一行代碼沒寫就修好了陳年 Bug：Kimi K3.1 Pro 實測文，看的是獨立開發者的兩筆帳

10 月 23 日到 24 日，月之暗面正式發布 Kimi K3.1 Pro。幾天後的 10 月 26 日，掘金上一篇實測長文開始流傳：作者孟健自稱過去三個月一人協同多個 AI 寫了 27 萬行代碼、完成近 3000 次提交，全年 AI 工具訂閱花費約 1.7 萬元人民幣。他把一個困擾自己產品許久的 Bug 直接丟給 K3.1 Pro，從敲下回車到復現、修改、驗證完畢，全程約 9 分鐘，而且他一行代碼都沒寫。

這篇文章值得看的地方，跑分只是開場。真正有資訊量的，是一位以「一人公司」模式商業交付的開發者，怎麼替自己挑模型。

先把帳算清楚：Token 計費與交付率

孟健在文中說得直接，他選模型只看兩筆帳：一筆是 Token 計費成本，另一筆是真實工程排障的交付率。

計費部分，依 OpenRouter 與官方定價，K3.1 Pro 的 API 價格比前代降了約三分之一。國內標準版輸入為每百萬 Token 13 元人民幣，快取命中 1.3 元，輸出 68 元；高速版輸入 26 元、輸出 136 元。海外美元版標準輸入 2 美元、輸出 10 美元，高速版為 4 美元與 20 美元。對照他全年 1.7 萬元的工具預算，這個價格帶決定了模型能不能進入日常生產線，而不是偶爾拿來試用。

這也呼應了先前我們討論過的模型推理成本下降與開發者紅利窗口：當成本持續下探，願意把 AI 塞進日常工作流的人拿到的優勢，比只囤課不動手的人實際得多。

跑分結構：長時間連續寫代碼是亮點

K3.1 Pro 採混合專家架構，總參數規模 2.8 萬億，每次啟用約 1040 億參數，上下文視窗支援 100 萬 Token。官方承諾 2026 年 11 月 4 日前開源完整模型權重。

第三方評測機構 Artificial Analysis 的 AA 榜上，K3.1 Pro 拿 55 分，全球第四。依 the-decoder 10 月 24 日的報導，排在它前面的是 Claude Opus 5.5（58 分）、Claude Sonnet 5.5（56 分），以及尚未開放 API 的 Muse Wonder Full（56 分）。文中拿來對比的國產模型如小米 MiMo、通義千問、DeepSeek、GLM 多在 45 分上下，K3.1 Pro 拉開約 10 分差距，也比上一代 K3 的 44 分上漲 11 分。

更能說明工程能力的，是幾個細項。測長時間連續寫代碼的 SWE Marathon v1.1，它跑出 51.7%，位列榜首，超過 Claude Opus 5.5 的 46.3% 與 GPT-6 Astra 的 42.5%。測終端受限任務的 Terminal-Bench 4.0 拿到 65.7%，上一代 K3 只有 13%，只比 Claude Opus 5.5 低 0.7 個百分點，比 GPT-6 Astra 高 7.5 個百分點。

那個 Bug 難在哪

跑分領先不等於全場景通喫。理論基準與真實業務代碼庫之間，隔著一層工程邊界，這也是這篇實測文最有價值的部分。

孟健自研的內容分發工具「字流」，一年累計 192 次代碼提交，可以一鍵把稿子分發到各平臺。但 X 長文章這條鏈路有個陳年問題：一篇文章 11 張配圖，自動插入永遠只插進 10 張，正文還會留下一串佔位亂碼，每次都得手動補圖刪字。

難點在於 X 的編輯器有自己的遊標位置記錄機制。打個比方，這就像你請人幫你搬辦公室，對方以為搬走了第三排的櫃子，實際上搬的是第四排，地址登記系統和實際物品對不上。程式以為選中了佔位文字，編輯器實際選中的是別的東西。更麻煩的是，這個問題只有在真實登入的 X 頁面才會觸發，一般的自動化測試根本測不出來。

這種任務光會寫代碼不夠，它得會讀代碼、自己跑起來復現、再自己驗證。孟健用的是官方命令行工具 Kimi Code，一行命令啟動並指定 K3.1 Pro，允許它讀寫專案檔案後放手執行。結果就是那 9 分鐘。

所以呢：交付率才是獨立開發者的採購標準

這篇實測的意義，不在於證明某一個模型天下無敵，而在於它展示了一種新的採購邏輯。當一個人加一組 AI 訂閱就能撐起商業交付，選模型的依據會從品牌印象、參數規模，收斂到非常具體的兩個問題：跑一輪真實任務要多少 Token 費，以及它能不能把活真正做完。

國產模型第一次這麼近地貼著 Claude 跑，而價格又低了相當幅度，這對預算有限的小團隊和獨立開發者是實際可用的選項，而不只是民族牌面上的勝利。至於這種「一行代碼沒寫」的模式會如何改變工程師的工作結構，可以對照我們先前的AI 能力與失業論點的檢驗一起看：工具變強是可確認的，剩下的問題是組織怎麼用它。

11 月 4 日開源權重的承諾若兌現，社羣很快會給出第二輪、不受官方敘事控制的檢驗。那時候再回頭看這 9 分鐘，會更清楚它是標本還是常態。