10 月 26 日，两件事在同一天发生。凌晨，OpenAI 发布 GPT-6.1 Terra，每百万 token 输入 1 美元、输出 5 美元，比上一代再砍一半，主打 computer use 和速度。中午，Kimi 官方为 K3.1 Pro 订阅计划的限流和异常配额消耗道歉，给所有订阅用户恢复四分之一的月度配额。一边是新刀出鞘，一边是罪己之书。
这一天几乎浓缩了此前的整整五周：对面在按周落子，这边的一次大冲锋，落在了一个不稳的落点上。「国产模型明显跟不上节奏了」，这个十月末的体感值得认真对待。跟不上的到底是什么，没跟上的又有什么，这篇把账摊开算。
恶龙的五周
从 9 月 22 日算起，五周，Anthropic 和 OpenAI 发了五款模型。
Anthropic 三周三档。9 月 22 日 Opus 5.5，AA 榜 58 分登顶，官方口径典型负载成本比上代降 40%。六天后 Sonnet 5.5 接上，定位日常任务的速度档。再过九天 Haiku 5.5 补齐高并发档，同一天把 Sonnet 5.5 的缓存读价格砍半。一次换代，旗舰、主力、廉价各就各位，价格联动。
OpenAI 把价格阶梯铺完了。9 月 3 日 GPT-6 Astra 立起新代际；9 月 22 日 Sol 和 Luna 两档同发，API 价格砍半；9 月 29 日 GPT-6.1 Sol 上线，AA 的文章标题就是「上线 7 天即替换 GPT-6 Sol」，能力接近 Astra，单任务成本约 0.72 美元，不到 Astra 的四分之一；10 月 26 日 Terra 收尾，输入 1 美元、输出 5 美元。五周之内，从 10/50 到 2/10 到 1/5 再到 0.10/0.50，从旗舰到廉价的每一级台阶都站了人。
这只恶龙不只有宝库，还有纪律。Claude Code 在 29 天里发了 26 个版本，每个新模型上架当天工具端就能用。Anthropic 在发布页里主动写明「到了这个能力水平，benchmark 分差已经不能可靠反映真实差距」，发布前请 METR 做评估，结论是增量改进而非跳变。强，且不骄狂，把预期管理做在别人开口之前。
十月，只剩一次冲锋
国产阵营也有过旗最直的时候。7 月 17 日，Kimi K3 发布，官方口径全球首个 3T 级开放权重模型。8 月上旬，DeepSeek 和阿里各出一款；8 月底，智谱开源 GLM-5.3。然后是七周无声，这段我们《国产模型「消失」的七周》专门对过账。十月回温，四款动作，K3.1 Pro、DeepSeek V4.1-Flash-1017、MiniMax M3.1 Flash、蚂蚁 Ling 3.1 Flash，全部是既有底座上的衍生版本，没有一款官宣新架构。
落到 AA 现行榜上，节奏的差距变成了阵形的缺口：52 分以上的头部带，海外模型占着十来个席位，国产只有 K3.1 Pro 一个孤点；47 到 51 分这一档，国产完全空着；43 到 46 分挤着大部队，MiMo、DeepSeek 1017、Qwen3.8 Max、GLM-5.3、Step 5、M3.1 Flash。对面是连绵的营盘，这边是一支孤军，身后隔着一段没人站立的空档。
于是 10 月 24 日凌晨的 K3.1 Pro，就成了这五周里国产唯一的一次集团冲锋。
55 分没能赢
冲锋的成绩单其实不差。55 分，总榜第 5，高于同榜的 GPT-6 Astra 和 Gemini 4 Argon（各 53 分）。一个建立在七月底座上的后训练版本，综合分压过海外两个新预训练旗舰，这本身是件了不起的事。
