Kimi K3.1 Pro 发布，价格低于其前代：2/10 美元，基准测试表更粗糙

Moonshot AI 发布了Kimi K3.1 Pro，发布时间为 2026 年 10 月 24 日。此次发布中最具分量的数字并不在基准测试图表上，而在价目表上：每百万输入 token 2.00 美元，每百万输出 token 10.00 美元；相比之下，价格为 3.00 美元和 15.00 美元的是其所基于的 Kimi K3。一个比前代便宜三分之一的继任者，已经足够不寻常，值得首先拿出来说，因为与基准测试分数不同，它不取决于测试由谁的测试框架运行。如果你已经在为 Kimi K3 付费，那么升级的理由从更小的账单开始。

第二个数字才是 Moonshot 想让你注意的：在 Terminal-Bench 4.0 上得分 65.7%，而 GPT-6 Astra 为 58.2%，Claude Opus 5.5 为 66.4%。这让新模型在厂商自己的榜单上排名第二，而非第一。在发布日公布这一点很诚实，也说明了这次发布的定位。Kimi K3.1 Pro 并不是作为世界上最强的模型来卖的，而是作为一款更便宜的模型来卖的——它足够接近前沿，能在每完成一个任务的成本上取胜。

K3 和 K3.1 Pro 之间到底有哪些实际变化？

Moonshot 明确表示，这是一次后训练版本的发布，而非新架构。该公司称 Kimi K3.1 Pro 是 Kimi K3 的后训练版本，训练时使用了大幅增加的后训练算力，其中包括跨数百个下游领域的大规模联合强化学习。上下文窗口保持不变，仍为 1,048,576 个 token。视觉和视频输入保持不变。100 万 token 的输出上限也保持不变。

在实践中，这意味着基础模型的知识和推理能力仍与之前一样，是相同的资产；区别在于行为。Moonshot 表示，它重构了强化学习框架、长上下文推理、训练效率、沙箱基础设施、rollout 调度和环境质量检查，以使那次后训练运行成为可能。这些是关于模型如何被制造出来的工程性说法，外界很难验证。行为方面的说法更容易测试，而发布数据正体现在这里。

参数数量正是厂商话术容易变得含糊的地方。Moonshot 称其为 3T 级开放权重模型。发布会的报道称其主干模型总参数为 2.8 万亿，激活参数约 1040 亿，这与 Kimi K3 的混合专家配置相同。两者都可以成立：“3T 级”是一种定位说法，而 2.8T 四舍五入就能归入其中。对你的账单和延迟真正重要的是激活参数数量，而没有证据表明激活参数数量发生了变化。

基准测试表，以及该在多大程度上信任它

Moonshot 公布了涵盖 14 项编程、科学和知识工作评估的结果。规律始终一致：在公司专门训练的任务上大幅提升，其余任务上与闭源前沿基本持平，并主动披露了一处性能回退。

• 前沿编程——Terminal-Bench 4.0：Kimi K3.1 Pro 65.7%，Claude Opus 5.5 66.4%，GPT-6 Astra 58.2%。厂商自行运行。

• 长程编码 — Kimi Code Bench 3.0 Long-horizon：K3.1 Pro 为 61.2%，而 Kimi K3 为 55.95%。这是该组中最清晰的前代对比，同时也是厂商控制程度最高的，因为基准测试和评测框架均出自 Moonshot 之手。

• 3D 与 CAD —— BenchCAD 在启用工具时：K3.1 Pro 为 92.7，Opus 5.5 为 96.2，GPT-6 Astra 为 95.9，Claude Fable 5.1 为 92.6。未启用工具时：72.8，而 Opus 5.5 为 73.0，Fable 5.1 为 60.6。启用工具时，各模型之间的差距很小，因此重新运行后排名可能会发生变化。

• 幻觉——Kimi Hallu Bench Hard：使用工具时，断言级比率为 8.3%，较 Kimi K3 的 23.4% 有所下降。GPT-6 Astra 为 5.5%，Opus 5.5 为 15.0%。不使用工具时，该比率为 5.4%，而 Astra 为 4.2%，Opus 为 6.8%。

• 金融与运营——Frontier Finance 58.6；内部 Financial Modeling 57.6，对比 K3 的 50.4；内部 Financial Research 70.4，对比 58.8；内部 Business Operation 37，对比 8.9。后三项是 Moonshot 自己的评估，因此衡量的是在公司选定任务上的提升，而非在公开竞技场中的排名。

• 回归项——xdev-bench-hard pass@3 为 81.0%。一个未采用该公司风险降低措施训练的 checkpoint 在同一测试中得分 90.5%。Moonshot 公布了这个差距，并将其归因于有针对性的安全工作和训练数据控制。无论你如何看待这一权衡，披露 9.5 个百分点的能力代价，都不是一篇发布帖通常的写法。

诚实的总结是：这些是厂商报告的数字，目前尚无独立复现。Kimi K3 在 7 月发布时的 Artificial Analysis Intelligence Index 为 57，而 K3.1 Pro 在发布当天没有等效的第三方评分。这里的评测框架至关重要：Terminal-Bench 的结果会因脚手架不同而波动数十个百分点，因此不同实验室在不同框架上得出的 65.7% 和 58.2%，并不是对 7.5 个百分点差距的干净测量。请把这张表看作关于方向的声明，而不是关于幅度的声明。

