Kimi K3.1 Pro-prissättning: $2/$10, en utdatagräns på 943K och vikter som inte existerar ännu

Det är en siffra på Kimi K3.1 Pros priskort som gör resten av det underligt: utdatataket. Modellen säljs för $2,00 per miljon indatatokens och $10,00 per miljon utdatatokens, inom ett kontextfönster på 1 miljon tokens, med maximalt 943 000 utdatatokens. Det är inte ett stavfel, och det är inte en avrundning av kontextsiffran – det är vad serveringsstacken faktiskt låter ett enda svar gå upp till, och det förändrar vad "dyr" betyder här. En modell som är prissatt som en arbetshäst i mellanklassen säljs med en förmåga att generera långa svar som de flesta modeller i den här prisklassen saknar.

Det andra märkliga är att Moonshot säljer den som öppna vikter utan att ha levererat vikterna. Dess egen dokumentation säger att de fullständiga modellvikterna "kommer att släppas senast den 4 november", och Artificial Analysis – som utvärderar det den kan anropa – betecknar fortfarande modellen som proprietär. Tills det datumet har passerat är varje pris som anges för Kimi K3.1 Pro ett pris för hostad tjänst, och det finns inget självhostat alternativ att jämföra med. Båda fakta hör hemma i en prisartikel eftersom båda avgör vad du faktiskt köper.

Kortet, rad för rad

Läs av modellens livesida på OrcaRouter, 29 oktober 2026:

• Indata — $2,00 per miljon tokens.

• Utdata — $10.00 per miljon tokens.

• Kontext — 1M token, med en maximal utdata på 943K.

• Modaliteter — indata: text, bild och video; utdata: text.

• Slutpunkter — /v1/chat/completions, /v1/responses och /v1/messages.

• Uppmätt latens — p50 tid till första token 7,26 sekunder; p95 10,00 sekunder, över sju dagar.

• Trafik — 2 779,4 miljoner tokens under samma sju dagar.

Det sista paret är den del som de flesta prissidor utelämnar, och det är det mest användbara på sidan: 2,78 miljarder tokens under en vecka är bevis på att endpointen används i stor skala, inte på att den är snabb. Latenssiffran säger det motsatta – 7,26 sekunder till första token är långsamt, och det är långsamt på ett sätt som har olika betydelse beroende på vad du bygger.

Vad $10-utdata faktiskt köper

Priset per token är en dålig enhet för planering, så här är samma prislista uttryckt i uppgifter. En enskild begäran som läser 200 000 token kontext och skriver 5 000 token kostar $0,40 in och $0,05 ut – cirka 45 cent. Samma begäran mot GPT-6.1 Sol, som har samma prislista på $2,00 / $10,00, kostar samma 45 cent och får tre Index-poäng lägre på den oberoende resultattavlan. Det är argumentet för Kimi K3.1 Pro i en mening, och det är också argumentet mot att bara gå efter prislistan: identiska priser innebär att beslutet helt handlar om vilken modell som gör jobbet.

Nu den andra änden av intervallet, där utdatagränsen på 943K inte längre är en kuriositet. En agent som genererar ett långt dokument eller en stor kodfil i ett enda anrop kan rimligen skriva 100 000 utdatatokens. Med $10 per miljon blir det $1,00 för svaret – fem gånger kostnaden för inputsidan om prompten var liten. Utdatatokens är där det här kortet blir dyrt, och långformsgenerering är där ett tak på 943K faktiskt kommer att användas.

Två ärliga luckor i det som sidan uppger: den listar priser för indata och utdata men ingen taxa för cacheläsning eller batch, så det finns ingen publicerad rabatt att planera utifrån; och den anger ingen gräns för anropstakt per konto, vilket innebär att taket du når under belastning är en operativ upptäckt snarare än en budgetpost. Båda är värda att fråga om innan du flyttar ett jobb med hög volym till den.

