Kimi K3.1 Pro vs Claude Opus 5.5：价目表仅一半，单项基准测试落后 0.7 分

Kimi K3.1 Pro 和 Claude Opus 5.5 是同一种形态的模型，却以恰好一半的价格出售。Moonshot 的新旗舰每百万输入 token 收费 2.00 美元、每百万输出 token 收费 10.00 美元；Anthropic 的则分别为 4.00 美元和 20.00 美元。两者都支持一百万 token 的上下文。两者都会在回答前先思考。而在两家公司都公布的唯一一项基准测试上，它们相差 0.7 个百分点：在 Terminal-Bench 4.0 上，Kimi K3.1 Pro 为 65.7%，Claude Opus 5.5 为 66.4%。这就是挑战者的全部论据，浓缩为三个数字，而且很有说服力——但有两个注意事项决定它是否适用于你的工作负载：这两个分数是在不同设置下得出的，而 2 倍是每 token 价格，而不是每完成一项任务的价格。

Kimi K3.1 Pro 于 2026 年 10 月 24 日上线，就在命名它的预告视频发布一天之后。Claude Opus 5.5 自 9 月 22 日起已全面可用。两者都不是实验室里的全新实验：Opus 5.5 是 Anthropic 自 9 月下旬以来一直在交付的当前 Opus 层级模型，而 Kimi K3.1 Pro 是 Kimi K3 经过后训练的版本，而非全新架构。这使得本次对比对于模型对比页面而言异常清晰——两份价目表均已公布，两家厂商都发布了基准测试表，且两款模型都没有藏在等候名单之后。

两份费率卡，逐行

有五条线很重要，而其中一条打破了规律。

• 输入 —— Kimi K3.1 Pro 每百万个 token 收费 $2.00，而 Claude Opus 5.5 为 $4.00。恰好是一半。

输出 — $10.00 对 $20.00。正好是一半，而输出正是主导智能体与推理工作的那一项，在这些工作中，模型写出的内容远多于它读取的内容。

• 缓存读取 — 两者均为 0.20 美元。这就是异常之处：两家供应商在读取缓存前缀的价格上精确到分地一致，而这一项正是长时间运行的智能体每一轮都重新读取代码仓库时占主导的成本项。

• 缓存写入 — Kimi 对五分钟缓存条目的收费为 2.00 美元，一小时缓存为 4.00 美元；Anthropic 则分别为 5.00 美元和 8.00 美元。Kimi 在这里也更便宜，而且便宜一半以上。

• 快速变体——Kimi K3.1 Pro Highspeed 为 $4.00 和 $20.00，输出速度约为两到三倍。Anthropic 在 Opus 5.5 上的快速模式为 $8.00 和 $40.00，最高可达 2.5×。同样的关系，同样的倍率翻倍。

因此，混合请求的算术计算很简单。一次读取 100 万输入 token 并写入 20 万输出 token 的调用，在 Kimi K3.1 Pro 上花费 4.00 美元，在 Opus 5.5 上花费 8.00 美元。一个以 70% 缓存命中率重新读取 100 万 token 上下文的智能体，在 Kimi 上为输入支付 0.74 美元，而在 Opus 上为 1.34 美元；如果把输出也算进去，则分别为 2.74 美元和 5.34 美元。节省来自全新输入和输出，而不是缓存，因为缓存在两者上的成本相同。

费率卡没有告诉你的是每个模型要消耗多少 token。Kimi K3.1 Pro 默认采用其最高推理档位——max。Claude Opus 5.5 默认采用 medium。一个默认以 max 档位思考的模型，平均而言每份回答会写出比以 medium 档位思考的模型更多的推理 token——所以广告里说的 2 倍是每 token 的价格，而不是每完成一项任务的价格，真正的差距取决于你的工作实际上需要用到 Kimi 多少额外的思考量。Moonshot 并未公布能一锤定音的“每任务 token 数”数据。

