大家好，我是孟健。
过去 3 个月，我一人协同多个 AI 写了 27 万行代码。
完成近 3000 次提交。
全年在各类 AI 工具上的订阅花费，大概 1.7 万元。
在这套一人公司的商业交付体系里，我选模型只看两笔账。
一个是 Token 计费成本。
另一个是真实工程排障的交付率。
10 月 23 日到 24 日，月之暗面正式发布了 Kimi K3.1 Pro。
正好我自研的内容分发工具「字流」里，压着一个陈年 bug。
之前换了几个模型都没修好。
这次我直接把任务丢给 K3.1 Pro 实测。
从敲下回车到复现、修改、验证完毕，全程约 9 分钟。
说实话我没想到，整个过程我一行代码都没写。
这篇我把它的基准跑分、API 成本账单，以及修 bug 和做前端落地页的完整工程链路，彻底拆开讲清楚。
先看跑分与算账
K3.1 Pro 采用混合专家架构，总参数规模达 2.8 万亿。
官方称它为 3 万亿级参数模型。
它每次激活约 1040 亿参数。
上下文窗口支持 100 万 Token，很长的代码库和文档能一次读进去。
官方承诺在 2026 年 11 月 4 日前，开源完整模型权重。
在第三方评测机构 Artificial Analysis 的 AA 榜上，K3.1 Pro 拿了 55 分。
全球排第四。
the-decoder 10 月 24 日那篇报道里提到，排在它前面的只有三个模型。
也就是 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分），以及还没开放 API 的 Muse Wonder Full（56 分）。
再看国产模型，小米 MiMo、通义千问、DeepSeek、GLM 都在 45 分上下。
K3.1 Pro 直接拉开了整整 10 分差距。
比上一代 K3 的 44 分，也涨了 11 分。
国产模型第一次这么近地贴着 Claude 跑。
AA 榜看的是综合分。
作为独立开发者，我更在意的是编程与命令行实操。
挑三个核心基准数据来看。
一个是测长时间连续写代码的 SWE Marathon v1.1，它跑了 51.7%。
直接位列榜首。
这个成绩超过了 Claude Opus 5.5 的 46.3%，也高过 GPT-6 Astra 的 42.5%。
测 AI 自己干活的 Agents' Last Exam，表现同样位列前排。
再看测真实终端受限任务的 Terminal-Bench 4.0，它拿到 65.7%。
上一代 K3 只有 13%。
这个成绩只比 Claude Opus 5.5 低了 0.7 个百分点。
但比 GPT-6 Astra 高出了 7.5 个百分点。
再算一下独立开发者最关心的 Token 账单。
OpenRouter 和官方定价里写着，K3.1 Pro 的 API 价格比前代降了大概三分之一。
国内标准版输入是 13 元每百万 Token，缓存命中 1.3 元。
输出是 68 元每百万 Token。
国内高速版输入 26 元，输出 136 元。
海外美元版这边，标准版输入 2 美元，缓存命中 0.2 美元，输出 10 美元。
高速版则是输入 4 美元，输出 20 美元。
你想想看，跑分领先真不等于全场景通吃。
理论基准与真实业务代码库之间，永远隔着一层工程边界。
回到刚才那个问题，它在真实项目里到底行不行？
下面直接看实测。
我自研的产品「字流」一年内累计提交了 192 次代码。
收件箱采纳过超 1300 条评论和私信。
写好一篇稿子，它能一键分发到各个平台。
其中 X 长文章这条链路，一直有个毛病。
一篇文章 11 张配图，自动插进去总会少一张。
永远只插进 10 张。
正文里还会留下一串乱码一样的占位文字。
每次我都得打开草稿手动补图、删字。
这事到底难在哪？
X 的编辑器有一套自己的光标位置记录机制。
程序在外部强行挪动光标，编辑器不一定认。
结果就是程序以为选中了占位文字，实际选中的却是别的东西。
更麻烦的是，这个问题只有在真实登录的 X 页面里才会触发。
平时写的自动化测试根本测不出来。
这种活光会写代码不够。
它得会读代码，会自己跑起来复现，还得会自己验证。
这次我用的是官方命令行编程工具 Kimi Code。
在项目目录里一行命令启动，直接调用 K3.1 Pro。
bash
kimi -m kimi-code/k3.1-pro --yolo这里的 --yolo 允许它读写文件和跑命令，不用每次停下来等我确认。
只有在自己的项目里，且改动都能用 git 追踪时，我才会这么开。
我给的提示词没有搞复杂的套路，只立了四条死规矩。
第一是现象，说明 11 张图只插进 10 张，还剩一个占位，附上日志原话。
第二是复现命令，给一条能直接跑起来的命令。
第三是修改范围，只许改指定的那一个文件，其它文件一律不准碰。
第四是红线，只存草稿，严禁点发布。
