Kimi K3.1 Pro-prijsstelling: $2/$10, een outputlimiet van 943K en gewichten die nog niet bestaan

Er staat één getal op de prijskaart van Kimi K3.1 Pro dat de rest daarvan vreemd maakt: het outputplafond. Het model wordt verkocht voor $2,00 per miljoen inputtokens en $10,00 per miljoen outputtokens, binnen een contextvenster van 1M tokens, met een maximale output van 943.000 tokens. Dat is geen typfout en ook geen afronding van het contextgetal — het is de lengte die de servingstack een enkele respons daadwerkelijk laat bereiken, en het verandert wat "duur" hier betekent. Een model met de prijs van een werkpaard uit het middensegment wordt verkocht met een capaciteit voor lange teksten die de meeste modellen in deze prijsklasse niet hebben.

Het tweede vreemde punt is dat Moonshot het als open-weight verkoopt zonder de gewichten te hebben geleverd. De eigen documentatie zegt dat de volledige modelgewichten "vóór 4 november worden vrijgegeven", en Artificial Analysis — dat evalueert wat het kan aanroepen — bestempelt het model nog steeds als proprietary. Zolang die datum niet is gepasseerd, is elke genoemde prijs voor Kimi K3.1 Pro een hosted prijs, en er is geen self-hosted alternatief om het tegen te vergelijken. Beide feiten horen in een prijsartikel, omdat beide bepalen wat je in werkelijkheid koopt.

De kaart, regel voor regel.

Lees het af van de livepagina van het model op OrcaRouter, 29 oktober 2026:

• Invoer — $2,00 per miljoen tokens.

• Uitvoer — $10,00 per miljoen tokens.

• Context — 1M tokens, met een maximale output van 943K.

• Modaliteiten — invoer tekst, afbeelding en video; uitvoer tekst.

• Eindpunten — /v1/chat/completions, /v1/responses en /v1/messages.

• Gemeten latentie — p50-tijd tot eerste token 7,26 seconden; p95 10,00 seconden, over zeven dagen.

• Verkeer — 2.779,4 miljoen tokens gedurende dezelfde zeven dagen.

Dat laatste paar is het onderdeel dat de meeste prijspagina's weglaten, en het is het nuttigste ding op de pagina: 2,78 miljard tokens in een week is bewijs dat de endpoint op schaal wordt gebruikt, niet dat hij snel is. De latentiewaarde zegt het tegenovergestelde — 7,26 seconden tot het eerste token is traag, en het is op een manier traag die anders uitmaakt, afhankelijk van wat je bouwt.

Wat de $10-output eigenlijk koopt

Prijs per token is een slechte eenheid om mee te plannen, dus hier is dezelfde prijskaart uitgedrukt in taken. Een enkele aanvraag die 200.000 tokens context leest en 5.000 tokens schrijft, kost $0,40 in en $0,05 uit — ongeveer 45 cent. Diezelfde aanvraag bij GPT-6.1 Sol, dat dezelfde kaart van $2,00 / $10,00 heeft, kost ook 45 cent en scoort drie Index-punten lager op het onafhankelijke scorebord. Dat is in één zin het pleidooi voor Kimi K3.1 Pro, en tegelijk het pleidooi tegen het blind vertrouwen op de prijskaart: identieke prijzen betekenen dat de beslissing volledig draait om welk model het werk doet.

Nu het andere uiteinde van de reeks, waar de limiet van 943K output niet langer een curiositeit is. Een agent die in één aanroep een lang document of een groot codebestand genereert, kan plausibel 100.000 outputtokens schrijven. Bij $10 per miljoen is dat $1,00 voor de respons — vijf keer de kosten van de input kant als de prompt klein was. Outputtokens zijn waar deze kaart duur wordt, en langvormige generatie is waar een limiet van 943K daadwerkelijk zal worden uitgeoefend.

Twee eerlijke hiaten in wat de pagina je vertelt: ze vermeldt invoer- en uitvoertarieven en geen cache-leestarief of batchtarief, dus er is geen gepubliceerde korting om op te plannen; en ze geeft geen snelheidslimiet per account, wat betekent dat het plafond dat je onder belasting bereikt een operationele ontdekking is en geen begrotingspost. Beide zijn het vragen waard voordat je een taak met hoog volume naar deze dienst overzet.

