Kimi K3.1 Pro Preise: $2/$10, eine Ausgabengrenze von 943K und Gewichte, die es noch nicht gibt

Es gibt eine Zahl auf der Preiskarte von Kimi K3.1 Pro, die den Rest seltsam erscheinen lässt: die Ausgabengrenze. Das Modell wird für 2,00 US-Dollar pro Million Eingabe-Tokens und 10,00 US-Dollar pro Million Ausgabe-Tokens verkauft, über ein Kontextfenster von 1 Mio. Tokens hinweg, mit einer maximalen Ausgabe von 943.000 Tokens. Das ist kein Tippfehler und keine Rundung der Kontextangabe – es ist das, worauf der Serving-Stack eine einzelne Antwort tatsächlich laufen lässt, und es verändert, was „teuer“ hier bedeutet. Ein Modell, das wie ein Mittelklasse-Arbeitstier bepreist ist, wird mit einer Langform-Fähigkeit verkauft, die die meisten Modelle zu diesem Preis nicht haben.

Das zweite Merkwürdige ist, dass Moonshot es als Open-Weight verkauft, ohne die Gewichte ausgeliefert zu haben. Die eigene Dokumentation besagt, die vollständigen Modellgewichte „werden bis zum 4. November veröffentlicht“, und Artificial Analysis – die bewertet, was sie aufrufen kann – stuft das Modell weiterhin als proprietär ein. Bis zu diesem Datum ist jeder Preis, der für Kimi K3.1 Pro genannt wird, ein Hosted-Preis, und es gibt keine selbst gehostete Alternative, mit der man ihn vergleichen könnte. Beide Fakten gehören in einen Artikel über Preise, denn beide bestimmen, was man tatsächlich kauft.

Die Karte, Zeile für Zeile

Abgelesen von der Live-Seite des Modells auf OrcaRouter, 29. Oktober 2026:

• Eingabe — 2,00 $ pro Million Tokens.

• Ausgabe — 10,00 $ pro Million Tokens.

• Kontext — 1M Token, mit einer maximalen Ausgabe von 943K.

• Modalitäten — Eingabetext, Bild und Video; Ausgabetext.

• Endpunkte — /v1/chat/completions, /v1/responses und /v1/messages.

• Gemessene Latenz — p50 Zeit bis zum ersten Token 7,26 Sekunden; p95 10,00 Sekunden, über sieben Tage.

• Traffic — 2.779,4 Millionen Tokens über dieselben sieben Tage.

Dieses letzte Paar ist der Teil, den die meisten Preisseiten auslassen, und es ist das Nützlichste auf der Seite: 2,78 Milliarden Token in einer Woche sind ein Beleg dafür, dass der Endpunkt in großem Maßstab genutzt wird, nicht dafür, dass er schnell ist. Die Latenzangabe sagt das Gegenteil – 7,26 Sekunden bis zum ersten Token sind langsam, und zwar auf eine Weise, die je nachdem, was man baut, anders ins Gewicht fällt.

Was man für die 10-Dollar-Leistung tatsächlich bekommt

Preise pro Token sind eine schlechte Einheit für die Planung, deshalb hier dieselbe Preisliste in Aufgaben ausgedrückt. Eine einzelne Anfrage, die 200.000 Token Kontext liest und 5.000 Token schreibt, kostet 0,40 $ für den Input und 0,05 $ für den Output – etwa 45 Cent. Dieselbe Anfrage bei GPT-6.1 Sol, das dieselbe Preisliste mit 2,00 $ / 10,00 $ hat, kostet dieselben 45 Cent und erzielt auf dem unabhängigen Leaderboard drei Indexpunkte weniger. Das ist das Argument für Kimi K3.1 Pro in einem Satz, und es ist zugleich das Argument dagegen, sich allein auf die Preisliste zu verlassen: Identische Preise bedeuten, dass die Entscheidung vollständig davon abhängt, welches Modell die Arbeit erledigt.

Jetzt das andere Ende der Spanne, wo die 943K-Ausgabegrenze aufhört, eine Kuriosität zu sein. Ein Agent, der in einem Aufruf ein langes Dokument oder eine große Codedatei erzeugt, kann plausibel 100.000 Ausgabe-Tokens schreiben. Bei 10 $ pro Million sind das 1,00 $ für die Antwort – fünfmal die Kosten der Eingabeseite, wenn der Prompt klein war. Ausgabe-Tokens sind der Punkt, an dem diese Karte teuer wird, und die Langform-Generierung ist der Bereich, in dem eine Obergrenze von 943K tatsächlich ausgereizt wird.

Zwei ehrliche Lücken in dem, was die Seite Ihnen sagt: Sie listet Eingabe- und Ausgabetarife auf, aber keinen Cache-Lese- oder Batch-Tarif, sodass es keinen veröffentlichten Rabatt gibt, auf den man planen könnte; und sie nennt kein Rate-Limit pro Konto, was bedeutet, dass die Obergrenze, die Sie unter Last erreichen, eine operative Entdeckung statt einer Budgetposition ist. Beides lohnt sich zu erfragen, bevor Sie einen Job mit hohem Volumen darauf umstellen.

Latenz ist die zweite Rechnung.

