Giá Kimi K3.1 Pro: $2/$10, giới hạn đầu ra 943K và trọng số chưa tồn tại

Có một con số trên thẻ giá của Kimi K3.1 Pro khiến phần còn lại trở nên kỳ lạ: giới hạn đầu ra. Mô hình được bán với giá 2,00 USD mỗi triệu token đầu vào và 10,00 USD mỗi triệu token đầu ra, trên cửa sổ ngữ cảnh 1 triệu token, với mức đầu ra tối đa 943.000 token. Đó không phải lỗi đánh máy và cũng không phải việc làm tròn con số ngữ cảnh — đó là độ dài mà hạ tầng phục vụ thực sự sẽ cho phép một phản hồi đơn lẻ đạt tới, và nó thay đổi ý nghĩa của từ “đắt” ở đây. Một mô hình được định giá như một mẫu chủ lực tầm trung lại được bán kèm khả năng xử lý dạng dài mà hầu hết các mô hình ở mức giá này không có.

Điều kỳ lạ thứ hai là Moonshot đang bán nó dưới dạng trọng số mở dù chưa phát hành trọng số. Tài liệu của chính họ nói rằng trọng số mô hình đầy đủ “sẽ được phát hành trước ngày 4 tháng 11”, và Artificial Analysis — đơn vị đánh giá những gì mình có thể tiếp cận — vẫn dán nhãn mô hình là độc quyền. Cho đến khi ngày đó qua đi, mọi mức giá được nêu cho Kimi K3.1 Pro đều là giá dịch vụ lưu trữ, và không có lựa chọn tự lưu trữ nào để so sánh với nó. Cả hai sự thật này đều cần có trong một bài viết về giá vì cả hai đều quyết định thứ bạn thực sự đang mua.

Thẻ, từng dòng một

Đọc từ trang trực tiếp của mô hình trên OrcaRouter, ngày 29 tháng 10 năm 2026:

• Đầu vào — $2.00 mỗi triệu token.

• Đầu ra — $10.00 mỗi triệu token.

• Ngữ cảnh — 1 triệu token, với đầu ra tối đa 943K.

• Phương thức — đầu vào văn bản, hình ảnh và video; đầu ra văn bản.

• Các endpoint — /v1/chat/completions, /v1/responses và /v1/messages.

• Độ trễ đo được — thời gian đến token đầu tiên: p50 là 7,26 giây; p95 là 10,00 giây, trong bảy ngày.

• Lưu lượng truy cập — 2,779.4 triệu token trong cùng bảy ngày.

Cặp cuối cùng đó là phần mà hầu hết các trang giá bỏ qua, và nó là thứ hữu ích nhất trên trang: 2.78 tỷ token trong một tuần là bằng chứng cho thấy endpoint đang được sử dụng ở quy mô lớn, chứ không phải là nó nhanh. Con số độ trễ lại nói điều ngược lại — 7.26 giây để có token đầu tiên là chậm, và nó chậm theo cách có ý nghĩa khác nhau tùy vào thứ bạn đang xây dựng.

Đầu ra trị giá $10 thực sự mang lại được gì

Định giá theo token là một đơn vị kém phù hợp để lập kế hoạch, vì vậy đây là cùng một bảng giá được diễn đạt dưới dạng tác vụ. Một yêu cầu duy nhất đọc 200.000 token ngữ cảnh và ghi 5.000 token tốn $0,40 đầu vào và $0,05 đầu ra — khoảng 45 xu. Cùng yêu cầu đó đối với GPT-6.1 Sol, vốn có cùng bảng giá $2,00 / $10,00, tốn cùng 45 xu và đạt điểm thấp hơn ba điểm Index trên bảng xếp hạng độc lập. Đó là lý lẽ ủng hộ Kimi K3.1 Pro trong một câu, và cũng là lý lẽ chống lại việc chỉ dựa vào bảng giá: giá giống hệt nhau nghĩa là quyết định hoàn toàn phụ thuộc vào việc mô hình nào thực hiện công việc.

Giờ đến đầu bên kia của phạm vi, nơi giới hạn đầu ra 943K không còn chỉ là một điều tò mò. Một agent tạo ra một tài liệu dài hoặc một tệp mã lớn chỉ trong một lần gọi có thể viết ra 100.000 token đầu ra một cách hợp lý. Với mức $10 mỗi triệu token, đó là $1,00 cho phản hồi — gấp năm lần chi phí phía đầu vào nếu prompt nhỏ. Token đầu ra là nơi thẻ này trở nên đắt đỏ, và việc tạo nội dung dài chính là nơi mức trần 943K thực sự sẽ được dùng đến.

Hai điểm thiếu sót đáng lưu ý trong những gì trang cung cấp: trang chỉ liệt kê giá đầu vào và đầu ra mà không có giá đọc cache hay giá theo lô, nên không có mức chiết khấu công bố nào để bạn tính toán kế hoạch; và trang không nêu giới hạn tốc độ theo từng tài khoản, nghĩa là mức trần bạn gặp phải khi tải cao sẽ là điều phải khám phá trong vận hành chứ không phải một hạng mục ngân sách. Cả hai đều đáng để hỏi trước khi bạn chuyển một tác vụ khối lượng lớn sang đó.