改完必须自己跑一遍验证，再用中文告诉我原因和结果。
9 分钟零人工介入排障
K3.1 Pro 接手后的第一步，最让我服气。
它先读了相关的 3 个文件。
它没有急着改代码，而是先把我的复现命令原样跑了一遍。
日志里当场抓到了现行。
程序本来要选占位文字，实际选中的却是一段正文标题。
很多 AI 拿到 bug 的第一反应，是先猜问题在哪，然后直接改。
K3.1 Pro 的顺序是对的。
先复现，再动手。
这就是有经验的工程师干活的样子。
定位到根因后，它的改法很干脆。
它不再从外部强行挪光标。
而是模拟鼠标点击占位文字，让 X 编辑器自己感知光标位置。
原来代码里「选中文字不对就不删」的校验保险，它也完整保留了下来。
改完代码，它立刻跑了一遍构建和复现命令。
它还顺手检查了 git 状态，确认只改了我允许的文件。
几分钟后，它给出三段总结，分别写明了根因、改法和验证结果。
正文图片 11/11 张，残留占位 0 个，全程没点发布。
我随后自己跑了一遍验证。
打开 X 草稿一段一段对着原稿核对。
11 张图全部归位，乱码占位文字一个不剩。
这个换了几个模型都没啃下来的硬骨头，9 分钟解决了。
修 bug 考的是工程逻辑，我更在意的是它的前端审美与交付闭环。
我让它给字流桌面版做一个落地页首屏，外加一屏三个卖点。
我给的约束很明确。
要有设计感，别做千篇一律的紫色渐变模板。
中文排版要讲究，双端都要做好响应式适配。
严禁编造用户数和评分这类假数据。
我还给它挂载了两个前端设计 skill，也就是 taste 和 impeccable。
它干活的流程很扎实。
先定视觉方向，写了一页产品说明，随后才开始写代码。
写完后，它自己调起浏览器，在桌面端和移动端两个尺寸下截图检查。
第一轮自检，它自己挑出 3 处毛病。
包括手机端面板掉出橙色区、说明没点明产品、第二屏界面尺寸太小。
它自己改完代码再查，直到检查全部通过。
它给出的设计思路，是以「中文活字校样台」为概念。
用石墨黑、纸白和信号橙替代模板化 AI 渐变。
直接把「一篇原稿分流到不同平台」做成主视觉。
首屏主标题定为「写一篇，各自成章。」
右侧面板可以直接点击切换小红书、知乎、抖音。
同一篇原稿会实时渲染成对应平台的排版。
第二屏的三个卖点配了界面示意，没堆砌廉价卡片。
切到手机尺寸时，布局会自动转为单列。
哪些坑你得提前知道
实测下来，K3.1 Pro 的工程能力确实能打。
但作为一人公司的主力工具，我觉得有几个客观短板必须说在前面。
第一个是超长难任务仍有差距。
在 AA 榜上，Claude Opus 5.5 比它高 3 分。
官方公布的长程编程评测里，它的得分从 K3 的 55.95% 升到了 61.2%。
但面对 GPT-6 Astra 依然落后，科学类的命令行任务差距更大。
官方也坦白，去掉网络攻防数据后，在安全测试上 pass@3 是 81.0%。
网络安全方向的能力，确实还落后于闭源前沿模型。
第二个是推理速度偏慢。
修那个 X 编辑器的 bug 用了 9 分钟。
做落地页加上多轮自检，前后跑了半个多小时，中间还断了一次连接。
如果你对响应速度敏感，建议切到同步发布的 Highspeed 版。
官方数据显示它输出能快 2 到 3 倍，但 API 成本也会翻倍。
第三个是套餐额度消耗极快。
这是我最想吐槽的一点。
修 bug 和做页面要跑好几轮测试与截图，Token 消耗量极大。
这次我刚准备测，Kimi Code 就提示本周额度用尽，要么等刷新要么加购。
10 月 26 日，官方账号 @月之暗面Kimi 也专门发文致歉。
承认会员使用时出现限流和不必要额度消耗，并重置了额度。
如果你是极度关注交付产出的独立开发者，我的结论很明确。
手头有拖了很久的复杂工程 bug，或者要做高品质前端界面，我非常推荐用它。
但要是做超大规模跨模块的长程重构，或者追求极高响应速度，建议先等等。
最后把这套排障提示词模板留给你，复制到项目里就能用。
markdown
1. 故障现象：[描述具体少了几张图/报了什么错，直接贴终端日志原话]
2. 复现命令：[给出一条可在当前目录直接执行的测试或构建命令]
3. 修改范围：[明确列出允许修改的文件路径，严禁触碰其它文件]
4. 验收红线：[明确禁止执行的操作如发布/删库，要求改完后自行跑一遍复现命令验证，并用中文输出根因、改法与验证结果]下一阶段，我会在自己的出海产品矩阵里实测更多模型。
你最近让 AI 处理过最难缠的工程任务是什么？
欢迎在评论区交流。
👋 我是孟健，前腾讯 T11、前字节技术 Leader，现在全职做 AI 编程。
🔥 更多 AI 编程实战：
- GitHub：@mengjian-github
- 专栏：AI编程实战
- 这期的完整清单：评论区回复「编程实测」，我把领取方式发你
觉得有用？点赞+收藏 就是最大支持 🙏
本文由作者借助 AI 辅助整理，内容经作者实测与审校。