Kimi K3.1性能逼近o1 OpenAI频现暗中降智遭开发者弃用

像素范

大模型在商业落地中稳定性远重于极致智商，OpenAI暗中降智带来的返工成本已抵消其性能优势，促使开发者转投输出可预测且无封号风险的国产模型。

AI-assisted summary of Kimi K3.1杀回第一梯队，当前模型的能力格局如何？ — original source. Check the original for full context.

Source published: 2026-10-28

Key ideas

Kimi 正式发布 Kimi K3.1 Pro，成本较前代大幅降低且能力显著跃升，综合智能水平已接近海外顶级推理模型 o1，成功重回第一梯队。 (0:00)
OpenAI 商业道德与使用体验下滑严重，不仅偷懒推卸任务，还在后台偷偷对全对话降智，导致博主决定停用 Codex 订阅。 (1:45)
商业落地与生产环境的核心是稳定性而非单次上限，企业宁可选择能力已知且稳定的模型，也不愿承担模型随机降智带来的返工成本。 (3:19)
DeepSeek 当前能力相当于年初水平，定位应为高性价比的日常主力“干活型模型”，而非追求极限突破的高级攻坚工具。 (4:58)

Detailed notes

## Background 本内容由B站UP主“像素范”于2026年10月28日发布。视频围绕Kimi K3.1重回第一梯队展开，结合其简介指出的选模型四大判断（看完成度、看稳定性、看综合成本、按任务分工），深入剖析了当前国内外主流大模型的能力格局与落地实用性。

## TL;DR Kimi K3.1 Pro凭借大幅降低的成本与接近o1级别的强劲推理表现重新杀回一线，为国内用户提供了高性价比的顶级替代方案。与此同时，博主尖锐批评了OpenAI近期后台偷偷降智、推卸任务与偷工减料的做法，指出商业落地中“确定性与稳定性大于一切”，Anthropic虽规则严苛但至少光明正大。在日常生产流中，国产模型因开源可控、不搞暗中降智而逐渐成为主力，博主建议将极具普惠色彩但推理偏慢的DeepSeek用作扎实干活的工具，而将更高智力上限的Kimi等顶级模型用于攻坚探索。

## Atmosphere & style 全片充斥着资深开发者“因被工具折磨而积怨已久”的辛辣吐槽与快人快语。博主情绪饱满、语调直白犀利，痛骂商业巨头时毫不留情，字里行间带着踩坑无数后的通透与接地气的江湖气；借用职场老板“宁用稳定的笨蛋也不用耍滑的天才”等生动比喻，让原本硬核的模型选型分析听起来极为解气又切中要害。

## Bulletin - [00:00](https://www.bilibili.com/video/BV1zPx368Ejs?t=0s) Kimi 正式发布 Kimi K3.1 Pro，成本较前代大幅降低且能力显著跃升，综合智能水平已接近海外顶级推理模型 o1，成功重回第一梯队。 - [01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) OpenAI 商业道德与使用体验下滑严重，不仅偷懒推卸任务，还在后台偷偷对全对话降智，导致博主决定停用 Codex 订阅。 - [03:19](https://www.bilibili.com/video/BV1zPx368Ejs?t=199s) 商业落地与生产环境的核心是稳定性而非单次上限，企业宁可选择能力已知且稳定的模型，也不愿承担模型随机降智带来的返工成本。 - [04:58](https://www.bilibili.com/video/BV1zPx368Ejs?t=298s) DeepSeek 当前能力相当于年初水平，定位应为高性价比的日常主力“干活型模型”，而非追求极限突破的高级攻坚工具。