Độ trễ là hóa đơn thứ hai

7,26 giây để có token đầu tiên không xuất hiện trên bảng giá, và với giao diện trò chuyện thì nó gần như không quan trọng — dù sao người dùng vẫn đang chờ. Với vòng lặp agent thì đó là một con số hoàn toàn khác. Một vòng lặp thực hiện hai mươi lượt phải trả khoảng hai phút rưỡi thời gian chờ thuần cho mỗi tác vụ ở p50, và gần ba phút rưỡi ở p95, trước khi tính đến bất kỳ công việc thực tế nào. Nhân lên với các agent chạy song song, và thời gian thực — chứ không phải hóa đơn — trở thành ràng buộc.

Đó chính là sự đánh đổi cụ thể mà mô hình này yêu cầu bạn thực hiện: được định giá ngang với một mô hình tầm trung nhanh hơn, đạt điểm cao hơn trên một chỉ số tổng hợp, và chậm hơn ở đầu mỗi yêu cầu. Cách đúng để quyết định là đo p95 của chính bạn trên các prompt của chính bạn thay vì tin vào con số của bất kỳ nhà cung cấp nào.

Điểm cuối mà không ai nhắc đến, và điểm cuối quyết định việc áp dụng.

Trang mô hình liệt kê ba endpoint, và cái thứ ba mới là cái đáng chú ý. Ngoài các tuyến chat completions và responses mang hình dạng OpenAI, còn có endpoint /v1/messages — bề mặt mang hình dạng Anthropic. Với bất kỳ ai đang chạy một coding harness nói được API của Anthropic, đó chính là khác biệt giữa một mô hình mà bạn có thể trỏ thẳng vào bộ công cụ hiện có và một mô hình cần bộ adapter.

Nó cũng định hình lại cách nhìn về giá. Một harness như Claude Code tốn kém khi chạy không phải vì bất kỳ lời gọi đơn lẻ nào, mà vì số lượng lời gọi mà một phiên thực hiện. Ở mức $2.00 / $10.00 với cửa sổ 1M, phép tính thường làm hỏng những thiết lập kiểu này — ngữ cảnh dài bị gửi lại ở mỗi lượt — lại chính là thứ mà tấm card này có hình dạng phù hợp nhất, miễn là token đầu tiên mất 7 giây không khiến phiên có cảm giác bị hỏng.

Ngày 4 tháng 11, và điều đó tác động thế nào đến giá

Ngày ra mắt trọng số mở là một sự kiện định giá, chứ không chỉ là một sự kiện cấp phép, và đã có tiền lệ về cách nó diễn ra. Kimi K3 được công bố vào ngày 16 tháng 7 năm 2026 và trọng số của nó xuất hiện trên Hugging Face vào ngày 27 tháng 7 — khoảng cách mười một ngày. Nếu K3.1 Pro đi theo cùng mô thức, giá dịch vụ lưu trữ không còn là mức giá duy nhất trên thị trường: tự vận hành trở thành một lựa chọn thực sự cho bất kỳ ai có GPU, và giá dịch vụ lưu trữ phải cạnh tranh với một chi phí biên mà chính là hóa đơn tiền điện của người khác.

Điều mà điều đó không thay đổi là thế này: tự vận hành một mô hình cỡ này là một quyết định về vốn, không phải một khoản chiết khấu. Gói hosted là cách rẻ để sử dụng nó, còn trọng số là cách rẻ để sở hữu nó — người mua khác nhau, câu trả lời khác nhau. Bất kỳ ai đang dự định một khoản cam kết lớn nên coi ngày 4 tháng 11 là ngày bộ so sánh thay đổi, không phải ngày giá giảm.

Làm thế nào để lập ngân sách cho khoản đó mà không cần đoán

Ba nguyên tắc thực tiễn, theo thứ tự tầm quan trọng.

• Đặt ngân sách cho đầu ra trước. Với tỷ lệ giá đầu ra so với đầu vào là 10:1, phía đầu ra chi phối mọi khối lượng công việc tạo ra thay vì đọc. Nếu bạn không biết tỷ lệ token đầu ra của mình, hãy đo nó trước khi mô hình hóa chi phí.

• Coi ngữ cảnh 1M là một rủi ro về hóa đơn, không phải một tính năng. Một cửa sổ lớn mời gọi bạn gửi mọi thứ; gửi mọi thứ ở mỗi lượt chính là cách một mô hình rẻ trở thành một mô hình đắt đỏ. Hành vi bộ nhớ đệm không được ghi lại trên trang này, nên hãy giả định mọi token đều bị tính phí mỗi lần cho đến khi bạn có thể đo lường để chứng minh điều ngược lại.

• Định giá phương án thay thế ngay trong cùng ngày.Giá cước luôn biến động. Trên OrcaRouter, mức giá công bố của nhà cung cấp chính là số tiền bạn được tính, không có phụ phí, nên khi Moonshot thay đổi giá, mức giá mới có hiệu lực tại đây ngay trong ngày công bố — điều đó cũng có nghĩa là bảng so sánh bạn ghi lại tháng trước có thể đang mô tả một thẻ giá không còn tồn tại.

Điều cần theo dõi: liệu các trọng số có ra mắt vào ngày 4 tháng 11 và theo giấy phép nào, liệu trang mô hình có thêm mức giá đọc bộ nhớ đệm khi việc phục vụ mô hình mở trọng số khiến xử lý theo lô trở thành bình thường, và liệu thẻ dịch vụ lưu trữ có thay đổi gì để phản ứng lại. Mức giá bạn trả cho Kimi K3.1 Pro tuần này là giá dịch vụ lưu trữ kèm theo một câu hỏi mang hình dạng thời hạn.