但用户上手之后，账就不是这么算的。Vals AI 用统一 harness 实测，K3.1 Pro 对自家前代退了步：法律检索 46.15% 降到 37.50%，税务代理 33.37% 降到 24.87%。同样是 Vals 的榜，目标明确的终端任务它 63.64% 排第 3，只差 Claude Opus 5.5 一点五个百分点；换成没有现成解法的科研任务，31.43% 排第 8，GPT-6 Astra 是 62.86%。AA 的模型页评语只有一句：明显偏慢，特别话痨。输出速度 46.3 token 每秒，192 个模型里排第 182。
强项符合预期，弱项低于预期，总分把锯齿抹平了。用户是按最低的那块板体验产品的，落差就从这里来。
第三天的道歉信
最能说明问题的是一个数字。跑完同一套 AA 评测，中位模型输出 8100 万 token，K3.1 Pro 输出 1.5 亿。同样的路程，两倍的粮草。Ultralytics 拿它做真实标注任务，token 单价降了三分之一，1000 张图的账单反而从 21.52 美元涨到 22.50 美元。思考无法关闭，默认就是最高的 max 档。
于是就有了 10 月 26 日那封信。Kimi 官方为限流和「不必要的配额消耗」道歉，原话承认「这些是我们的问题，本应更早修复」，调整参数，原文写的是「减少不必要的 subagent 调用和输出长度」。把信和第三方数据放在一起，结论并不难下：官方说的异常消耗，就是 AA 测到的啰嗦，就是 Ultralytics 测到的账单。模型拼尽全力完成任务的样子，是燃烧自己。
同一件事，三种讲法。DeepSeek 更新 1017 版，把「缩短任务运行时间和输出长度」写进更新日志当成果。Anthropic 发布 Opus 5.5，把 token 效率当卖点讲。Kimi 把它写进了道歉信。宣发侧还添了一道伤口：「上单」的指控截图流传了两天，那是单一信源，至今无人佐证，本文不把它当结论，但发布周仅剩的话题位，确实也给了风波。
为什么扎堆后训练
为什么这五周只剩一次冲锋，而且是一次借力的冲锋？一笔账能算清。
小米公开过 RL 训练账单：MiMo-V2.6-Pro 三十个 RL step、约 75 万次 rollout，262 万美元。这个量级，头部厂商都掏得起，见效又快，分数直接写在榜上。而新预训练拼的是算力总量，IFP 十月的估算，美国前五家实验室约为中国前五的十倍以上。便宜的武器人人拿得起，昂贵的战场进不去。衍生版扎堆、底座断档，是这个约束下的均衡，不是哪家不努力。
这不是勇者不够勇敢，是恶龙的宝库深了十倍。悲情的真正来源在这里：K3.1 拼到了 55 分，拼的方式是双倍的 token、透支的后训练，而对面连降价都还没有降完。
五丈原不是终点
但十月还不是五丈原。五丈原之所以是悲剧，恰恰不在于打了败仗，那一仗没有输——在于灯油烧尽在半途。K3.1 也一样：分数没有输给任何人，输掉的是节奏里的时间。
而且蜀汉在五丈原之后还打了二十九年。国产阵营的军阵仍在：成本线上，MiMo-V2.6-Pro 46 分每任务 0.13 美元，DeepSeek 1017 45 分 0.26 美元，榜首 Opus 5.5 是 5.98 美元，差着二十到四十倍。DeepSeek 已经在学对面的打法，1017 版一周内从 39 分重测到 45 分，同时把缩短输出、适配编程工具写进发布说明，一次更新同时讲能力、成本和效率。这正是恶龙的节奏，学得会。
往后盯两个信号就够了：谁先拿出下一个新底座，谁先把 47 到 51 分的空档填上。任何一个出现，都说明这支军队重新上路了。在那之前，总分再涨，也只是又一次双倍粮草的冲锋。
秋风还在吹。旗没有倒，只是举旗的人，需要换一副新的臂力。
三个月旗舰空窗的逐日对账，见《国产模型「消失」的七周》；K3.1 Pro 发布当天的跑分与 Agent 增量拆解，见《Kimi K3.1 Pro 发布：提升的大头在 Agent》。
