Kimi K3.1、Qwen 4疑现匿名盲测，国产新模型要来了？

最近两天，Arena.ai（原LMArena）的编程对战Code Arena中出现两个陌生代号：Kibitz、Kalmia。厂商常在正式发布前将新模型匿名放入盲测，供真实用户投票。经分析，很多人将二者与国产新模型联系：Kibitz疑似月之暗面的Kimi K3.1，Kalmia疑似阿里的Qwen 4。

X上有人用这两个模型制作了SVG、网页和可交互3D场景，包括Minecraft风格像素城堡、3D可驾驶汽车、直升机等。这类效果需协调场景绘制、运动、镜头和用户输入，相当于一次性完成前端开发、空间建模与交互逻辑，为观察模型的前端开发、空间表达和指令遵循能力提供了直观窗口。有人惊叹Kibitz或创开源模型新高，Kalmia甚至可比肩GPT 6.1 Sol Ultra。成本方面，社区有人称Kibitz做同样的事，Token成本仅为GPT-6 Astra的1/14。

Kimi K3.1即将发布的消息较有依据。前天有AI社区用户公布对Kimi官方域名下配置接口的请求，返回内容包含切换目标“to”:“k3.1”，说明产品端已在准备K3.1会话切换，但发帖者随后称该配置当晚已被撤回。另一线索来自模型处理特殊字符串时的“指纹”。AI Tracker Bot称，两次测试中Kibitz对11个用于识别Moonshot模型的特殊token均出现乱码，与该账号测试过的Kimi模型表现一致，而其他7家AI实验室的模型能准确复制这些内容，进一步强化了Kibitz与Kimi的联系。

Qwen 4目前较清楚的是技术方向。8月发布Qwen3.8-Flash-Next时，新模型在官方模型卡中被定位为Qwen 4底层架构的实验预览，引入结合Gated DeltaNet与Qwen Sparse Attention的混合注意力、门控残差连接及N-gram Embedding，分别探索长上下文处理、跨层信息传递与参数扩展效率。其中Qwen Sparse Attention以小块为单位选择需处理内容，旨在降低长上下文延迟；N-gram Embedding利用短词元序列索引，为模型扩展参数提供计算开销较低、便于卸载存储的路径。这意味着Qwen 4已有公开架构探索铺垫，但仅看匿名测试无法确定其具体设计。

通常匿名上Arena是新模型发布最后一环：Kimi K3发布前，代号Kivine的模型提前数天现身；Qwen3.8-Max发布前，代号Kaleb仅提前一天出现。按此节奏，几天内或许将见证国产模型新一轮交卷。