Kimi K3.1 Pro 长程任务案例：167 项任务教会虚拟人走路，2 分钟从 SpaceX 财报做出桑基图

除了 3D，Kimi K3.1 Pro 今天流出的另一组案例更说明它的长程任务能力：不是答一道题，而是在几十上百轮执行里自己发现问题、改策略、再跑通。

官方最典型的例子是人体行走动力学仿真：基于 296 个骨骼组件、402 个肌肉组件的开源人体解剖模型，模型在 167 项任务、420 次独立评审里反复调整行走控制器，让原本几秒就倒的虚拟人连续走了 11.2 秒。关键一步是，当调奖励怎么都改善不了手臂动作时，它转去检查仿真器本身，定位并修正了肩部肌肉力臂计算里的 36 处错误，再重新训练。

金融方向同样强调“交付能接着用的文件”：官方案例包括可调经营假设的英伟达财务模型 Excel，以及围绕业绩、预期差和催化因素展开的宁德时代投资分析 PPT。内部基准上，金融建模比 K3 提高 7.2 分、金融研究提高 11.6 分，OfficeQA Pro v2 拿到 64.4 分。智东西的实测也类似：把 SpaceX 最新财季 10-Q 财报甩给它，约 2 分钟就从密密麻麻的表格里找出关键数据生成桑基图，人工抽检后数据与财报一致，指出字号问题后也很快改好。

还有一个很实用的对照：Atomic Agent 团队出的小型 Python 任务（修 5 个 Bug、补结算函数和命令行工具），K3.1 Pro 的低档和最高档在各跑 3 遍、32 项隐藏测试验收下都全过，但低档平均 2.2 分钟、单次约 0.16–0.21 美元，最高档 4.9 分钟、约 0.35–0.46 美元。也就是说，任务明确时把思考拉满未必多做对，反而更贵更慢，档位值得按任务挑。

背景可看站里今早的 Kimi K3.1 Pro 正式发布：2.8 万亿参数、代码 Agent 能力接近 Claude Opus 5.5，开源权重 11 月 4 日放出。

来源：月之暗面官方博客，原文：https://www.kimi.ai/blog/kimi-k3-1-pro