Kimi发布K3.1 Pro，后训练投入增加与联合强化学习令速度明显提升，Artificial Analysis综合指数从44分升至55分、排名第4，Terminal-Bench 4.0从12.6%跃升至67.2%居首，但长上下文推理略有回落。
官方演示中模型自主编写模拟器、安排训练并修复36处肩部力臂计算错误，让虚拟人从不断摔倒也学会连续行走，显示其能依据实验结果自主改进训练方法。
实测物理模拟、音频分析与简单视频剪辑已具实用价值，3D场景可自行修正穿模与路线错误；普通Pro的API输出降至每百万token 68元，高速版约耗两倍额度。
结合招募具身智能人才的报道，Kimi向物理世界与具身智能延伸的意图愈发清晰，行业关注其是否推出低延迟、低成本的多模态Flash模型用于机器人观察与规划。