两家实验室都会公布的唯一一项基准测试，以及它为何算不上一次测量

Terminal-Bench 4.0 是这两次发布中最接近统一标尺的东西，而即便在这里，这两个数字也并非以相同方式得出。

Anthropic 的 66.4% 是在 xhigh effort 下运行的，比该模型默认的 medium 高一级，运行在 Anthropic 自家的 harness 上，并启用了其安全路由。该公司发布了该表格并对此作了说明。Kimi 的 65.7% 出现在 Moonshot 的发布材料中，是在该模型默认的 max 设置下、在同样由该公司控制的 harness 上得出的；发布表格引用 Opus 5.5 为 66.4%，与 Anthropic 公布的数字相同，却没有说明 Moonshot 是重跑了它，还是直接引用了它。两份由厂商运行的表格之间存在 0.7 个百分点的差距，且 effort 设置不同、脚手架不同，这并不能衡量两个模型之间的差异。它说明的是，两者足够接近，以至于 harness 的选择就能决定排名顺序。

又有两个数据点指向同一个方向。Artificial Analysis 在 Opus 5.5 发布时报道了其在同一基准测试上的独立评估结果为 59.6%——比 Anthropic 自己给出的数字低七个百分点，而且该配置还包含服务器端安全防护路由。与此同时，Moonshot 自己的文档在发布当天仍然用字面量“[xx.x%]”作为其 Terminal-Bench 和科学基准测试分数的占位符，而营销文章里却已经放上了这些数字。这两个事实都不能证明相对质量如何。两者都表明，发布当日的基准测试表格首先是营销产物。

在厂商们说法一致的地方，情况是连贯的：在双方都衡量的任务上，Kimi K3.1 Pro 与 Opus 5.5 接近，并大幅领先于自己的前代。Moonshot 的长时程编程测试套件从 55.95% 提升到 61.2%，其无工具 CAD 得分为 72.8，而 Opus 为 73.0；在厂商自有的困难集上，其有工具条件下的幻觉率从 23.4% 降至 8.3%——如果这一数字在外部评估中依然成立，那么对文档密集型工作而言，它比任何基准分数都更重要。

力度调节拨盘才是这两款产品之间真正的区别。

两个模型都提供了推理强度字段；但对于它有多少档以及停在哪个档位，二者存在分歧。

Kimi K3.1 Pro 有三档：low、high 和 max，默认是 max。Claude Opus 5.5 有五档：low、medium、high、xhigh 和 max，默认是 medium。两个模型都不允许调用方关闭思考。Kimi 直接固定采样参数——temperature 1.0、top-p 0.95、n 为 1——并拒绝其他取值，因此 effort 是它提供的唯一行为调节项。Anthropic 允许设置 temperature，但让自适应思考始终保持开启，因此 effort 是唯一能改变模型思考量的调节项。

默认设置确实在发挥作用。Kimi 的做法诚实但昂贵：每个未传入 reasoning_effort 的请求都会按最深档位计费。Opus 默认处于中间档，并把最高的两档留给主动要求的调用方。如果你迁移一个工作负载而其他什么都不改，你实际上同时改变了模型及其思考预算，而这正是“更便宜的模型”最终并不便宜的最常见原因。Anthropic 自己的表格展示了这种影响在单一模型内有多大：CursorBench 4.0 在 xhigh 下得分为 57.8%，在 medium 下为 52.5%，而 FrontierCode 在同样两个设置之间只变化 0.2 分。推理强度的敏感性因工作负载而异，没有任何模型卡片能预测你的情况。

有一个操作陷阱对两者都适用。如果在对话中途切换 effort 档位，前缀缓存的命中就会失效，因此一个在长会话进行到一半时才提高 effort 的代理，要重新读取它原本已缓存的所有内容并为此付出代价。要在会话开始前就定好档位，而不是在会话进行中再决定。

