Kimi K3.1 Pro 定价：$2/$10、943K 输出上限，以及尚不存在的权重

有一个数字Kimi K3.1 Pro的价目表上，让其余部分显得奇怪：输出上限。该模型以每百万输入 token 2.00 美元、每百万输出 10.00 美元的价格出售，覆盖 100 万 token 的上下文窗口，最大输出为 943,000 token。这不是笔误，也不是对上下文数字的四舍五入——这是服务栈实际允许单次响应达到的长度，并且它改变了这里“昂贵”一词的含义。一个定价如同中端主力机型的模型，却配备了这一价位大多数模型都不具备的长篇输出能力。

第二个奇怪之处在于，Moonshot 将其作为开放权重模型出售，却尚未交付权重。其自家文档称，完整模型权重“将于11月4日前发布”，而 Artificial Analysis——它评估的是自己能够调用的模型——仍将该模型标记为专有模型。在该日期到来之前，Kimi K3.1 Pro 的所有报价都是托管价格，也没有可与之比较的自托管替代方案。这两个事实都应写进定价文章，因为它们都决定了你实际购买的是什么。

这张卡片，逐行解读

读取 OrcaRouter 上该模型的实时页面，2026 年 10 月 29 日：

• 输入 —每百万 tokens $2.00。

• 输出 —每百万个 token 10.00 美元。

• 上下文 —100 万 token，最大输出 943K。

• 模态 —输入文本、图像和视频；输出文本。

• 端点 — /v1/chat/completions、/v1/responses 和 /v1/messages。

• 实测延迟——在七天内，p50 首令牌时间为 7.26 秒；p95 为 10.00 秒。

• 流量 — 在同样的七天内共 27.794 亿个 token。

最后那组数据正是大多数定价页面会省略的部分，也是页面上最有用的信息：一周 27.8 亿个 token，只能证明该端点正被大规模使用，并不能证明它很快。延迟数据则给出了相反的信号——首个 token 耗时 7.26 秒，这很慢；而这种慢所造成的影响，会因你正在构建的东西不同而不同。

10 美元的输出实际上能买到什么

按 token 计价不是适合规划的单位，所以这里把同一张价格卡换算成任务来表达。一次请求读取 200,000 个 token 的上下文并写入 5,000 个 token，输入费用为 $0.40，输出费用为 $0.05——约 45 美分。同样的请求针对GPT-6.1 Sol，它采用相同的 $2.00 / $10.00 价格卡，花费同样是 45 美分，但在独立排行榜上的 Index 得分低三分。这就是用一句话说明支持 Kimi K3.1 Pro 的理由，同时也是反对只依赖价格卡的理由：价格相同意味着决定完全取决于哪个模型来完成工作。

现在来看这个范围的另一端，在这里，943K 的输出上限不再只是件稀奇事。一个在一次调用中生成长篇文档或大型代码文件的智能体，完全可能写出 100,000 个输出 token。按每百万 $10 计算，这次响应就是 $1.00——如果提示词很小，这就是输入侧成本的五倍。输出 token 才是这张卡变得昂贵的地方，而长篇生成才是 943K 上限真正会被触及的场景。

页面提供的信息里有两处实实在在的缺口：它列出了输入和输出费率，却没有缓存读取或批处理的费率，因此没有任何已公布的折扣可以拿来规划；它也没有给出按账户的速率限制，这意味着你在高负载下触及的上限只能靠实际运行中去发现，而无法作为预算中的一项列出来。在把高并发量的任务迁到它上面之前，这两点都值得先问清楚。

延迟是第二笔账单

首 token 耗时 7.26 秒，在费率卡上看不到，而对于聊天界面来说，这几乎无关紧要——读者反正都在等。但对智能体循环而言，这完全是另一个量级的数字。一个要跑二十轮的循环，在 p50 下每个任务光纯等待就要花掉约两分半钟，到 p95 更是接近三分半钟，这还没算上任何实际工作的时间。再乘以并行的智能体数量，成为约束的就是墙上时钟，而不是账单。

这个模型要求你做的正是这种取舍：定价与一个更快的中端模型完全相同，在综合指数上得分更高，却在每个请求的前段更慢。正确的决策方式是测量你自己提示词上的 p95，而不是相信任一供应商的数字。

无人提及的那个端点，以及决定是否被采用的那个端点

模型页面列出了三个端点，而第三个才是最值得关注的。除了 OpenAI 形态的 chat completions 和 responses 路由之外，还有一个 /v1/messages 端点——即 Anthropic 形态的接口层。对于任何运行着使用 Anthropic API 的编码工具框架的人来说，这决定了该模型是能直接接入你现有的工具，还是需要一个适配器。

这也重新定义了价格问题。像 Claude Code 这样的 harness 运行成本高昂，原因并不在于任何单次调用，而在于一次会话会发起多少次调用。在 1M 窗口下按 $2.00 / $10.00 计费，那些通常会让此类配置难以为继的算术问题——即长上下文在每一轮都要被重新发送——恰恰是这张卡最适合应对的情形，前提是 7 秒的首 token 延迟不会让会话显得像出了故障。

11月4日，以及它对价格的影响

开放权重的发布日期是一个定价事件，而不仅仅是一个许可事件，而且这种局面的演变已有先例。Kimi K3 于 2026 年 7 月 16 日发布，其权重于 7 月 27 日出现在 Hugging Face 上——中间相隔十一天。如果 K3.1 Pro 遵循同样的节奏，那么托管价格就不再是市场上唯一的价格：对于任何拥有 GPU 的人来说，自托管都成为一个真正的选项，而托管价格将不得不与一项边际成本竞争，而那项边际成本不过是别人的电费账单。

这不会改变的是：自托管这个规模的模型是一项资本决策，而不是折扣。托管卡是使用它的廉价方式，而权重是拥有它的廉价方式——不同的买家，不同的答案。任何计划进行大规模投入的人，都应把11月4日视为比较对象发生变化的日子，而不是价格下降的日子。

如何在不靠猜测的情况下为其做预算

三条实用规则，按重要性排序。

• 优先考虑输出预算。在输出与输入的价格比为 10:1 时，输出侧在每一个以生成为主而非读取为主的工作负载中都占主导地位。如果你不知道自己的输出 token 占比，请在建模成本之前先测量它。

• 把 1M 上下文当作计费风险，而不是一项功能。大窗口会诱使你发送所有内容；而每一轮都发送所有内容，正是让便宜模型变昂贵的方式。本页未说明缓存行为，因此在能够实测确认并非如此之前，应假设每次都会对每个 token 计费。

• 在同一天为替代方案定价。价格会变动。在 OrcaRouter 上，您支付的就是服务商公布的价格，没有任何加价，因此 Moonshot 的价格一旦调整，公布当天即在本平台生效——这也意味着，您上个月记录下的对比，可能描述的是一个已不复存在的价格卡片。

值得关注的是：权重是否会在11月4日发布、以何种许可证发布；一旦开放权重服务使批处理成为常态，模型页面是否会增加缓存读取费率；以及托管服务卡片是否会因此出现任何变动。本周你为 Kimi K3.1 Pro 支付的是托管价格，但这个价格附带一个与到期有关的问题。