Harga Kimi K3.1 Pro: $2/$10, Batas Output 943K, dan Bobot yang Belum Ada

Ada satu angka di kartu harga Kimi K3.1 Proyang membuat sisanya aneh: batas keluaran. Model ini dijual seharga $2.00 per juta token masukan dan $10.00 per juta token keluaran, dalam jendela konteks 1 juta token, dengan keluaran maksimum 943.000 token. Itu bukan salah ketik dan bukan pembulatan dari angka konteks — itulah panjang yang benar-benar akan diizinkan oleh tumpukan penyajian untuk satu respons, dan itu mengubah arti "mahal" di sini. Model yang dihargai seperti pekerja kelas menengah dijual dengan kemampuan keluaran panjang yang tidak dimiliki sebagian besar model pada harga ini.

Hal kedua yang janggal adalah Moonshot menjualnya sebagai open-weight tanpa benar-benar merilis bobot modelnya. Dokumentasi mereka sendiri menyatakan bahwa bobot model lengkap "akan dirilis pada 4 Nov," dan Artificial Analysis — yang mengevaluasi apa yang dapat mereka sebut — masih melabeli model tersebut sebagai proprietary. Hingga tanggal itu tiba, setiap harga yang dikutip untuk Kimi K3.1 Pro adalah harga hosted, dan tidak ada alternatif self-hosted untuk dibandingkan. Kedua fakta itu semestinya ada dalam artikel penetapan harga karena keduanya menentukan apa yang sebenarnya Anda beli.

Kartu itu, baris demi baris

Baca langsung dari halaman live model di OrcaRouter, 29 Oktober 2026:

• Masukan — $2,00 per juta token.

• Keluaran — $10.00 per juta token.

• Konteks — 1 juta token, dengan keluaran maksimum 943K.

• Modalitas — masukan teks, gambar, dan video; keluaran teks.

• Endpoint — /v1/chat/completions, /v1/responses, dan /v1/messages.

• Latensi terukur — waktu p50 hingga token pertama 7,26 detik; p95 10,00 detik, selama tujuh hari.

• Trafik — 2.779,4 juta token selama tujuh hari yang sama.

Pasangan terakhir itu adalah bagian yang paling sering dilewatkan oleh halaman harga, dan itu adalah hal paling berguna di halaman tersebut: 2,78 miliar token dalam seminggu adalah bukti bahwa endpoint digunakan dalam skala besar, bukan bahwa endpoint itu cepat. Angka latensi mengatakan sebaliknya — 7,26 detik untuk token pertama itu lambat, dan lambat dengan cara yang dampaknya berbeda tergantung apa yang sedang Anda bangun.

Apa yang sebenarnya bisa Anda dapatkan dengan output $10

Penetapan harga per token adalah satuan yang buruk untuk perencanaan, jadi berikut kartu harga yang sama yang dinyatakan dalam bentuk tugas. Satu permintaan yang membaca 200.000 token konteks dan menulis 5.000 token dikenai biaya $0,40 untuk input dan $0,05 untuk output — sekitar 45 sen. Permintaan yang sama terhadap GPT-6.1 Sol, yang memiliki kartu $2,00 / $10,00 yang sama, dikenai biaya 45 sen yang sama dan mendapat skor tiga poin Index lebih rendah di papan peringkat independen. Itulah argumen untuk Kimi K3.1 Pro dalam satu kalimat, dan itu juga argumen menentang mengandalkan kartu saja: harga yang identik berarti keputusan sepenuhnya tentang model mana yang melakukan pekerjaan.

Kini ujung lain dari rentang tersebut, yaitu titik di mana batas output 943K tidak lagi sekadar keunikan. Agen yang menghasilkan dokumen panjang atau file kode besar dalam satu panggilan secara wajar dapat menulis 100.000 token output. Dengan $10 per juta, itu berarti $1,00 untuk responsnya — lima kali biaya sisi input jika prompt-nya kecil. Token output adalah bagian di mana kartu ini menjadi mahal, dan pembuatan konten panjang adalah tempat di mana batas 943K benar-benar akan diuji.

Dua celah yang jujur dalam apa yang disampaikan halaman tersebut kepada Anda: halaman itu mencantumkan tarif input dan output serta tidak mencantumkan tarif cache-read atau batch, jadi tidak ada diskon yang dipublikasikan untuk dijadikan dasar perencanaan; dan halaman itu tidak memberikan batas laju per akun, yang berarti batas atas yang Anda temui saat beban tinggi merupakan temuan operasional, bukan pos anggaran. Keduanya layak ditanyakan sebelum Anda memindahkan pekerjaan bervolume tinggi ke layanan tersebut.

Latensi adalah tagihan kedua.