每个厂商趁你不注意时对模型做了什么

现在，两家实验室都推出了一款模型，它在某些输入上的行为并不是你所要求的行为，而且两家都公开说明了这一点。

Anthropic 的 Opus 5.5 发布文档称，大多数与网络相关的任务可能会被重新路由到 Claude Opus 4.8，而生物学和前沿模型开发相关工作可能会回退到 Opus 5。这些回退发生在服务器端：响应来自另一个模型，调用方唯一的信号是内容本身。对于安全相关的工作负载来说，这是真实的能力变化，而不是政策脚注。

Moonshot 走了一条不同的路线。它从中期训练和强化学习两个阶段中都移除了与网络相关的数据，同时保留了通用编程能力，并公布了这样做的代价：其对抗性编码得分从未做缓解处理的检查点上的 90.5% 降至所交付模型的 81.0%。该公司将此描述为对进攻性网络能力的刻意设限，并表示会逐步提高这一上限。Kimi K3.1 Pro 不会重新路由你的请求；它只是在这一个类别上更弱，而弱多少由其自己的供应商公布。

哪个更好取决于你在构建什么。如果你需要所选模型给出确定性输出，那么静默回退比公开披露的弱点更糟。如果你需要在供应商设置限制的任务上获得尽可能最强的结果，回退可能仍比拒绝更好——但你现在是在以为自己只用一个模型的情况下，对两个模型进行基准测试。

决定开放权重问题的那一天

Kimi K3.1 Pro 正被作为开放权重模型销售，而权重尚未发布。Moonshot 表示，完整权重将于 2026 年 11 月 4 日前发布。在那之前，任何对比中的“开放权重”一栏都只是一个承诺；而截至 10 月 24 日，托管 Kimi K3 的 Hugging Face 组织没有任何比 K3 更新的内容。

Claude Opus 5.5 没有开放权重计划，也永远不会有。对于任何部署环境无法调用托管 API 的人来说，无论价格如何，比较到此为止：一边是十一天后你可能就能下载的产品，另一边是租用服务。而对其他人来说，11 月 4 日是价格比较真正成为架构选择而非采购选择的日子。

今天跑什么

价目表没有涵盖的部分是：可用性。今天，你已可以通过 OrcaRouter 调用 Claude Opus 5.5，价格为每百万 token 4.00 美元和 20.00 美元，缓存读取为 0.20 美元——按提供商标价透传，未加价——使用与你技术栈其余部分相同的密钥；过去七天，在我们的路由上，首 token 时间中位数为 3.86 秒。Kimi K3.1 Pro 已于 10 月 24 日加入同一目录，价格为 2.00 美元和 10.00 美元，缓存读取为 0.20 美元，上下文窗口为 1,048,576 token，公布的最大输出为 943,718 token。现在，两者都可通过同一个密钥调用。

用一个密钥同时接入两者，是两家厂商的文档都未提及的一点。在 2 倍价差下，比选出赢家更重要的决定是路由策略：把最难处理的五分之一流量发给 Opus 5.5，其余流量发给 Kimi K3.1 Pro，并让自动故障转移兜住任何一侧的停滞。正是透传模式让这笔账保持真实——分流两侧都按提供商自己公布的价格计费，不额外加价，因此你算出的节省就是实际节省，任何一家厂商调价，当天就会在这里生效。

这就让比较又回到了起点。如果你的工作主要由两个模型得分相差不到一分的任务构成，那么价格差距就是全部关键，答案就是更便宜的那个模型。如果你的工作主要由长周期编程构成，而在这方面，Opus 背后有三个月的独立评估，Kimi 只有一份昨天才发布的厂商表格，那么 0.7 分就不是值得信赖的数字——值得信赖的是你自己的评估，并且要在你实际部署时会使用的投入档位下运行。两家厂商现在都让这件事变得容易，因为双方都允许你调整档位，而且都公布了调整档位所需付出的成本。