7.6
深览指数
科技腾讯新闻·字母AI··AI 生成
Kimi认错，杨植麟还是得学梁文锋
K3.1 Pro发布后性能惊艳但额度消耗失控、用户大面积投诉，月之暗面两天内道歉并返还25%订阅费。文章用Artificial Analysis与猫榜两套实测数据对比：K3.1 Pro跑完测试集输出1.5亿token（同价位中位数8700万），单任务2.11美元，而DeepSeek V4.1 Flash-1017靠稀疏架构做「帕累托改进」，更快更短更省。核心判断是杨植麟追求上限惊艳、梁文锋克制于每次调用稳定便宜，路线已分出高下。原文 ↗
核心观点
- ▍杨植麟与梁文锋代表两条产品路线：K3.1 Pro 追求最难场景的上限惊艳，DeepSeek V4.1 Flash-1017 追求每一次 Agent 调用的稳定与便宜，后者在真实任务与成本上更占优。
- ▍额度与 token 效率是月之暗面当前最大的产品伤，根源不是定价，而是模型「过度严谨、过度主动」带来的输出膨胀。
- 01Artificial Analysis 测试显示 K3.1 Pro 跑完整套 Intelligence Index 需输出约 1.5 亿 token，同价位模型中位数 8700 万，GPT-6.1 Sol 约 6700 万、GPT-6 Astra 约 6000 万，K3.1 Pro 输出量约为 Astra 的 2.5 倍。
- 02K3.1 Pro 单次任务平均花费 2.11 美元，GPT-6 Astra 为 3.26 美元；尽管 token 单价只有 Astra 五分之一，实际只省约 35%。输出速度约每秒 70-80 token，低于同类中位数，且只支持思考模式，关闭思考的请求被直接拒绝。
- 03社区案例具体：199 元档用户一句「审查项目架构」指令触发 5 个子 Agent，十几分钟耗尽 5 小时额度；微博用户称在 WorkBuddy 里一个简单任务花掉超 450 积分，而 99 元标准版月总额仅 4000 积分。
- 04DeepSeek V4.1 Flash-1017 采用 Causal Encoder-Decoder 架构，552B 总参数但 prefill 仅激活 8B、decode 仅激活 16B，KV 缓存压到每 token 890 字节，显存占用降至上代四分之一、SSD 占用八分之一，因此跑分更高、更快、输出更短而价格不变。
- 05猫榜（致知｜大模型智力长期追踪榜单）Agentic 项规定「根据题目难度对超长思考进行扣分惩罚」，K3.1 Pro 因此吃亏：Rust App 任务中 DeepSeek 花 12.32 元、Kimi 花 221.21 元，结果 K3.1 Pro 23 分 C 档反低于 DeepSeek 的 12 分 B 档。
- 06K3.1 Pro 的 3D 能力被指内置 model3d_generation 技能，通过外部 API 调用 Tripo AI 的 v3.1/v3.0/v2.5 版本生成模型；禁用它后模型自写代码生成质量明显下降。官方博客也承认成果是「借助工具」完成。
- 07K3.1 Pro 在科学推理上为 34.3%，Opus 5.5 为 59.0%、GPT-6 Astra 为 63.3%；无工具 HLE 测试为 51.1%，低于 Opus 5.5 的 59.8%；长上下文推理从 K3 的 88.7% 略降至 86.3%。
- 08Fireworks AI 研究博客《Introducing Ember-1》指出，去掉 K3 反复自我检查的过程对模型性能几乎没有影响，说明其严谨性存在冗余。
反方 / 局限
- — 作者承认调用外部工具本身不是问题，「会找到合适工具并接进工作流的模型比什么都自己硬算的模型更有用」，对 K3.1 Pro 集成 Tripo 的批评因此存在一定张力。
- — 猫榜对超长思考扣分的规则，与 Artificial Analysis 只测智能水平的结论方向不一致；且 K3.1 Pro 在 Data Process 和 Metal 两项仍为 Pending，完整结论尚未能下。
杨植麟梁文锋月之暗面DeepSeekK3.1 ProDeepSeek V4.1 Flash-1017Artificial Analysis致知｜大模型智力长期追踪榜单（猫榜）Tripo AIKimi WorkWorkBuddyFireworks AI缸中之脑帕累托改进模型额度消耗事件
13 分钟 · 7 卡片 · 13 资料
读原文 →