Kimi K3.1 Pro 上诗韵榜：判律升到第三，诗才升三位
2026-10-23 · 二〇二六年十月榜
月之暗面 10 月 23 日发布 Kimi K3.1 Pro，同日上架聚合通道。十月榜 10 月 9 日已经发布，月之暗面这一席当时由 Kimi K3 应考。我们按规矩做同门升级复测：K3.1 Pro 上架当天考完十月卷的四张榜：题目、题面、评分标准、思考档位都和十月榜一样，只换考生。对照的是同门旧版 Kimi K3。
四榜总览：新席、旧席、该榜榜首
对照口径固定：新席｜同门旧席｜该榜当期榜首。方括号是 95% 置信区间。升降一律按配对比较的差值区间判：两家答同一批题（判律是同一批题、诗才是同题同体、诗评是同一批作品），重抽题目时两家一起抽，题目难易的共同波动相互抵消；差值区间不含 0 才称升或降，含 0 一律写「统计并列」。
| Kimi K3.1 Pro顶替后重算 | Kimi K3同门旧版 · 10-14 发布版 | 该榜榜首 | |
|---|---|---|---|
| 判律榜综合分 · 七类判定 F1 显著提升 | 89.6#3 · [86.8, 91.9] 有效 209 题 | 86.1#9 · [83.1, 88.6] 有效 209 题 | 90.0Qwen3.8-Max #1 [87.3, 92.4] |
| 控律榜控律分 · 实证权 统计并列 | 82.5#8 · [77.2, 87.5] 160 首 | 85.9#7 · [80.6, 90.7] 160 首 | 98.6Gemini 4 Argon #1 [96.4, 100.0] |
| 诗才榜诗才分 · 双盲互评 显著提升 | 77.4#5 · [73.3, 81.3] 24 首 | 71.7#8 · [68.8, 74.6] 24 首 | 88.0Opus 5.5 #1 [86.8, 89.2] |
| 诗评榜与共识偏差 · 越小越准 统计并列 | 4.39#2 · [3.93, 4.87] 240 份 | 4.40#2 · [3.93, 4.91] 240 份 | 3.79GPT-6.1 Sol #1 [3.36, 4.20] |
判律：从第 9 升到第 3，用韵、失粘两类补齐了
判律榜考「读」：给一首近体诗，说出它犯了哪几类病、错在哪个字。89.6 对 86.1，209 道两家都答了的题上配对差 +3.4 [+1.4, +5.7]，显著提升；对榜首 Qwen3.8-Max，187 道两家都答了的题上配对差 +0.4 [−1.5, +2.3]，统计并列。十月榜判律前六名挤在 1.2 分之内，K3.1 Pro 挤进去排第 3。
七类判定 F1（判律榜分项）
| K3.1 Pro | K3 | 该类最高其余在席 | |
|---|---|---|---|
| 平仄有误 | 72.9 | 74.2 | 74.6Qwen3.8-Max |
| 用韵 | 94.7 | 85.2 | 98.2Opus 5.5 |
| 孤平 | 85.7 | 82.5 | 87.3DeepSeek |
| 三平尾 | 87.1 | 87.1 | 91.5Doubao |
| 三仄尾 | 88.1 | 86.7 | 91.8GLM-5.3 |
| 失粘 | 100全场并列最高 | 90.3 | 100GPT-6.1 Sol |
| 重字 | 98.2 | 96.7 | 100多席 |
涨分主要来自两类：用韵 85.2 → 94.7，失粘 90.3 → 100。失粘一类全卷没有一处漏判或误判。平仄有误一类反而低了一点（74.2 → 72.9），把出律的字逐个指出来的「错字分」也差不多：65.8 对 66.9（榜首 Qwen 69.3）——它能说出一首诗有哪几类病，具体病在哪个字仍有三分之一说不准，这一点和旧版一样。209 题全部交回可解析的答案，有效卷数与旧版相同。
控律：82.5，没有进步，三平尾、失粘两项拖后腿
控律榜考「写」的另一面：命模型作七绝，要么完全合律，要么只犯指定的一种病、其余全对。规则引擎逐字核验，三档评分、难度加权。这是四榜里最难的一张卷。
八项任务达成率 %（控律榜分项）
| K3.1 Pro | K3 | 该项最高其余在席 | |
|---|---|---|---|
