Kimi K3.1 Pro：开放权重与闭源前沿的差距，从 12 分缩到 3 分

K3.1 Pro 是 Kimi K3 的后训练增强版本。参数结构上延续混合专家（MoE）路线：总参数约 2.8 万亿，每 Token 仅激活约 1040 亿，上下文窗口扩展到 100 万 Token，并支持文本与图像输入。真正拉开差距的是后训练阶段——月之暗面把强化学习训练扩展到数百个下游领域，并为此重构了 RL 框架、长上下文推理、训练效率、沙箱基础设施与调度系统，目标是"让每一份新增算力都转化为稳定回报"。

几个关键数字：

• Terminal-Bench 4.0（真实终端环境下的编程智能体测试）得分 65.7%，超过 GPT-6 Astra 的 58.2%，与 Claude Opus 5.5 的 66.4% 仅差 0.7 个百分点；

• OfficeQA Pro v2 与 SpreadsheetBench v2 两项文档与表格推理测评均为全球最佳，领先 Opus 5.5、Fable 5.1 与 GPT-6 Astra；

• 内部长程代码基准 61.2%（上一代 K3 为 55.95%）；

• 定价为每百万输入 Token 2 美元、输出 10 美元，约为 GPT-6 Astra 的 20%、Claude Opus 5.5 的 50%；

• 同步推出的 Highspeed 版本同等智能，输出速度约为标准版 2—3 倍。

最能说明"长程智能体"含义的，是一项内部测试：研究人员让模型基于一个包含 296 个骨骼组件（含软骨）和 402 个肌肉组件的开源人体解剖模型，搭建人体行走动力学仿真器。模型从最初几步之内就倒地，一路自我诊断、定位问题、迭代控制器，最终实现交替迈步、连续行走 11.2 秒，并主动修正了肩部肌肉力臂计算中的 36 处错误。这不是"答对一道题"，而是"修好一个系统"。

星火 X2.6：把训练搬上全国产算力，再用"端云一体"解决成本与安全

如果说 Kimi 的看点是把能力开放出去，讯飞的看点则是把底座握在自己手里。星火 X2.6 采用 293B-A30B 的 MoE 架构，支持百万 Token 上下文，全程在全国产算力上完成训练。配套的飞星平台是首个国产万卡算力底座，由科大讯飞联合华为基于昇腾生态打造，可支撑万亿参数大模型训练。

针对国产芯片显存与带宽的客观限制，技术团队用"长程任务动态并行训练"按任务长度自适应分配计算资源，使超长上下文训练效率提升约 4 倍；在推理侧，基于国产集群的自适应存算协同推理技术让 KVCache 命中率提升 63%，国产芯片集群管理效率提升 4.5 倍。

产品形态上，星火 X2.6 主打端云一体：一部分任务在手机、PC、平板、AI 眼镜、智能座舱、机器人等端侧设备完成，复杂问题再交给云端。好处是双向的——既省 Token，也意味着敏感信息不必经过公共网络，涉及隐私的内容可以先在本地完成脱敏。开发者可通过端侧模型下载、云端 API，以及星火 AStudio、Loomy、App 等入口接入。

落地数据同样值得一看：讯飞医学影像云已覆盖全国超 2.6 亿人口，一张 CT 可实现多病种辅诊；讯飞晓医累计 AI 咨询超 2.2 亿次，是国内首个且唯一通过执业医师资格考试的医疗 AI 系统，本次新增中医舌面体质辨识与养生计划功能；星火法律大模型让整体办案效率提升 45% 以上。

一个必须提醒的细节：每 Token 便宜，不等于每任务便宜

在欢呼价格战之前，有一点值得企业技术负责人留意。Artificial Analysis 的测算显示，K3.1 Pro 完成一项智能指数任务的平均成本约 1.98 美元，与上一代 K3 的 2.00 美元基本持平——原因是它每项任务平均生成 5.5 万输出 Token，比 K3 多出 14%。换言之，单价降了，但单次任务的 Token 消耗可能上升，真正的成本要按"业务完成一次"来核算，而不是按"每百万 Token"比价。此外第三方也提示，Terminal-Bench 的成绩是在不同推理配置下取得的，横向对比需谨慎。

对企业技术选型的启示

把这两条路线放到企业的实际场景里，选择其实并不复杂：需要快速试错、追求单位成本最低、且能接受公有云的业务，开放权重模型是最优解；数据不能出内网、供应链必须可控、需要长期稳定运维的系统，自主算力路线更稳妥。而多数政企客户的真实需求是两者混合——核心数据留在本地，弹性算力来自云端。

这也是内蒙古灵集科技在服务本地客户时的基本判断。15 年来我们在呼和浩特做内蒙古软件开发，见过太多"上了模型但用不起来"的项目，问题往往不在模型本身，而在三件事：模型能不能嵌进既有工作流、成本能不能算清楚、数据能不能不出院不出局。现在越来越多客户采用"本地小模型兜底 + 云端强模型攻坚"的架构，在内蒙古 APP 开发中把端侧模型用于离线问答与隐私脱敏，把云端大模型留给复杂推理——这套组合拳的性价比，比单押一条路线高得多。至于需要团队级智能体协作、又不想自建推理集群的场景，workbuddy企业购买依旧是投入产出比最高的起点：按席位部署、与现有办公协同打通、无需自行运维算力，灵集科技可提供从模型评测、系统集成到私有化落地的完整交付。