没人要求结局，Kimi K3.1 Pro 靠把游戏做完登顶开放权重游戏榜

DesignArena 的 Game Dev 榜更新，Kimi K3.1 Pro 成为开放权重第一，总榜第5。它接替的是从八月起占据这个位置的 Kimi K3。K3.1 Pro 从 K3 的第10名升到第5名，前进五位。

DesignArena 是众包 benchmark。用户给 prompt 生成网站、游戏、图像等，再对模型结果两两投票。这个榜单看生成游戏，代码能力只是其中一部分。

DesignArena 说，RL 之后变化最大的地方集中在游戏状态。K3.1 Pro 四个最大提升里有三个和“游戏进行到哪”有关。它对进度经济，包括价格、金钱、解锁的思考接近 K3 的三倍；对保存、加载、继续的思考超过两倍；对菜单、开始屏幕、重置的思考多出约60%。

这种思考体现在结果上。两个模型的游戏开始频率接近，K3.1 Pro 是94%，K3 是91%。但 K3.1 Pro 有62%的游戏可以通关或完成，K3 是40%。

更反常识的是，七成 prompt 从没要求胜利条件、关卡、目标或任务。在这些提示下，K3.1 Pro 仍有53%的游戏可以完成，K3 是28%。当 prompt 明确要求结局时，两者是84%对71%。同一批用户分别提示两个模型时，K3.1 Pro 的可完成游戏比例是73%，K3 是30%。

用户也奖励这种行为。DesignArena 把对手固定在各自榜单评分后比较，同一模型内部，一个能完成的游戏在 head-to-head 投票中比不能完成的高约83个评分点。

有网友在回复里说，这种“没人要求也把游戏做完”的偏门评分优势很怪，开放权重模型在游戏开发上的竞争开始有火药味。Hana Kaito AI 注意到，RL 提升的是游戏状态感知，不只是编码。MASA 问得更直接：优先状态会不会伤害核心玩法深度。榜单回答不了这个问题，但它值得放进下一轮评测。

K3.1 Pro 的变化说明，模型补全用户没说的目标，本身就能成为产品能力。评测奖励完成度，会推着模型学会收尾。副作用也要看，生成游戏可能更偏向可通关结构，玩法深度未必同步上涨。