Kimi K3.1 傳出測試表現：3D 生成成本約為 GPT-6 Astra 的 1/14

15 分钟交付工业级可交互3D 资产，重写视觉大模型的“理科生法则”

    作者丨高允毅

    编辑丨岑   峰

刚刚，Kimi 官方发布了一段“极具暗示性”的先导片，各种高能科学画面与粒子特效快速切换，有眼尖的网友已经捕捉到画面中的彩蛋“Kimi K3.1”。

Kimi K3.1 要来了？这次它带着极强的视觉效果来了，有网友指出官方视频就是 Kimi K3.1 做的。

图注：眼尖的网友在画面中找到了亮点“Kimi K3.1”

AI 博主 Chris 不仅肯定了即将发布的消息，而且表示他已经实测了一周。他透露，Kimi K3.1在开源 3D 图形库 Three.js 上表现出色，而且这个模型的成本只有 Kimi K3 的 70%，Token 效率全面升级。

从 Chris 晒出的实测画面中，可以看到 Kimi K3.1 跑完了一整套 24 小时昼夜环境模拟，从晨光漫射到夜幕沉落，光影过渡帧级精准，环境细节随光线同步流转，全程丝滑无断点。

要知道，Three.js 编写的程序是非常消耗资源的，因为它需要实时计算 3D 空间中的顶点、光影和纹理。而 Kimi 这波相当于用纯代码跑出了渲染级画质。

01

早有伏笔：从匿名打榜到身份浮出

实际上，关于 Kimi K3.1 的消息早已有更多细节流出。

9 月底，就有开发者在月之暗面 API 平台的配置文件里，发现了“kimi-k3-1”的模型标识。

10 月 21 日，Kimi Code 的模型切换列表中，悄悄新增了 K3.1 选项，相当于官方提前给开发者开了小范围测试。

10 月下旬，竞技场突然冒出两个战斗力极强的神秘模型，代号 Kibitz 和 Kalmia。其中，Kibitz 在前端与 3D 代码类任务中表现强势。

在 "鹈鹕骑自行车" 这类考验空间想象力的渲染任务中，它凭出色的几何和物理直觉，生成了近乎完美的 3D 动态画面与矢量图；在其他的 3D 体素（Voxel）渲染盲测中，又靠对超长指令的精准控制力胜出。

值得注意的是，在生成同等复杂度的 3D 代码时，它的 Token 消耗只有国外顶级模型的几十分之一。

很快就有开发者通过分词器特征检验，推测出 Kibitz 就是 Kimi K3.1。这完全符合 Kimi 之前的命名规律，K2.5 叫 Kiwido，K2.6 叫 Kiwire，K3 叫 Kivine，K3.1 对应 Kibitz。

随后 SGLang 代码库的一个合并请求，又意外泄露了更多细节：K3.1 新增了“Medium 中等思考”分级，思考强度由三档扩为四档，可根据任务难度灵活调度算力，兼顾速度和深度。

02

各种案例流传：这是一头 3D 猛兽？

在 Arena 盲测中，Kimi K3.1 把网页前端与图形渲染上的优势继承下来并进一步放大，在 3D 图形（Three.js/ WebGL）、交互大屏、H5 动态仿真等 6 大细分领域，展现出一定统治力。

网上已经有不少一手内测案例流出，网友惊呼："这是一头 3D 猛兽”。

要检验大模型的视觉与空间推理能力，AI 圈有个绕不过去的测试“鹈鹕骑自行车”。

这个题目看似简单，实则处处是坑。因为这个画面无法参考现成的鹈鹕骑车素材，必须同时理解鹈鹕的解剖结构和自行车的机械逻辑，再把两个完全不相关的概念组合起来，用纯代码算出几何位置。这要考验模型的“概念组合能力”、“物理直觉能力”、“空间几何能力”。

图注：早期模型实测出的乱七八糟的“鹈鹕骑自行车”

早期 Claude 3.5 画出的自行车只是两个圈加个三角，鹈鹕就是个带香蕉嘴的圆球，堪称 “抽象派代表作”。而 Kimi K3.1 的实测结果，直接把难度拉满。

图注：早期 Claude 3.5 画的“鹈鹕骑自行车”

在网友的实测案例中可以看到，Kimi K3.1 做了一个自行车骑鹈鹕的荒诞堆叠，却符合一定的物理规律，重心压得住、车身立得稳。

除了鹈鹕，夜空挂着新月，远处山丘轮廓衬着橙红色落日余晖，左侧红白条纹的灯塔射出光束，背景小屋亮着暖光。细节上，海浪、小螃蟹、远处帆船剪影一应俱全。

整个画面构图完整、光影层次丰富，所有物体的空间关系完全正确。更关键的是，这不是像素生成的图片，是模型用代码一行行算出来的矢量渲染，就像用数学公式完美还原了整个童话场景。

对此，网友直言：“这种堆叠构图+光影层次+物体关系理解，已经不是简单SVG能随便糊弄的水平，完成度直接比肩 Opus 5.5，国产模型的前端视觉能力已经杀进第一梯队。” 

