Kimi K3.1 suspected to appear on Arena, official video reveals model name

今天上午，Kimi官方突然发布了一段24秒的视频。

视频开头，一台老式电脑的屏幕上运行着Kimi Code，终端里正在编写一段使用Three.js生成复杂3D场景的代码。

细心的网友很快发现，屏幕左上角的模型栏里赫然写着Kimi K3.1。

就在10月22日凌晨，一款名为Kibitz的神秘模型出现在了Arena，被网友怀疑是K3.1。

有网友拿它和GPT-6 Astra Max、Claude Opus 5等顶尖模型做起了对比，其中一项测试要求模型只用一个HTML文件，制作一座包含宝塔、树木和樱花的3D体素庭院。

Kibitz交出了一座色彩丰富的3D庭院，效果相当不错；而在同一项测试中，GPT-6 Astra Max虽然也完成了作品，却花了大约三倍于Kibitz的时间。

左图为GPT-6 Astra Max，右图为Kibitz

X上的AI模型追踪账号@aitrackerbot通过Tokenizer测试发现，Kibitz具有明显的月之暗面Kimi模型家族特征。而几乎同时出现在Arena上的另一款匿名模型Kalmia，则疑似来自于阿里Qwen团队。

Kimi K3.1，似乎真的快来了。

Kibitz表现怎么样？

在Arena的Code模式中，Kibitz已经被不少网友抓去做各种稀奇古怪的测试。

其中一个经典项目，是让模型用SVG画一只骑自行车的鹈鹕（这原本就是开发者社区经常拿来测试模型绘图和代码能力的题目，几乎每个新模型都要先画一张）。

Kibitz直接做成了一个可以交互的网页，画面里的鹈鹕踩着踏板，用户可以调整踩踏频率，甚至切换白天、黄昏等不同的场景效果。

还有网友让它制作3D的直升机，要求能够展示机身结构、切换零件分解视图和线框模式。Kibitz在不到15分钟内就完成了一个可以交互的3D页面。

把任务换成制作一座中世纪风格的城堡，Kibitz同样交出了一份相当漂亮的作品。

不过，社区的评价也不是一边倒的好评。

有网友进行了一组横向测试，把Kibitz、Kalmia和Gemini 4 Carbon，与Claude Opus 5.5放在一起比较。结果，在这几款模型中，测试者更看好Carbon。

在开头的3D庭院测试中，虽然Kibitz的生成速度更快，但测试者表示，GPT-6 Astra Max的作品同样漂亮，还做出了昼夜交替、光影变化等效果。

这些零散的作品其实算不上严谨的模型能力评估，不过，对于一款尚未正式发布、甚至连真实身份都不确定的模型来说，它的表现已经足够吸引开发者的注意。

至于网友为什么怀疑它是K3.1，还有另一组线索。

此前，Kimi K2.5、K2.6、K3曾分别以Kiwido、Kiwire、Kivine等匿名代号接受测试，Kibitz的名字恰好延续了这一规律。

况且，开头提到的模型追踪账号@aitrackerbot还找到了11个具有Moonshot模型家族特征的特殊Token字符串。

在要求模型原样复述这些字符串时，Kibitz连续两轮都出现了错误，表现与其他受测Kimi模型类似（相比之下，来自另外七家实验室的对照模型，都能够正确复述）。这意味着，Kibitz很可能与Kimi模型家族存在技术上的联系。

除了这些社区测试，月之暗面自己的产品接口也露出了一些线索。

就在Kibitz现身Arena的前一天（10月21日），有网友发现，Kimi Code的配置中直接出现了k3.1这个名字。

不过，当天晚上，网友再次请求这项配置时，发现已经无法获取了，返回的直接是404。

K3.1也该来了

说起来，距离上一代Kimi K3发布，已经过去了三个多月。

今年7月中旬，月之暗面正式推出Kimi K3。这款模型拥有2.8万亿参数、100万Token上下文窗口，是当时全球参数规模最大的开放权重模型。发布后，K3一度登顶Arena前端编程榜单，甚至压过了Claude Fable 5和GPT-5.6 Sol。

如今三个月过去，K3的热度已经逐渐沉淀，月之暗面也是时候推出新版本了。

其实，早在9月，关于Kimi K3.1的消息已经开始流传。

9月底就有开发者发现，月之暗面的API模型注册信息中疑似出现了kimi-k3-1标识。随后，有消息称Kimi开放平台短暂出现了代号为K311111的新模型，支持100万Token上下文。

10月中旬，网友们从Kimi官网的前端代码中翻出了更多东西：其中就包括k3d1-agent、make3d、AUTOMATION_K3、OK_COMPUTER_SWARM等标识。

这些名字看着就挺有意思，尤其是make3d，很容易让人联想到Kimi可能正在准备3D创作功能；而AUTOMATION_K3和OK_COMPUTER_SWARM，则指向自动化任务与多Agent协作。