## Key takeaways - [00:00](https://www.bilibili.com/video/BV1zPx368Ejs?t=0s) Kimi K3.1 Pro 整体成本大幅下降，综合智能已极度贴近 o1 水准，成为高性价比的国产顶级替代方案。 - [00:00](https://www.bilibili.com/video/BV1zPx368Ejs?t=0s) OpenAI 企业文化与产品体验受到尖锐批评，外部诉讼与核心团队出走反映出其商业道德滑坡。 - [01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) 开发者可通过 GitHub 上的降智监测工具实测大模型 API 响应质量衰减与偷偷降级现象。 - [01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) Anthropic 规则透明严谨，封禁与限制摆在明面上，展现了体面的竞争对手风格。 - [01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) OpenAI 模型常出现拒绝执行或偷懒敷衍的问题，触发后台降智后甚至将整个上下文降级为旧代模型处理。 - [03:19](https://www.bilibili.com/video/BV1zPx368Ejs?t=199s) 商业落地中稳定性远大于单次智力峰值，波动与不确定性会导致灾难性的管理和返工成本。 - [03:19](https://www.bilibili.com/video/BV1zPx368Ejs?t=199s) 国产模型凭借开源或本地化部署优势，不存在云端偷摸降智行为，为企业提供了可预期的交付质量。 - [04:58](https://www.bilibili.com/video/BV1zPx368Ejs?t=298s) Gemini 1.5 Pro 当前综合表现稍逊于 Kimi K3.1 Pro，各家厂商新一代模型迭代节奏依然极度紧凑。 - [04:58](https://www.bilibili.com/video/BV1zPx368Ejs?t=298s) DeepSeek 的耗时较长、推理上限存在代际差距，应将其作为低成本干活工具，而非极致攻坚武器。 - [04:58](https://www.bilibili.com/video/BV1zPx368Ejs?t=298s) 大模型底层推理能力是非线性的，无法简单靠低阶模型多跑几遍来弥补智力上限的差距。

## Detailed walkthrough ### [00:00](https://www.bilibili.com/video/BV1zPx368Ejs?t=0s) 国产大模型重回一线与 OpenAI 的“贼气”

Kimi 正式发布了 Kimi K3.1 Pro，不仅整体成本较之前的 3.0 版本大幅降低，性能上也有了显著跃升，重新杀回了行业的第一梯队。从综合智能水平和性价比的角度来看，Kimi K3.1 Pro 已经非常接近 o1（Strawberry/Astral）这一级别的顶级推理模型。虽然在生成速度上稍显缓慢，但其整体价格低廉且能力强劲，为国内开发者和专业用户提供了一个高性价比的顶级替代方案。

与之形成鲜明对比的是以 OpenAI 为代表的产品在使用体验上的急剧下滑。博主回顾自己从去年开始便极力向大家推荐 Codex 等工具，但到了当下，却“可能再也不想给大家推这个Codex了”。博主尖锐地批评了 OpenAI 团队的企业文化与气质： > “你们不让你们有感到那种小气的贼劲，就是天天的，我真的感觉就是一帮小丑一样在这搞，这个气质非常的糟糕。”