Latentie is de tweede rekening

7,26 seconden tot het eerste token staat niet op de prijslijst, en voor een chatinterface is het vrijwel irrelevant — de lezer wacht sowieso. Voor een agent-loop is het een heel ander getal. Een loop van twintig rondes kost per taak bij p50 ruwweg tweeënhalf minuut pure wachttijd, en bij p95 bijna drieënhalf, nog voordat er ook maar iets van het eigenlijke werk wordt meegerekend. Vermenigvuldig dat met parallelle agents, en de wandklok — niet de factuur — wordt de beperkende factor.

Dat is de specifieke afweging die dit model je vraagt te maken: met dezelfde prijs als een sneller model uit de middenklasse, een hogere score op een samengestelde index, en langzamer aan het begin van elke aanvraag. De juiste manier om te beslissen is je eigen p95 te meten op je eigen prompts, in plaats van het cijfer van een van beide leveranciers te vertrouwen.

Het eindpunt dat niemand noemt, en het eindpunt dat adoptie bepaalt.

De modelpagina vermeldt drie endpoints, en het derde is het interessante. Naast de OpenAI-vormige chat completions- en responses-routes is er een /v1/messages-endpoint — het Anthropic-vormige oppervlak. Voor iedereen die een coding harness draait die de Anthropic-API spreekt, is dat het verschil tussen een model dat je aan je bestaande tooling kunt koppelen en een model dat een adapter nodig heeft.

Het herdefinieert ook de prijs. Een harness als Claude Code is duur om te draaien, niet door een enkele aanroep, maar door het aantal aanroepen dat een sessie doet. Bij $2.00 / $10.00 met een venster van 1M is de rekensom die deze opstellingen meestal de das omdoet — een lange context die bij elke beurt opnieuw wordt verzonden — precies waar deze kaart het best voor is toegerust, mits de eerste token na 7 seconden de sessie niet kapot laat voelen.

4 november, en wat het met de prijs doet

Het open-weights-datum is een prijsevenement, niet alleen een licentie-evenement, en er is een precedent voor hoe dat uitwerkt. Kimi K3 werd op 16 juli 2026 aangekondigd en zijn weights verschenen op 27 juli op Hugging Face — een gat van elf dagen. Als K3.1 Pro dezelfde vorm volgt, is de gehoste prijs niet langer de enige prijs op de markt: self-hosting wordt een echte optie voor iedereen met de GPU's, en de gehoste prijs moet concurreren met een marginale kost die iemand anders' elektriciteitsrekening is.

Wat dat niet verandert, is dit: een model van deze grootte zelf hosten is een investeringsbeslissing, geen korting. De gehoste kaart is de goedkope manier om het te gebruiken, en de gewichten zijn de goedkope manier om het te bezitten — andere kopers, andere antwoorden. Iedereen die een grote toezegging plant, moet 4 november behandelen als de datum waarop de vergelijkingsset verandert, niet als de datum waarop de prijs daalt.

Hoe je daarvoor een budget opstel je zonder te gokken

Drie praktische regels, in volgorde van belangrijkheid.

• Geef output prioriteit in het budget. Bij een prijsverhouding van 10:1 tussen output en input domineert de outputkant elke workload die genereert in plaats van leest. Als je je output-tokenaandeel niet kent, meet het dan voordat je de kosten modelleert.

• Behandel 1M context als een factureringsrisico, niet als een functie. Een groot venster nodigt je uit om alles te versturen; alles bij elke beurt versturen is hoe een goedkoop model een duur model wordt. Het cachegedrag is op deze pagina niet gedocumenteerd, dus ga ervan uit dat elk token elke keer in rekening wordt gebracht tot je het anders kunt meten.

• Prijs het alternatief op dezelfde dag. Prijzen veranderen. Bij OrcaRouter wordt u precies het gepubliceerde tarief van de provider in rekening gebracht, zonder markup, dus een prijswijziging van Moonshot is hier live op dezelfde dag dat ze wordt aangekondigd — wat ook betekent dat een vergelijking die u vorige maand hebt opgeschreven, mogelijk een kaart beschrijft die niet meer bestaat.

Wat om op te letten: of de gewichten op 4 november verschijnen en onder welke licentie, of de modelpagina een cache-leestarief krijgt zodra open-weight-serving batching normaal maakt, en of de hosted-kaart überhaupt reageert. De prijs die je deze week voor Kimi K3.1 Pro betaalt, is een hosted-prijs met een vraag eraan vast die de vorm van een vervaldatum heeft.