7,26 detik hingga token pertama tidak muncul pada kartu tarif, dan untuk antarmuka chat itu hampir tidak relevan — pembaca tetap menunggu. Untuk loop agen, itu angka yang sama sekali berbeda. Loop yang membutuhkan dua puluh putaran membayar sekitar dua setengah menit penantian murni per tugas pada p50, dan lebih mendekati tiga setengah pada p95, sebelum pekerjaan aktual apa pun dihitung. Kalikan dengan agen paralel dan waktu dinding, bukan faktur, menjadi kendala.

Itulah pertukaran spesifik yang diminta model ini kepada Anda: harganya sama dengan model kelas menengah yang lebih cepat, skornya lebih tinggi pada indeks komposit, tetapi lebih lambat di bagian awal setiap permintaan. Cara yang tepat untuk memutuskan adalah mengukur p95 Anda sendiri pada prompt Anda sendiri, bukan memercayai angka dari salah satu vendor.

Endpoint yang tidak pernah disebutkan siapa pun, dan endpoint yang menentukan adopsi

Halaman model mencantumkan tiga endpoint, dan yang ketiga adalah yang menarik. Di luar rute chat completions dan responses yang berbentuk OpenAI, ada endpoint /v1/messages — antarmuka yang berbentuk Anthropic. Bagi siapa pun yang menjalankan coding harness yang berbicara dengan API Anthropic, itu adalah perbedaan antara model yang dapat Anda arahkan ke tooling yang sudah ada dan model yang memerlukan adapter.

Ini juga membingkai ulang soal harga. Harness seperti Claude Code mahal untuk dijalankan bukan karena satu panggilan tertentu, melainkan karena banyaknya panggilan yang dilakukan dalam satu sesi. Pada $2.00 / $10.00 dengan jendela 1M, hitungan yang biasanya membuat konfigurasi semacam ini gagal — konteks panjang dikirim ulang pada setiap giliran — justru adalah hal yang paling cocok untuk kartu ini, asalkan token pertama yang memakan waktu 7 detik tidak membuat sesi terasa rusak.

4 November, dan apa dampaknya terhadap harga

Tanggal dirilisnya bobot terbuka adalah peristiwa penetapan harga, bukan sekadar peristiwa lisensi, dan sudah ada preseden tentang bagaimana ini berlangsung. Kimi K3 diumumkan pada 16 Juli 2026 dan bobotnya muncul di Hugging Face pada 27 Juli — selang sebelas hari. Jika K3.1 Pro mengikuti pola yang sama, harga hosted tidak lagi menjadi satu-satunya harga di pasar: self-hosting menjadi opsi nyata bagi siapa pun yang memiliki GPU, dan harga hosted harus bersaing dengan biaya marginal yang tak lain adalah tagihan listrik orang lain.

Yang tidak berubah adalah ini: menghosting sendiri model sebesar ini adalah keputusan modal, bukan diskon. Kartu hosted adalah cara murah untuk menggunakannya, dan bobotnya adalah cara murah untuk memilikinya — pembeli berbeda, jawaban berbeda. Siapa pun yang merencanakan komitmen besar harus memperlakukan 4 November sebagai tanggal perubahan kumpulan pembanding, bukan sebagai tanggal penurunan harga.

Cara menganggarkannya tanpa menebak-nebak

Tiga aturan praktis, dalam urutan kepentingan.

• Anggarkan output terlebih dahulu. Pada rasio harga output-ke-input 10:1, sisi output mendominasi setiap beban kerja yang menghasilkan daripada membaca. Jika Anda tidak mengetahui proporsi token output Anda, ukurlah sebelum Anda memodelkan biaya.

• Perlakukan konteks 1M sebagai risiko penagihan, bukan fitur. Jendela besar mengundang Anda untuk mengirim semuanya; mengirim semuanya pada setiap giliran adalah cara model murah menjadi mahal. Perilaku cache tidak didokumentasikan di halaman ini, jadi asumsikan setiap token ditagih setiap kali sampai Anda dapat mengukur sebaliknya.

• Periksa harga alternatif pada hari yang sama.Tarif terus berubah. Di OrcaRouter, harga yang dipublikasikan penyedia adalah harga yang Anda ditagih, tanpa markup, sehingga perubahan harga Moonshot langsung berlaku di sini pada hari yang sama saat diumumkan — yang juga berarti perbandingan yang Anda catat bulan lalu mungkin sudah menggambarkan kartu yang tidak ada lagi.

Yang perlu dipantau: apakah bobotnya tiba pada 4 November dan dengan lisensi apa, apakah halaman model memperoleh tarif baca cache begitu penyajian open-weight membuat batching menjadi hal biasa, dan apakah kartu hosted bergerak sama sekali sebagai respons. Harga yang Anda bayar untuk Kimi K3.1 Pro minggu ini adalah harga hosted dengan pertanyaan berbentuk masa kedaluwarsa yang melekat padanya.