Prezzo di Kimi K3.1 Pro: $2/$10, un limite di output di 943K e pesi che non esistono ancora

C'è un numero sulla scheda prezzi di Kimi K3.1 Pro che rende tutto il resto strano: il tetto di output. Il modello è venduto a 2,00 $ per milione di token di input e 10,00 $ per milione di output, su una finestra di contesto di 1M token, con un output massimo di 943.000 token. Non è un errore di battitura e non è un arrotondamento del valore del contesto — è quanto lo stack di serving consentirà effettivamente a una singola risposta di raggiungere, e cambia cosa significa "costoso" qui. Un modello dal prezzo da cavallo di battaglia di fascia media viene venduto con una capacità sui testi lunghi che la maggior parte dei modelli a questo prezzo non ha.

La seconda cosa strana è che Moonshot lo sta vendendo come open-weight senza aver distribuito i pesi. La sua stessa documentazione afferma che i pesi completi del modello «saranno rilasciati entro il 4 novembre», e Artificial Analysis — che valuta ciò che può definire — continua a etichettare il modello come proprietario. Finché quella data non sarà passata, ogni prezzo indicato per Kimi K3.1 Pro è un prezzo hosted, e non esiste un'alternativa self-hosted con cui confrontarlo. Entrambi i fatti hanno posto in un articolo sui prezzi perché entrambi determinano ciò che si sta effettivamente acquistando.

La scheda, riga per riga

Leggi dalla pagina live del modello su OrcaRouter, 29 ottobre 2026:

• Input — $2,00 per milione di token.

• Output — $10,00 per milione di token.

• Contesto — 1M token, con un output massimo di 943K.

• Modalità — input testo, immagine e video; output testo.

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

• Latenza misurata — tempo p50 al primo token 7,26 secondi; p95 10,00 secondi, su sette giorni.

• Traffico — 2.779,4 milioni di token negli stessi sette giorni.

Quell’ultima coppia è la parte che la maggior parte delle pagine sui prezzi omette, ed è la cosa più utile della pagina: 2,78 miliardi di token in una settimana sono la prova che l’endpoint viene usato su larga scala, non che sia veloce. Il dato sulla latenza dice l’opposto — 7,26 secondi al primo token sono lenti, ed è lento in un modo che conta diversamente a seconda di ciò che si sta costruendo.

Che cosa compra davvero l’output da 10 dollari

Il prezzo per token è un'unità di misura poco adatta alla pianificazione, quindi ecco lo stesso listino espresso in termini di attività. Una singola richiesta che legge 200.000 token di contesto e ne scrive 5.000 costa $0,40 in input e $0,05 in output — circa 45 centesimi. La stessa richiesta con GPT-6.1 Sol, che ha lo stesso listino da $2,00 / $10,00, costa gli stessi 45 centesimi e ottiene tre punti Index in meno nella classifica indipendente. Questa è la tesi a favore di Kimi K3.1 Pro in una frase, ed è anche la tesi contro l'affidarsi al solo listino: prezzi identici significano che la decisione riguarda esclusivamente quale modello svolge il lavoro.

Dall'altro estremo dell'intervallo, dove il limite di output di 943K smette di essere una curiosità. Un agente che genera un documento lungo o un grande file di codice in una singola chiamata può plausibilmente scrivere 100.000 token di output. A 10 $ per milione, sono 1,00 $ per la risposta — cinque volte il costo del lato input se il prompt era piccolo. I token di output sono il punto in cui questa scheda diventa costosa, e la generazione di testi lunghi è dove un tetto di 943K verrà effettivamente messo alla prova.

Due lacune oneste in ciò che la pagina ti dice: elenca le tariffe di input e output e nessuna tariffa per lettura dalla cache o per batch, quindi non c'è uno sconto pubblicato su cui pianificare; e non fornisce alcun limite di frequenza per account, il che significa che il tetto che raggiungi sotto carico è una scoperta operativa anziché una voce di budget. Vale la pena chiedere informazioni su entrambe prima di spostarci un'attività ad alto volume.