博主认为 OpenAI 的行事风格越来越像 Meta（Facebook），充满了“贼眉鼠眼”与偷奸耍滑的调性。这种表现也印证了外界的种种争议——从埃隆·马斯克（Elon Musk）对其连番起诉和痛骂，到 Dario Amodei 带领 Anthropic 核心团队出走，再到首席科学家 Ilya Sutskever 牵头董事会逼宫并最终离职，背后都折射出该团队在产品与商业道德层面的滑坡。

```mermaid flowchart TD accTitle: Model Ecosystem and User Experience accDescr: Comparison of models across OpenAI, Anthropic, and Domestic alternatives

subgraph S1["主流与前沿模型阵营"] OAI["OpenAI (o1 / GPT系列)"] ANT["Anthropic (Claude 3.5 / Opus)"] DOM["国产模型 (Kimi K3.1 Pro / DeepSeek)"] end

---

[01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) 偷偷降智与 Anthropic 的明面规则对比

当前大模型最让专业开发者头疼的问题在于后端的暗中降智。用户只要在 GitHub 上搜索星标较高、排名靠前的“大模型降智监测工具”，让 AI 助手协助部署后即可实测出端倪。博主直言，在面对用户时，Anthropic 的 Claude 展现出了一种理科生式的规矩与体面：虽然对国内 IP 极为严苛，动辄封号且不退款，但它至少将所有规则摆在明面上，“我让你用就让你用，不让你用就不让你用”，像一个一板一眼、令人敬重的竞争对手。

相反，OpenAI 的近期表现却处处显露敷衍。无论是 GPT 系列还是最新的 o1/o3 阶段版本，常常出现拒绝执行或偷懒的情况： > “OpenAI这个家伙我跟你说就天天的偷奸耍滑，动不动就‘这个东西我跟你做不了，这个东西其实不是我做的，这样我教你你把这个东西整一下’，就他懒死了。”

用户往往被迫催促它“赶紧做、少废话”，甚至不得不先拿其他模型跑出结果再回过头质问它。更严重的是后台偷偷降智——一旦触发，OpenAI 往往直接将整个对话框内的模型算力全线降级为旧代水准（如退回 GPT-4o 甚至更早版本处理），严重破坏了生产环境的确定性。

- **降智监测机制**：可通过 GitHub 上的自动化监控脚本实测 API 响应质量与上下文衰减情况。 - **Anthropic 风格**：作风木讷、规则透明、封禁与限制均置于台面之上。 - **OpenAI 降智表现**：全对话上下文连带降级、回答偷工减料、主动推卸复杂指令。

---

[03:19](https://www.bilibili.com/video/BV1zPx368Ejs?t=199s) 商业落地核心：稳定性大于一切

在实际的高频生产任务中，博主当前更多采用 Grok、DeepSeek 以及 Kimi 等模型，配合 Harness 或各类 Agent 框架进行调用，并决定下个月停掉 Codex 的订阅。不可否认，OpenAI 的顶尖模型在绝对智力水平上依然与 Claude 3.5 Sonnet / Opus 旗鼓相当，但由于其无法稳定交付，在企业场景下的可用性大打折扣。博主由此借用了职场用人逻辑进行类比： > “这时候你用到这一天你终于明白那些老板用人的思路了，他为什么宁可用那个笨蛋他也不用，我那个笨蛋是稳定的笨，什么东西他能搞，什么东西不能搞，你非常清楚，成本可控。”

对于企业而言，一个模型如果今天干得极好、明天闹脾气敷衍对付，其带来的管理和返工成本是灾难性的。因此在真实市场需求中，“稳定性才是第一要义”。

国产模型（如 Kimi、DeepSeek 等）之所以在此节点脱颖而出，核心就在于其真诚与可预测性。由于许多模型走开源路线或提供可本地化部署的方案，服务商根本无法、也不会在云端暗中降智；哪怕面临资源紧张，顶多采取限流措施。即使偶尔速度偏慢或调用价格微贵，但其交付结果具有确定性，不偷奸耍滑，也不用提心吊胆面临封号风险，这使得 Kimi K3.1 真正具备了平替甚至在生产流中压倒海外旗舰模型的实力。

---