10月20日前后，又有开发者发现，SGLang的GitHub仓库中出现了一项名为Kimi-K3.1 support for the K3 chat encoder的代码提交。这份代码直接出现了moonshotai/Kimi-K3.1，还包含针对模型对话格式、工具调用和Token编码的兼容性测试。

根据提交说明，K3.1沿用了K3的Tokenizer和16个特殊Token，比较明确的一项变化是新增了medium推理强度——此前K3支持Low、High、Max三个推理档位，K3.1则可能增加第四档，让用户能够更灵活地控制模型的思考强度。

不过这主要是推理框架的适配信息，并不足以说明新模型的整体能力提升了多少。

从K3此前的定位来看，Coding和Agent大概率仍然是K3.1的重点。如果Kibitz确实就是K3.1，那么它在Arena上的表现，至少说明新模型在前端和3D场景代码生成方面已经拿出了不错的成绩。

另一个值得关注的方向是推理效率和成本。

此前K3的定价虽然不低，每百万输入Token收费3美元、输出Token收费15美元，但相比Claude Fable 5的10美元和50美元，还是便宜了大约七成。考虑到它在Coding和Agent任务上的表现，对于开发者来说，已经算是一个相当有性价比的选择。

但如今，海外模型厂商已经把API价格卷到了相当夸张的程度。Claude Opus 5.5的输入、输出价格已经降至每百万Token 4美元和20美元，Sonnet 5.5更是只有2美元和10美元。

在这种情况下，K3.1如果不能把实际使用成本控制在开发者愿意持续付费的范围内，即便跑分再漂亮，吸引力也会大打折扣。

在最新的官方预热视频中，K3.1直接展示了使用Three.js构建复杂3D场景的任务，与此前曝光的make3d功能遥相呼应。

网友因此猜测，3D创作很可能也是K3.1此次升级的重点之一。还有多少新东西，就等正式发布了。

先玩一局猜猜我是谁

在大模型圈，匿名打榜已经快成为“老传统”了。

厂商给新模型套个马甲，悄悄放到Arena、OpenRouter等平台，网友们则忙着跑分、分析Tokenizer、研究输出习惯，试图扒出背后的真实身份。

这套玩法，OpenAI在2024年就玩过。

当年，一个叫im-also-a-good-gpt2-chatbot的神秘模型突然出现在Arena上，表现好得不像话，一度冲上排行榜第一名。网友们猜了半天，最后OpenAI宣布：其实是GPT-4o。

2025年，一个名叫Nano Banana的神秘图像模型突然走红，网友们一边测试它惊人的图像编辑能力，一边猜测究竟是哪家公司做的。

最后谷歌出来认领了这根香蕉，它的正式身份是Gemini 2.5 Flash Image。

谷歌后来透露，Nano Banana这个名字还是产品经理凌晨两点半临时想出来的。没想到模型火了，香蕉也跟着变成了正式的产品品牌。

国内厂商也已经熟练掌握了这套玩法。

8月20日，一个叫Ox Alpha（被称为“牛来大模型”）的神秘模型出现在OpenRouter和OpenCode上。它不仅免费，Coding和Agent能力也相当不错，很快吸引了大量开发者。

六天后，智谱正式揭晓谜底：这是GLM-5.3-Flash。

按照智谱后来披露的数据，牛来匿名测试六天，累计处理了超过62万亿Token，一度成为两个平台使用量最高的模型。

9月23日，又有一个代号Space Bunny（太空兔）的匿名模型登陆OpenRouter，同样免费开放测试，支持100万Token上下文。

直到10月19日，MiniMax才终于出来认领，宣布它是M3.1 Flash的早期版本。

对模型厂商来说，匿名测试确实挺划算——既能提前收集真实用户的反馈，看看模型能不能扛住大量调用，又能让开发者主动帮忙测试、晒作品、猜身份。

模型还没正式发布，网上已经热闹了好几轮，等到厂商出来认领，宣传工作已经完成了一大半。

不过，这套玩法偶尔也会闹出一点尴尬。

有些模型匿名时表现惊艳，网友们纷纷猜测又是哪家实验室憋出了大招。等到正式发布、大家都能用上了，却又有人觉得，好像也没之前那么厉害。

刚猜完模型是谁，网友们又开始怀疑：这真的是之前那个模型吗？

虽然这不难理解，能在网上广泛传播的往往是那些最漂亮的作品，但匿名测试提前把大家的期待拉得太高，等到用户真正上手，难免会有落差。

如今，Kibitz和Kalmia也加入了这场“游戏”。

至于马甲有没有扒对，以及正式发布后还能不能这么惊艳，我想很快就能揭晓了。

本文来自微信公众号“字母AI”，作者：袁心玥，36氪经授权发布。