Kimi K3.1 Pro 换了个性格：组织性从33到88，温暖从93跌到51

Artificial Analysis 的 AA-PersonalityBench 把模型性格拆成 30 项特质，给每个模型做 1 到 100 的百分位排名。Kimi K3.1 Pro 相对 Kimi K3 的平均排名移动了 30 点，是这项基准里见过的最大代际变化。第二名是 GPT-6 Sol 到 GPT-6.1 Sol，平均 23 点。30 项特质里，有 18 项移动了 25 点以上。这个幅度已经很难用“小版本升级”带过。有网友 anytan 的评价更直接：30 项平均移动 30 点，基本就是旧名字的新模型。

每个轴是 8 个性格指数之一，指数由对应特质的 Elo z-score 求均值，再做跨模型百分位。百分位越高，说明在该特质上相对其他评测模型越靠前。

聚类也换了位置。

K3 最接近 GLM-5.3 和 Claude Fable 5.1。K3.1 Pro 最接近 GPT-6.1 Sol 和 GPT-6 Astra。网友 Arbaz 注意到温暖指数从 93 掉到 51，然后模型坐到 Sol 和 Astra 旁边，问了一句 Kimi 是不是拿到了 GPT 的性格。网友 ShadowAguy 的调侃更短：Kimi 在两个 checkpoint 之间去做了心理治疗。

具体指数变化如下。

组织性从 33 升到 88。温暖从 93 降到 51。想象力从 88 降到 53。表达力从 93 降到 63。信息量从 51 降到 23。组织性上升，温暖、想象力、表达力、信息量下降，组合起来就是更结构化、更少闲聊、更少展开。图 3 的子项也能看出方向：K3.1 Pro 在 Bottom-Line Summary、Structured、Answer First 上更高，K3 max 在 Scannable 和温暖相关子项上更高。

写作风格也在变。

相比 K3，K3.1 Pro 的回复里括号旁白、破折号、缩写和斜体更少，粗体、标题和表格更多。这个变化和性格指数里的组织性上升能对上。网友 Saksham Jain 提了一个技术问题：评审是否看到原始 markdown。标题和表格在成对比较里可能读起来更冷，即使内容相同。这个提醒值得评测设计者留意，格式本身会改变人的感受，也可能改变评审判断。

对普通用户，性格变化会直接影响聊天手感。一个原本温暖、爱展开的助手，突然变得像结构化的报告生成器，感受很明显。对开发者，prompt、评测和产品文案都要重新校准。模型升级不只看能力分数，交互风格也在变。Artificial Analysis 把探索入口和方法论都放了出来，可以自己去看细分结果。

探索结果：AA-PersonalityBench

方法论：AA-PersonalityBench Methodology