有网友直接用 Kimi K3.1 生成了一座中世纪城堡，效果十分惊艳。

城堡的细节设计非常丰富：主体是层层叠叠的多层塔楼，塔尖插着旗帜，在风中微微扬起；城门吊桥横跨护城河，周边环绕着群山、草地和错落的民宅。天空中还有飞鸟与浮云，光线被压成黄昏最后一抹暖色，打在石墙上形成明暗过渡，整座城堡仿佛 "在一天将尽时悬浮于空中"。

更难得的是，悬浮的岩体、层叠的塔楼、依附的阶梯和植被，全都处在同一个空间逻辑里，彼此自洽。不过这位网友测完后表示“感觉有点像 GPT-6.1 Sol Max”。

还有人指出，Kimi K3.1 新增了高级控制功能，有时间控制、渲染质量切换等等，能让场景效果很丰富。

另一个案例是生成一整列能跑的蒸汽火车， Kimi K3.1不仅交付速度极快，而且完成度很高。尤其是，它还能把整列火车 "拆开" 给你看：车头、车厢、黑色的圆柱形储气罐、红色的车轮，所有部件都被拆解成独立零件，悬空错落地悬浮在画面里，每个零件形态完整、位置精确，像一张会动的“工程图”。

从 3D 交互工程的角度看，Kimi K3.1 找到新的能力突破口。

海外主流模型大多停留在静态建模和基础画面渲染，Kimi K3.1 则把结构设计、机械联动、交互逻辑连贯地串在一起，能完整的拆解视图、动态调速、实时数据追踪。

这些说明模型读懂了物理工程原理，而不只是在堆视觉。它既保留了 GPT 式的通用理解，也具备 Anthropic 式的深度逻辑推演，这也许正是国产 AI 技术迭代的一条独特路径。

有网友用 Kimi K3.1 ，15分钟就完成高精度、交互式3D直升机模型。懂行的人表示，这些都是宝贵的3D资产，能大幅压缩原型制作周期。

鉴于 Kimi K3.1 出色的视觉表现，网友们忍不住拿它和全球顶尖视觉模型一一对比。

在与 GPT-6 Astra 对比中，两个模型都在《我的世界》造建筑，一个搭出机器人造型的建筑，一个盖出球形建筑，似乎各有千秋，但 Kimi K3.1 的成本只有 GPT-6 Astra 的约 1/14。

图注：GPT-6 Astra与 Kimi K3.1 挑战在《我的世界》造建筑

在与 Haiku 5.5 的对比中，两个模型同时搭建村庄模型，都包含巨龙袭击、雷暴和昼夜循环等功能设定，两者生成时间都是15分钟，在细节效果不相上下的情况下，不少网友表示更喜欢 Kimi K3.1 的整体视觉效果。

不过，在一项 "哪家模型能追上 Claude Opus 5.5" 的实测中，Kimi K3.1 暴露了明显短板：它生成的长颈鹿奔跑画面，动作不符合正常的生物运动轨迹，观感十分怪异。

总体来看，Kimi K3.1 已经证明了中国大模型在 "代码 + 视觉 + 推理（Reasoning）" 的多模态交叉领域，具备了不输于美国顶尖闭源模型、甚至在特定实用场景下超越它们的实力。

这有望大幅降低各行业开发 3D 与 Agent 应用的门槛，对于开发者做创意应用、企业做可视化项目、团队做自动化工作流而言，都是福音。

03

Kimi 的视觉野心：靠代码卷出一条新路

Kimi 的视觉能力之所以这么猛，核心是它走了一条和传统文生图完全不同的路。

简单说，传统模型是 "凭印象画"，容易出现结构崩坏、物体穿模；Kimi 是先写严谨的 3D 图形学代码，再渲染出来自查，发现 "轮子扁了"" 颜色不对 " 就自动重写代码修正，相当于边画边验算。

这套能力不是一蹴而就的，Kimi 已经布局了近两年： 

2024 年 12 月，Kimi 推出 K1 视觉思考模型，首次把强化学习引入视觉领域，在物理、化学图形题盲测中首次超越国外标杆； 

2025 年 4 月，Kimi 开源 Kimi-VL 系列模型，基于 MoonViT 架构，仅 28 亿激活参数，就在 MathVision 数学视觉和 OCR 领域打平百亿级大模型，解决了 “看图费算力” 的痛点； 

2026 年 7 月，2.8 万亿参数的 Kimi K3 发布，直接拿下 Arena 前端代码竞技场全球第一，在数据可视化、交互动效等 6 大前端领域超越顶尖闭源模型，奠定了 Web 3D 与图形生成的统治力； 

如今的 K3.1，从匿名测试的表现看，其在3D与前端场景的优势有望延续。一方面，Kimi 用不到十分之一的成本，在 3D 交互、前端工程这些高实用价值场景里，追平甚至局部反超了海外顶尖闭源模型。另一方面，它会重点提升 Agent 长时间连续执行任务的能力。为此，团队计划利用后期训练、电脑操作和真实任务数据，进一步优化模型。

与此同时，据野村证券的报告显示，月之暗面正在研发一款参数量预计达 5 万亿至 6 万亿的更大模型（外界称为 Kimi K4）。相比今年 7 月发布的 Kimi K3，新模型的参数规模接近翻倍。但目前他们正面临算力不足的最大障碍，具体训练进度尚不清楚。

参考链接：https://x.com/Kimi_Moonshot/status/2113445757185606062

上车，雷峰网(公众号：雷峰网)带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