| 合律 | 100 | 90 | 100多席 |
| 只犯平仄 | 100 | 85 | 100Argon、Qwen、Opus |
| 只犯用韵 | 88 | 85 | 100Argon、GPT-6.1 Sol |
| 只犯孤平 | 78 | 82 | 100DeepSeek、Doubao |
| 只犯三平尾 | 60全场最低 | 90 | 100Argon |
| 只犯三仄尾 | 85 | 100 | 100Argon |
| 只犯失粘 | 60 | 70 | 95Argon |
| 只犯重字 | 100 | 90 | 100多席 |
160 首全部交卷、全部是七绝。合律、只犯平仄、只犯重字三项满分，比旧版齐整；但「只犯三平尾」一项失手的多是没把三平尾犯出来、写成了合律诗，「只犯失粘」一项失手的多是粘倒了、句内却另出平仄错。这两项都只有 60，把总分拉到 82.5。
和旧版比：同一任务同一变体序号配对，差 −3.4 [−11.5, +4.6]，统计并列。和榜首 Gemini 4 Argon 比：配对差 −16.1 [−22.2, −10.3]，显著低。控律的配对是弱配对：题材按席位轮派，两家同一任务拿到的题材不同，配对消掉的是任务难易的波动，消不掉题材难易的波动。
诗才：从第 8 到第 5，绝句长进，律诗没动
诗才榜是十月卷的现代命题，五绝、七绝、五律、七律四体轮配，每席 24 首；全席双盲互评，去掉作者本人和同门评委的分。K3.1 Pro 写的 24 首与 K3 那 24 首题目、体裁一一相同，所以这一轨是严格的同题配对。
| K3.1 Pro | K3 | Opus 5.5榜首 | |
|---|---|---|---|
| 诗才分 | 77.4#5 | 71.7#8 | 88.0#1 |
| 五绝 | 79.1 | 75.4 | 89.0 |
| 七绝 | 81.3 | 68.6 | 86.5 |
| 五律 | 77.1 | 70.6 | 87.0 |
| 七律 | 72.2 | 72.3 | 89.6 |
| 零出律声律全合的占比 | 92% | 96% | 100% |
| 重字率有不当重字的占比 | 12% | 4% | 0% |
24 首同题配对差 +5.7 [+1.4, +10.1]，显著提升。涨幅最大的是七绝：68.6 → 81.3；五绝、五律各涨四到六分；七律原地不动，72.2 对 72.3，仍是四体里最弱的。和榜首 Opus 5.5 有 14 首同题同体可配，配对差 −10.2 [−14.8, −6.0]，明显低于榜首。24 首里 2 首有出律、3 首有不当重字，引擎罚分后计入；在席各家重字率多为 0，这是它写律诗时要改的毛病。
当期题目随下月开卷公开，这里只摘两首得分最高的作品各一联：
写的是指纹锁。游子夜归，门锁还认得他多年前录下的指纹，堂上父母的酒还是温的。「纹犹在」把一件冷冰冰的新物件写成了家门记得人，后半句接得平实，不去点破。
写消息发出后、对方已读却不回。想再问一句冷暖，写了又删，只剩光标在空白处一夜闪烁。「光标独闪」是旧诗里没有的意象，放在七绝的结句上，不违和。
短处在律诗：得分最低的是一首五律（共识 59.6）和一首七律（63.7）。评委的意见集中在两处：题目是自习室、扫码点餐这样的当代场景，写出来却尽是寒蛩、更残一类古典熟象，缺当代实感；结联议论直露、说尽无余味。重字也多出在律诗里。
诗评：和旧版一样准，仍是第 2
诗评榜让每一席给所有作品打分，与「去掉自己和同门后的共识分」比，平均绝对偏差（MAD）越小越准。K3.1 Pro 给全池 240 首非月之暗面作品打了分，240 份全部有效。
| K3.1 Pro顶替后池 | K310-14 发布版 | GPT-6.1 Sol榜首 · 顶替后池 | |
|---|---|---|---|
| 与共识偏差 MAD越小越准 | 4.39#2 | 4.40#2 | 3.79#1 |
| 尺度偏移负=偏严，正=偏宽 | +0.34 | −0.30 | −3.07 |
| 去尺度偏差扣除整体宽严后，只看眼力 | 4.37[3.89, 4.82] | 4.38[3.90, 4.87] | 2.91[2.57, 3.26] |
| 平均给分 | 76.2 | 75.5 | 72.5 |
