机器人任务实测：Kimi K3.1 介于一流梯队，但成本高出 20 倍

teortaxesTex · x · 2026-10-26

teortaxesTex 分析一张机器人智能体评测的逐任务成本-成功率图（9 个任务，统一 40 步环境预算）：K3.1 大致介于 Gemini Sol 6 与 GPT-1017 之间。「Drawer open」上 1017 是唯一 0% 的模型；9 个任务中有 4 个 1017 和 K3.1 双双 0%；Reach Dual 上两者持平；Reach Multi-Modal 上 Kimi 接近前沿梯队（86-89%）；而「Drawer close」上 Kimi 仅 56%，明显掉队。

作者指出核心问题不在能力而在价格：Kimi 比 Sol 大、视觉质量也更早达标，理应在机器人/空间/agent 任务上表现好，但成本是 Sol 的约 20 倍——Sol 6.1 应成为中国模型的新标杆。