降价对工作负载的实际影响

API 定价在整个 100 万 token 窗口内保持统一，不收取长上下文附加费。完整价目表如下，单位为美元/百万 token：

• Kimi K3.1 Pro — 输入 $2.00，输出 $10.00，缓存命中 $0.20，五分钟 TTL 下缓存写入 $2.00，一小时 TTL 下 $4.00。

• Kimi K3.1 Pro Highspeed — 输入 $4.00，输出 $20.00，缓存命中 $0.20，缓存写入 $4.00 和 $8.00。同一模型，输出速度提升至两到三倍，在 Kimi Code 中的配额消耗约为两倍。

• Kimi K3 — 输入 $3.00，输出 $15.00，缓存命中 $0.30，缓存写入 $3.00 和 $6.00。

一个读取 100 万输入 token、写入 20 万输出 token 的请求，在 Kimi K3 上花费 6.00 美元，在 Kimi K3.1 Pro 上花费 4.00 美元。再加上符合实际的提示缓存场景后，差距仍保持在约三分之一，因为缓存命中价格也从 0.30 美元降到了 0.20 美元。对于一个每一轮都要重新读取大型代码仓库或长篇财务文档的智能体来说，这正是能收回成本的工作流与收不回成本的工作流之间的差别。Moonshot 实际上把这次升级定价为一次利润率下调，而非溢价；对于一个几乎在所有方面都刚交出更好成绩的模型来说，这是个奇怪的举动——而对于任何因为 K3 账单才去寻找替代方案的人来说，这又是个受欢迎的做法。

机制上有个陷阱。Kimi K3.1 Pro 始终会思考：推理无法关闭，reasoning_effort 字段接受 low、high 或 max，默认值为 max。采样参数固定为 temperature 1.0 和 top_p 0.95，传入其他值会报错。在对话中途更改推理强度会使前缀缓存命中失效，这会悄然提高你计划运行的调优循环的实际成本。更便宜的 token 价格是真实的；而工作流是否更便宜，取决于你在同一上下文中间改变主意的频率。

你可以在哪里运行它，以及那个比发布更重要的日期

Kimi K3.1 Pro 已在 Kimi 消费者应用的 Web、iOS、Android 和 HarmonyOS 端上线，并在 Kimi Work 桌面版 3.1.0 或更高版本，以及通过模型选择器在 Kimi Code 中可用。在 API 上，它可通过 Moonshot 自有平台以 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed 使用，并提供零数据保留，发布时企业访问默认关闭。它也开始出现在第三方推理平台上，这对这种规模的模型来说很正常，并不能说明其中任何一家的服务效果如何。

更重要的日期是 2026 年 11 月 4 日。Moonshot 表示，届时将发布完整模型权重。这正是让“开放权重”这一描述不只是营销说辞的原因，也是成本叙事再次改变的时刻：自托管一个 2.8T 参数的专家混合模型并不便宜，但宽松许可证为任何拥有 GPU 的人消除了按 token 计费。在权重发布之前，上面的价格比较就是全部比较。

还有一条面向仍在使用 K2 代际的团队的操作提示：Moonshot 的定价页面显示，K2 系列模型将于 2026 年 10 月 31 日起停止向新注册用户提供，并计划于 12 月底正式退役。如果你仍在使用 K2.6 或 K2.7 Code，迁移决策已在替你做出，而 K3.1 Pro 是既定的目标选择。

你应该在第一天就切换吗？

如果你的工作负载是编码、智能体工具使用或财务文档处理，那么更低的价格加上供应商报告的更高得分，就构成了明确值得试用的理由。如果是提示词稳定的长上下文检索，那么缓存命中价格就是需要建模计算的数字，而这一点也同样有利于新模型。

如果你的生产路径依赖于可复现的采样，请在迁移前阅读固定参数约束。温度 1.0 并非对所有任务都是中性的默认值，而一个拒绝接受不同值的模型，与一个接受不同值的模型相比，属于另一种依赖关系。

如果你需要独立证据，那就再等等。目前 Moonshot 之外还没有人发布过 K3.1 Pro 的评估。发布时的数据内部自洽，并且对安全相关的回退异常坦诚，但这仍然是厂商在给自己的作业打分。这么便宜的模型很快就会受到测试；第一批独立测试框架的结果才能告诉你，65.7% 在经受别人脚手架检验后是否还能站得住。

对于已经通过 OrcaRouter 路由的团队来说，实际变化比发布消息所暗示的要小。我们的目录中现已收录 kimi/kimi-k3，按 Moonshot 的标价提供，并且 0% 加价，因此本次对比中的 K3 部分与您技术栈的其余部分一样，使用同一个密钥即可直接使用。截至撰写本文时，Kimi K3.1 Pro 尚未收录到目录中；一旦加入，从一代迁移到另一代只需更改模型字符串，而无需再签一份合同或引入新的 SDK。降价是值得关注的原因，而直通定价模式则是它在我们这边会显示为 Moonshot 公布的同一价格、而非加价价格的原因。

用一段话概述此次发布

Kimi K3.1 Pro 是 Kimi K3 的后训练升级版，售价为旧款模型的三分之二，附有一份表现强劲的厂商基准测试成绩单，在幻觉控制上有实实在在的提升，同时公开披露了在一项对抗性编程测试中与安全相关的性能退步，且目前尚无独立验证。这次发布之所以确实算得上新闻，是因为价格和权重承诺，而不是因为该模型采用了新架构。值得圈出的日期是11月4日，届时权重将如期发布，首批严肃的外部评测也应当开始陆续出现。