Latens är den andra räkningen

7,26 sekunder till första token visas inte på prislistan, och för ett chattgränssnitt är det nästan irrelevant – läsaren väntar ändå. För en agentloop är det en helt annan siffra. En loop som tar tjugo turer betalar ungefär två och en halv minuts ren väntan per uppgift vid p50, och närmare tre och en halv vid p95, innan något av det faktiska arbetet räknas. Multiplicera med parallella agenter och det är den faktiska tiden, inte fakturan, som blir begränsningen.

Det är den specifika avvägning som den här modellen ber dig göra: samma pris som en snabbare mellanklassmodell, högre poäng på ett sammansatt index och långsammare i början av varje förfrågan. Rätt sätt att avgöra saken är att mäta din egen p95 på dina egna prompter i stället för att lita på någon av leverantörernas siffror.

Slutpunkten som ingen nämner, och den som avgör om den tas i bruk

Modellsidan listar tre slutpunkter, och den tredje är den intressanta. Utöver de OpenAI-formade chat completions- och responses-rutterna finns en /v1/messages-slutpunkt – den Anthropic-formade ytan. För alla som kör en kodningsharness som talar Anthropics API är det skillnaden mellan en modell som du kan rikta mot dina befintliga verktyg och en modell som kräver en adapter.

Det sätter också priset i ett nytt perspektiv. Ett ramverk som Claude Code är dyrt att köra, inte på grund av något enskilt anrop utan på grund av hur många anrop en session gör. Med $2.00 / $10.00 och ett fönster på 1M är den matematik som vanligtvis knäcker den här typen av upplägg – en lång kontext som skickas igen vid varje tur – just den som detta kort är bäst utformat för, förutsatt att de 7 sekunderna till första token inte får sessionen att kännas trasig.

4 november, och vad det gör med priset

Datumet för öppna vikter är en prissättningshändelse, inte bara en licensieringshändelse, och det finns ett prejudikat för hur det utspelar sig. Kimi K3 annonserades den 16 juli 2026 och dess vikter dök upp på Hugging Face den 27 juli — ett mellanrum på elva dagar. Om K3.1 Pro följer samma mönster upphör det hostade priset att vara det enda priset på marknaden: egen drift blir ett reellt alternativ för alla som har GPU:erna, och det hostade priset måste konkurrera med en marginalkostnad som är någon annans elräkning.

Det som inte ändras är detta: att själv hosta en modell av den här storleken är ett kapitalbeslut, inte en rabatt. Det hostade kortet är det billiga sättet att använda den, och vikterna är det billiga sättet att äga den – olika köpare, olika svar. Den som planerar ett stort åtagande bör behandla 4 november som det datum då jämförelseunderlaget ändras, inte som ett datum då priset sänks.

Hur man budgeterar det utan att gissa

Tre praktiska regler, i prioritetsordning.

• Budgetera utdata först. Vid ett prisförhållande mellan utdata och indata på 10:1 dominerar utdatasidan varje arbetsbelastning som genererar snarare än läser. Om du inte känner till din andel utdatatoken, mät den innan du modellerar kostnaden.

• Behandla 1M-kontext som en faktureringsrisk, inte som en funktion. Ett stort fönster inbjuder dig att skicka allt; att skicka allt vid varje tur är hur en billig modell blir en dyr. Cachebeteendet är odokumenterat på den här sidan, så antag att varje token debiteras varje gång tills du kan mäta motsatsen.

• Prissätta alternativet samma dag.Priserna ändras. På OrcaRouter är leverantörens publicerade pris det du faktureras, utan påslag, så en Moonshot-prisändring gäller här samma dag som den tillkännages – vilket också betyder att en jämförelse du skrev ned förra månaden kan beskriva ett kort som inte längre finns.

Vad du bör bevaka: om vikterna släpps den 4 november och under vilken licens, om modellsidan får en cache-läsningstaxa när servering med öppna vikter gör batchning till norm, och om det hostade kortet överhuvudtaget ändras som svar. Priset du betalar för Kimi K3.1 Pro den här veckan är ett hostat pris med en utgångsformad fråga kopplad till sig.