[04:58](https://www.bilibili.com/video/BV1zPx368Ejs?t=298s) 梯队格局：Kimi、DeepSeek 与海外模型的定位分工

在具体的能力梯队上，当前各大模型呈现出明显的分层格局。目前 Gemini 1.5 Pro（或同系产品）整体仍稍逊于 Kimi K3.1 Pro，需等待其后续大版本更新。而各家的新品节奏也极度紧凑，包括传闻中的 DeepSeek 4.1 Pro 等后续版本均在筹备中。

博主指出，对于日常跑代码、构建生产工具的高阶开发者来说，DeepSeek 与顶尖模型之间依然存在代际差距： > “DeepSeek的感觉比较类似于今年年初的Opus 4.8，就是差不多是今年2月份左右的模型实力，就是顶级模型实力；Kimi已经基本卷到今年6月份、今年8月份的模型实力了，所以可能还差着几个月。”

针对 DeepSeek，博主给出了清晰的使用定位与认知建议： - **核心定位**：千万不要将 DeepSeek 视作处理极端复杂逻辑的“最高级突破型模型”，而应将其作为主力“干活型模型”。 - **性能短板**：其思考与生成耗时较长，反复琢磨和构建的过程较为迟缓，不适合追求极致推理上限的攻坚任务。 - **性价比优势**：定价极其普惠、甚至带有梁山好汉般的仗义色彩，“让全天下人都能用得上顶级模型”。 - **非线性规律**：大模型的推理能力并非简单的暴力堆叠。博主用“一杯水20度，我拿十杯水烫死你”打比方，强调无法通过让低一档的模型“多跑几遍”来弥补其底层智力上限的差距，“多搞几遍并不解决问题，那不是个简单的加法问题”。在复杂的探索与突破型任务中，依然需要依靠能力基准更高的顶级模型作为矛头。

## Notable quotes > [01:45](https://www.bilibili.com/video/BV1zPx368Ejs?t=105s) OpenAI这个家伙我跟你说就天天的偷奸耍滑，动不动就‘这个东西我跟你做不了，这个东西其实不是我做的，这样我教你你把这个东西整一下’，就他懒死了。 — 像素范

## Mentioned Kimi, Kimi K3.1 Pro, OpenAI, Codex, Meta, 埃隆·马斯克, Dario Amodei, Anthropic, Ilya Sutskever, Claude, Claude 3.5 Sonnet, Opus, Grok, DeepSeek, Harness, Gemini 1.5 Pro

## Video description 一次回答惊艳，不代表每天都能顺利完成任务。这期聊选模型时，容易忽略的四个判断： ① 看完成度：能否按要求把事情做完，而不只是给出漂亮的建议。 ② 看稳定性：处理类似任务时，质量、耗时和返工成本是否可预期。 ③ 看综合成本：价格、速度、额度和使用限制，要放在一起比较。 ④ 按任务分工：日常执行与复杂探索，可以选择不同的主力和备用工具。拿自己的真实任务去比较，了解每个模型能做什么、做不到什么。适合长期使用的工具，需要能力，也需要可靠。

[Source](https://www.bilibili.com/video/BV1zPx368Ejs)

中文简报

Kimi K3.1性能逼近o1 OpenAI频现暗中降智遭开发者弃用大模型在商业落地中稳定性远重于极致智商，OpenAI暗中降智带来的返工成本已抵消其性能优势，促使开发者转投输出可预测且无封号风险的国产模型。 Kimi K3.1 Pro凭借大幅降低的成本与接近o1级别的强劲推理表现重新杀回一线，为国内用户提供了高性价比的顶级替代方案。与此同时，博主尖锐批评了OpenAI近期后台偷偷降智、推卸任务与偷工减料的做法，指出商业落地中“确定性与稳定性大于一切”，Anthropic虽规则严苛但至少光明正大。在日常生产流中，国产模型因开源可控、不搞暗中降智而逐渐成为主力，博主建议将极具普惠色彩但推理偏慢的DeepSeek用作扎实干活的工具，而将更高智力上限的Kimi等顶级模型用于攻坚探索。 Kimi 正式发布 Kimi K3.1 Pro，成本较前代大幅降低且能力显著跃升，综合智能水平已接近海外顶级推理模型 o1，成功重回第一梯队。 (0:00) OpenAI 商业道德与使用体验下滑严重，不仅偷懒推卸任务，还在后台偷偷对全对话降智，导致博主决定停用 Codex 订阅。 (1:45) 商业落地与生产环境的核心是稳定性而非单次上限，企业宁可选择能力已知且稳定的模型，也不愿承担模型随机降智带来的返工成本。 (3:19) DeepSeek 当前能力相当于年初水平，定位应为高性价比的日常主力“干活型模型”，而非追求极限突破的高级攻坚工具。 (4:58)