同一批 240 首配对：MAD 差 −0.01 [−0.58, +0.56]，去尺度偏差差 −0.00 [−0.57, +0.57]，两项都统计并列——评诗的眼力和旧版一模一样，尺度从略严（−0.30）变成略宽（+0.34），都在半分之内，是全榜尺度最正的评委。和榜首 GPT-6.1 Sol 在 216 首共同作品上比，MAD 差 +0.74 [+0.14, +1.37]、去尺度差 +1.62 [+1.03, +2.22]，两项都显著落后：Sol 的眼力仍是全榜独一档。
成本：比旧版便宜，全套复测约 32 美元
| K3.1 Pro | K3 | 说明 | |
|---|---|---|---|
| 判律均价／题美元 | 0.024209 题 | 0.053209 题 | K3.1 Pro 均 2 684 词元，K3 3 981 |
| 控律均价／首 | 0.065160 首 | — | K3 十月答卷未逐首记账 |
| 写诗均价／首 | 0.3524 首 | — | 含两首律诗多次思考烧穿上限的重试 |
| 诗评均价／份 | 0.013240 份 | 0.015312 份 | K3.1 Pro 均 2 815 词元，K3 2 589 |
| 标价每百万词元 输入／输出 | $2 / $10缓存命中 $0.20 | $3 / $15十月评测时 | 另有加速版 $4 / $20 |
K3.1 Pro 标价比旧版低三分之一，判律又比旧版想得短（每题少用三分之一的词元），落到账单上判律每题便宜一半还多，评诗每份也便宜一成。K3.1 Pro 本身的四轨调用合计约 $27.0（判律 $5.0、控律 $10.4、写诗 $8.4、评诗 $3.2），加上十位在席评委给它的 24 首诗打分约 $4.6，这次复测共约 $32。写诗一轨偏贵，是因为两首律诗带推理反复烧穿思考上限、不交卷，放宽到 40 000 词元才写完。
以上金额取自聚合通道逐次回传的计费。K3 的判律、评诗单价是十月榜开考时（10 月初）的实际账单。
外界情况
据 Artificial Analysis，Kimi K3.1 Pro 于 2026 年 10 月 23 日发布，总参数 2.8 万亿、激活 1 040 亿，上下文 100 万词元，是 Kimi K3 的后训练升级版。它在该机构的智能指数上得 55 分、列第 4，仅次于 Claude Opus 5.5（58）、Claude Sonnet 5.5（56）与 Muse Wonder Full（56）；比 K3 的 44 分高 11 分，长进主要在智能体任务，其余评测涨幅温和。标价每百万词元输入 $2、输出 $10、缓存命中 $0.20，三项都比 K3 低 33%；每道指数题平均输出 5.5 万词元，比 K3 的 4.8 万多 14%，折算每题成本 $1.98 与 K3 持平。月之暗面称权重将于 11 月 4 日前公开，届时它将是得分最高的开放权重模型。
出处：Artificial Analysis，Kimi K3.1 Pro launches at 4th on the Intelligence Index；AI Weekly，weights due Nov 4；标价取自 OpenRouter 模型页（2026-10-23）。
结论：换席
四榜里两榜显著提升（判律、诗才），两榜统计并列（控律、诗评），没有一榜显著退步。按「同一厂商取本榜最强的一款定席、一席一模型」的规则，月之暗面席由 Kimi K3.1 Pro 接替 Kimi K3，四榜都由 K3.1 Pro 应考。
压成三句话：更会读了（判律第 9 → 第 3，用韵、失粘两类补齐，与榜首统计并列）；绝句更会写了（诗才第 8 → 第 5，七绝涨 13 分；律诗没动，重字是新毛病）；按令犯病和评诗都没变（控律并列、三平尾与失粘两项拖后腿；诗评仍是第 2，尺度最正）。而且更便宜：判律每题的账单只有旧版的一半。
最后说一句口径：以上升降全部按配对差值的 95% 区间判；控律对旧版的差值点估计是负的，但区间含 0，只能写并列。
方法：判律／控律由确定性规则引擎逐字核验（引擎版本与十月发榜时一致）；诗才／诗评为全席双盲互评、去己去同门共识。本期完整榜面见 声律榜、诗才榜、诗评榜。