam 手柄，改了三轮，LOGO 和部件的位置依然不对。这类「按图复原具体物件」的任务，对细节精度要求高，官方演示里没有这一类。

第三个是幻觉。官方在压力测试 Kimi Hallu Bench Hard 里把单项事实陈述错误率从 K3 的 23.4% 降到 8.3%，低于 Opus 5.5 的 15.0%；含至少一处事实错误的回答比例降到前代的约 42.4%。官方同时注明这套测试是刻意挑易错场景设计的，不能代表日常错误率。写财报分析、医疗和法律的结论，仍要回原文核。

另外，K3 慢是出名的，有人形容慢到可以流畅阅读它的思考过程。K3.1 Pro 的思考过程大多一闪而过、来不及看就被折叠，速度这块确实改善了。

11 月 4 日的权重：许可协议还没公布

官方承诺 11 月 4 日前放出完整模型权重。截至发稿，权重使用许可的具体条款没有公开，只能等发布后看仓库里的 LICENSE。

这里要提醒一句：在许可明确之前，任何「开源可商用」的说法都只是推测。前代 K3 的许可条款也是随权重一起公布的，商用前务必按官方仓库当期条款核对，涉及转售、SaaS 化、内部部署的边界，条款里写得很细。

安全侧这次做了主动减法。月之暗面披露，团队在中期的训练和强化学习两个阶段识别并移除了网络攻防相关数据，内部漏洞利用测试 xdev-bench-hard 的成绩因此从 90.5% 降到 81%。同时给出两条开放原则：不发布推进网络攻防能力绝对前沿的开放权重，逐步提升开放权重里可用的攻防能力。

实际影响：别指望用它做渗透测试或漏洞挖掘，这块是主动削掉的；反过来，防御方拿它审自己维护的代码，是官方明确支持的场景。

自建成本也要提前算。2.8 万亿总参数的模型，即便按 4bit 量化，权重体积也在 1.4TB 量级，这不是家用显卡能装下的东西。个人用户现实的选择只有两个：调 API，或者等社区蒸馏出来的小尺寸版本。

30 分钟上手清单

不订阅也能先跑一遍流程，验证它值不值得付费。按下面六步走，半小时内能出结果。

先用一个小任务试水，别看官方演示直接上大项目。模型在开放式任务上的表现波动比榜单分数大得多，尤其是需要精确尺寸和空间关系的活。

• 打开 kimi.com 登录，模型选到 K3.1 Pro
• 用一个具体小需求试手，例如「做一个可旋转的 3D 台灯模型，高 120 毫米」
• 进 3D Make 旋转检查结构，重点看薄壁和悬空
• 导出 glb，在切片软件里看支撑与预估耗材
• 想写代码就先在网页版把提示词磨好，再决定要不要订阅 Kimi Code
• 需要长文档检索的，直接看 Max 档，免费档的上下文撑不住

关注格熊，持续分享最新免费资源！