Reading summary

博主指出，Kimi K3.1 Pro 凭借大幅降低的成本与接近顶级推理模型（如 o1 级别）的综合性能重新跻身第一梯队，而国内模型凭借输出稳定性与确定的交付表现，正成为企业生产环境中替代海外旗舰模型的重要选择。 Kimi K3.1 性能跃升与海外旗舰体验滑坡 (0:00) Kimi K3.1 Pro 发布后不仅整体成本较 3.0 版本大幅下降，在性能上也取得了显著跃升，综合智能水平与性价比已十分接近 o1 级别的顶级推理模型。尽管生成速度稍慢，但其低廉的价格与强劲实力为国内专业开发者提供了高性价比的顶配替代方案。与此相对，以 OpenAI 为代表的产品在使用体验上出现严重倒退，甚至促使博主决定停止推荐和订阅相关工具。博主尖锐批评了 OpenAI 团队的产品与商业道德滑坡，认为外界高层出走、诉讼纷争频发的现象，正印证了其内部文化的恶化。后端暗中降智与厂商行为风格的对比 (1:45) 在模型实际调用中，后端暗中降智成为专业开发者的主要痛点。博主指出，用户可以通过 GitHub 上的降智监测工具脚本实测 API 响应质量与上下文衰减。对比来看，Anthropic 的 Claude 展现了理科生式的规则透明度，尽管对国内 IP 封控严格且封号不退款，但其限制摆在明面上；而 OpenAI 则频繁出现推卸复杂指令、拒绝执行或偷懒让用户自己操作等现象。一旦触发降智，OpenAI 会将整段对话全线降级为旧代水准（如 GPT-4o 甚至更早版本），严重破坏生产环境的确定性。商业生产核心：确定性与稳定性重于绝对智力 (3:19) 在真实的企业与高频生产环境中，模型交付的稳定性是首要考量标准。博主以职场用人作类比，认为管理者宁愿选用能力上限稍低但输出表现高度可控的对象，也无法承受模型今天表现惊艳、明天敷衍闹脾气所带来的管理与返工成本。OpenAI 顶级模型尽管绝对智力仍能与 Claude 3.5 Sonnet 或 Opus 匹敌，但因无法稳定交付导致可用性受挫；而 Kimi、DeepSeek 等国产模型由于支持开源或本地化部署，服务商不会在云端暗中降智，即使面临资源紧张也仅采取限流，从而在交付结果上具备了不可替代的确定性。当前梯队格局与突破型对干活型的分工 (4:58) 从能力格局来看，Gemini 1.5 Pro 整体仍稍逊于 Kimi K3.1 Pro。对于日常跑代码与开发工具的高阶开发者而言，博主评估 DeepSeek 的能力大致相当于年初 2 月份左右的顶级模型（如 Opus 4.8 级别），而 Kimi 则追赶到了约 6 至 8 月份的水平，两者之间仍存在数月的代际差距。因此，DeepSeek 不应被当作攻坚极端复杂逻辑的最高级突破型模型，而应作为定价普惠的主力干活型模型使用。博主强调，大模型推理能力的差距并非线性加法，无法通过让低一档的模型反复运算来弥补智力上限的不足，突破型任务仍必须依赖基准更高的顶尖模型担当矛头。总体而言，大模型竞争已从单纯比拼最高智力上限，分化为前沿突破能力与落地交付稳定性的双轨竞争；在实际工程实践中，用户需依据突破型与干活型的不同定位合理分工模型矩阵。

Source quotes

[1:45] 像素范: OpenAI这个家伙我跟你说就天天的偷奸耍滑，动不动就‘这个东西我跟你做不了，这个东西其实不是我做的，这样我教你你把这个东西整一下’，就他懒死了。

Original transcript

[0:00] 让全天下人都能用得上顶级模型那真的良盛做事咱还没数吗DeepSick也是我的主力模型但你别把它当成你的最顶级的突破型模型你把它当成你的干活型模型Kimi K3.1 