La latenza è la seconda bolletta

7,26 secondi al primo token non compaiono sul listino prezzi e, per un'interfaccia chat, sono quasi irrilevanti — il lettore sta comunque aspettando. Per un ciclo di un agente è un numero del tutto diverso. Un ciclo che richiede venti turni paga circa due minuti e mezzo di pura attesa per attività al p50, e quasi tre minuti e mezzo al p95, prima che venga conteggiato qualsiasi lavoro effettivo. Moltiplicando per il numero di agenti in parallelo, il vincolo diventa il tempo effettivo, non la fattura.

Questo è lo scambio specifico che questo modello ti chiede di accettare: prezzo identico a un modello di fascia media più veloce, punteggio più alto su un indice composito e maggiore lentezza all'inizio di ogni richiesta. Il modo giusto per decidere è misurare il proprio p95 sui propri prompt, invece di affidarsi ai dati dell'uno o dell'altro fornitore.

L'endpoint di cui nessuno parla, e quello che decide l'adozione

La pagina del modello elenca tre endpoint, e il terzo è quello interessante. Oltre alle route chat completions e responses in stile OpenAI, c'è un endpoint /v1/messages — la superficie in stile Anthropic. Per chiunque utilizzi un harness di coding che parla l'API di Anthropic, questa è la differenza tra un modello che puoi indirizzare al tuo tooling esistente e un modello che necessita di un adapter.

Ridefinisce anche il prezzo. Un harness come Claude Code è costoso da eseguire non per una singola chiamata, ma per quante chiamate effettua una sessione. A $2.00 / $10.00 con una finestra da 1M, l'aritmetica che di solito uccide queste configurazioni — un contesto lungo che viene reinviato a ogni turno — è proprio quella per cui questa scheda è più adatta, sempre che i 7 secondi per il primo token non facciano sembrare la sessione bloccata.

4 novembre, e cosa comporta per il prezzo

La data dei pesi aperti è un evento sul fronte dei prezzi, non solo una questione di licenza, e c'è un precedente su come si svolge. Kimi K3 è stato annunciato il 16 luglio 2026 e i suoi pesi sono apparsi su Hugging Face il 27 luglio — un intervallo di undici giorni. Se K3.1 Pro segue lo stesso schema, il prezzo del servizio ospitato smette di essere l'unico prezzo sul mercato: l'auto-hosting diventa un'opzione reale per chiunque disponga delle GPU, e il prezzo del servizio ospitato deve competere con un costo marginale che è la bolletta elettrica di qualcun altro.

Ciò che questo non cambia è quanto segue: fare self-hosting di un modello di queste dimensioni è una decisione di capitale, non uno sconto. La scheda hosted è il modo economico di usarlo, e i pesi sono il modo economico di possederlo — acquirenti diversi, risposte diverse. Chiunque stia pianificando un impegno importante dovrebbe trattare il 4 novembre come la data in cui cambia l'insieme di confronto, non come una data in cui il prezzo scende.

Come fare il budget senza tirare a indovinare

Tre regole pratiche, in ordine di importanza.

• Prima l'output del budget. Con un rapporto prezzo output-input di 10:1, il lato output domina ogni carico di lavoro che genera anziché leggere. Se non conosci la tua quota di token di output, misurala prima di modellare il costo.

• Considera il contesto da 1M come un rischio di fatturazione, non come una funzionalità. Una finestra ampia ti invita a inviare tutto; inviare tutto a ogni turno è il modo in cui un modello economico diventa costoso. Il comportamento della cache non è documentato in questa pagina, quindi presupponi che ogni token venga addebitato ogni volta finché non puoi misurarlo diversamente.

• Calcola il prezzo dell'alternativa lo stesso giorno.Le tariffe cambiano. Su OrcaRouter il prezzo pubblicato dal fornitore è quello che ti viene addebitato, senza alcun ricarico, quindi una variazione di prezzo di Moonshot è già attiva qui lo stesso giorno in cui viene annunciata — il che significa anche che un confronto che hai annotato il mese scorso potrebbe descrivere una scheda che non esiste più.

Cosa tenere d'occhio: se i pesi arriveranno il 4 novembre e con quale licenza, se la pagina del modello guadagnerà una tariffa di lettura dalla cache una volta che il serving open-weight renderà normale il batching, e se la scheda ospitata si muoverà in qualche modo in risposta. Il prezzo che paghi per Kimi K3.1 Pro questa settimana è un prezzo ospitato con una domanda dalla forma di scadenza allegata.