7,26 Sekunden bis zum ersten Token stehen nicht auf der Preisliste, und für eine Chat-Oberfläche sind sie nahezu irrelevant – der Leser wartet ohnehin. Für eine Agentenschleife ist das eine ganz andere Zahl. Eine Schleife mit zwanzig Durchläufen kostet pro Aufgabe bei p50 rund zweieinhalb Minuten reine Wartezeit und bei p95 eher dreieinhalb, bevor überhaupt die eigentliche Arbeit mitgezählt wird. Multipliziert man das mit parallelen Agenten, wird die reale Zeit – nicht die Rechnung – zur begrenzenden Größe.

Das ist der konkrete Kompromiss, den dieses Modell von Ihnen verlangt: identisch bepreist wie ein schnelleres Modell der mittleren Klasse, höher bewertet auf einem zusammengesetzten Index und bei jeder Anfrage am Anfang langsamer. Die richtige Entscheidung ist, Ihre eigene p95 an Ihren eigenen Prompts zu messen, statt einer der beiden Anbieterangaben zu vertrauen.

Der Endpunkt, den niemand erwähnt, und der, der über die Akzeptanz entscheidet.

Die Modellseite listet drei Endpunkte auf, und der dritte ist der interessante. Neben den OpenAI-förmigen Chat-Completions- und Responses-Routen gibt es einen /v1/messages-Endpunkt – die Anthropic-förmige Oberfläche. Für alle, die ein Coding-Harness betreiben, das die Anthropic-API spricht, ist das der Unterschied zwischen einem Modell, das man auf seine vorhandenen Tools zeigen lassen kann, und einem Modell, das einen Adapter braucht.

Auch das ordnet den Preis neu ein. Ein Harness wie Claude Code ist im Betrieb teuer – nicht wegen eines einzelnen Aufrufs, sondern wegen der Zahl der Aufrufe, die eine Sitzung tätigt. Bei $2.00 / $10.00 und einem 1M-Fenster ist die Rechnung, die solche Setups üblicherweise ruiniert – ein langer Kontext, der bei jeder Runde erneut gesendet wird – genau die, auf die diese Karte am besten zugeschnitten ist, sofern die 7 Sekunden bis zum ersten Token nicht dafür sorgen, dass sich die Sitzung kaputt anfühlt.

4. November – und was das mit dem Preis macht

Das Datum, an dem die Open-Weights erscheinen, ist ein Preisereignis, nicht nur ein Lizenzierungsereignis, und es gibt einen Präzedenzfall dafür, wie es sich entwickelt. Kimi K3 wurde am 16. Juli 2026 angekündigt, und seine Gewichte erschienen am 27. Juli auf Hugging Face — eine Lücke von elf Tagen. Wenn K3.1 Pro demselben Muster folgt, ist der Hosting-Preis nicht mehr der einzige Preis auf dem Markt: Self-Hosting wird für jeden mit den entsprechenden GPUs zu einer echten Option, und der Hosting-Preis muss gegen Grenzkosten konkurrieren, die der Stromrechnung von jemand anderem entsprechen.

Was das nicht ändert, ist Folgendes: Ein Modell dieser Größe selbst zu hosten ist eine Kapitalentscheidung, kein Rabatt. Die gehostete Variante ist der günstige Weg, es zu nutzen, und die Gewichte sind der günstige Weg, es zu besitzen – unterschiedliche Käufer, unterschiedliche Antworten. Wer eine große Verpflichtung plant, sollte den 4. November als den Tag betrachten, an dem sich die Vergleichsgruppe ändert, nicht als den Tag, an dem der Preis sinkt.

Wie man es ohne Raten budgetiert

Drei praktische Regeln, geordnet nach ihrer Wichtigkeit.

• Ausgabe-Budget zuerst. Bei einem Preisverhältnis von 10:1 zwischen Ausgabe und Eingabe dominiert die Ausgabeseite jede Arbeitslast, die generiert statt liest. Wenn Sie Ihren Anteil an Ausgabe-Tokens nicht kennen, messen Sie ihn, bevor Sie die Kosten modellieren.

• Behandle 1M Kontext als Abrechnungsrisiko, nicht als Feature. Ein großes Fenster verleitet dich dazu, alles zu senden; alles bei jeder Anfrage zu senden, ist der Weg, auf dem aus einem günstigen Modell ein teures wird. Das Cache-Verhalten ist auf dieser Seite nicht dokumentiert, gehe also davon aus, dass jedes Token jedes Mal abgerechnet wird, bis du das Gegenteil messen kannst.

• Ermitteln Sie den Preis der Alternative am selben Tag.Die Preise ändern sich. Bei OrcaRouter ist der vom Anbieter veröffentlichte Preis der Betrag, der Ihnen in Rechnung gestellt wird, ohne Aufschlag. Daher ist eine Preisänderung bei Moonshot hier am selben Tag aktiv, an dem sie angekündigt wird – was auch bedeutet, dass ein Vergleich, den Sie letzten Monat notiert haben, möglicherweise eine Karte beschreibt, die es nicht mehr gibt.

Worauf zu achten ist: ob die Gewichte am 4. November erscheinen und unter welcher Lizenz, ob die Modellseite einen Cache-Read-Tarif erhält, sobald Open-Weight-Serving das Batching zum Standard macht, und ob sich die Hosted-Karte als Reaktion überhaupt bewegt. Der Preis, den Sie diese Woche für Kimi K3.1 Pro zahlen, ist ein Hosted-Preis, an dem eine Frage in Form eines Ablaufdatums hängt.