Pro然后也终于发布了然后成本比3.0要低很多但是性能要强很多也算又杀回了第一梯队它现在的这种智能水平和性价比差不多等于Astral也就是我们说或者说叫Soul这个版本模型的价格更低的性能差不多但是速度有一点点慢还有一个问题呢就是定什么GPT这个模型的最大的问题就是我说实话我从从去年就一直在给大家推这个Codex到现在为止我可能再也不想给大家推这个Codex了因为我实在是哎有的时候咱们就说也不怪马斯克老老告他骂他也不怪Athropeak那个团队也是从这个GPT分出来以后觉得他不怎么地也不怪这个什么伊利亚这个人离职是吧到最后离职全员逼宫这个团队吧就真的是哎就感觉一股贼味你知道吗你们不让你们有感到那种小气的贼劲就是天天的一帮我真的感觉就是一帮小丑一样在这搞这个气质非常的糟糕这种公司的气质我觉得特别像特别像Facebook就那种感觉就特别的贼美书严那到现在一直我其实都不爱用Muse甚至我都没事的原因就是我实在是太知道Facebook这个什么什么调性了你用Muse就感觉跟裸奔一样OpenAI跟那个Muse跟跟Facebook一个调性偷击偷奸耍滑的我这是跟你们真的是念聊一下你们知道Github下一个东西下一个就是监测模型是否降置你说你跟你的那个无论是什么AI助手你跟他说你帮我下一个监测模型是否降置的工具然后并且帮我部署下来找这种排名靠前的星标更多的然后你让他下下来你试一下就知道了哎呦就是他真不如像Cloud我觉得Cloud就是光明正大Cloud就像是一个就有的时候我也真不知道怎么看了我不知道你们怎么看这个事就是你哪怕是一个哪怕Cloud如此跟咱们敌对是吧天天骂我们并且封我们不退钱但我觉得起码他把东西放在明面上对吧我让你用就让你用不让你用就不让你用他放在明面上这种东西咱怎么说可敬的对手是不是就是一个那种比较木讷的理科生或者说木讷的程序员他就是非常规规矩的一板一眼OpenAI这个家伙我跟你说就天天的偷奸耍滑动不动就这个东西我跟你做不了这个东西其实不是我做的这样我教你你把这个东西整一下就他拦死了我不知道你有什么感觉你就每次你还得跟他说你赶紧做少废话你快做他才勉为其难的现在有很多的事他会做你还得拿其他的模型先做出来然后告诉他为什么其他模型能做出来这是我非常能感觉出来OpenA最近的6.1这个版本Astro这个版本就是一股贼性我不愿意做了要不就是你自己想想办法要不就是那种偷偷的趁你不注意给你降制降置检测包你就知道了动动给你降置而且它降置是整个对话框全部都降置就这个对话框你开的所有模型它都按的是上一代模型5.6算的我现在用的更多的我用最多最多的模型其实还是Growbot剩下就用Deep Seek什么Kimi就这玩意儿接Harness接Armys下月的Codex我高低不给它冲了说实话Astral的智慧水平确实很棒它跟Cloud的模型Opus模型差不了多少但是它不给你好好干活所以我宁可用一个Growbot就是明确的稳定的笨我也不用这种波动的墙不知道你们懂不懂这意思这时候你用到这一天你终于明白那些老板用人的思路了他为什么宁可用那个笨蛋他也不用我那个笨蛋是稳定的笨什么东西他能搞什么东西不能搞你非常清楚成本可控用你你今天就干了你明天不干了你今天好好干你明天闹脾气你撤退了是吧你给他瞎对付那不行所以真的是在企业或者说市场的这种真实市场需求中稳定性才是第一要义绕回来我说了一大堆就是绕回来的说就是为什么KIMI还是好一些就是国产模型他不搞这个为什么不搞不搞偷偷降制啊本来就开源你降什么制啊你不行就顶多限制流量而且你自己走开源这个东西你要真降制我自己本地家里边部署去了反正你的模型都开了所以国产模型有的时候贵有的时候慢但是它非常的稳定就是真的是你们你们做多了以后你就知道了稳定性其实真的是大于一切所以这周的KIMI K3那终于有一个可以平T也不能平替吧落一个深味的替代这些产品但是又不封号又不偷奸耍滑这真的是有用的东西好吧这是我跟你们说的第一个本周的大事件GRM5.3也可以但GRM5.3目前比Kimi [5:00] 要差你等着GR5.5吧说要出5.5了好像说是马上最近的新闻是几个产品要出了一个是Deepseek的4.1 Pro然后就是GR5.5DeepSick差挺多的其实你们用的话其实问题差不多但是我们用的话可能因为我们可能要去做一些程序跑一些工具什么东西差一些DeepSick的感觉比较类似于今年年初的OPS4.8就是年差不多是今年2月份左右的模型实例就是顶级模型实例Kimi已经基本卷到今年6月份今年8月份的模型实例了所以可能还差着几个月对DeepSick最大的问题是价格划算对啊我也主DeepSick也是我的主力模型我虽然跟你们说的是但你别把它当成你的最顶级的突破型模型你把它当成你的干活型模型DeepSick就是有点慢他自己点琢磨琢磨琢磨琢磨有点慢鼓的个东西鼓的可长时间的价格划算这你没得说这就我绝对听你那良盛做事咱还没谱吗让全天下人都能用得上顶级模型那真的良盛做事咱还没数吗大不了多搞几遍一杯水什么20度我拿十杯水烫死你它不是这么算的多搞几遍不行它不是这么算的多搞几遍并不解决问题那不是个简单的加法问题