Kimi K3.1 Pro 对比 Kimi K3：相同基座、更低价格，以及一笔到期应付的后训练账单

Kimi K3.1 Pro并不是一款新模型，不像Kimi K3那样是一款新模型。Moonshot AI 于 2026 年 10 月 24 日发布的版本明确是 Kimi K3 的后训练版本，其后训练计算量大幅增加——相同的架构、相同的 1,048,576 token 上下文、相同的原生视觉能力，以及通过强化学习在数百个下游领域附加上去的一套不同行为。让这一比较有意思的并不是基准测试表格中的差值，而是更新、更好的模型每 token 成本比旧模型低三分之一。

这种反转相当罕见，值得仔细审视。通常，实验室会以相同价格推出更强的模型，并让旧模型逐渐下沉到低端市场。Moonshot 却反其道而行：旧模型维持原价，同时把新模型降至每百万 tokens 输入 2.00 美元、输出 10.00 美元，而 Kimi K3 为 3.00 美元和 15.00 美元。要理解其中原因，需要区分模型本身实际发生的变化，以及围绕它的业务所发生的变化。

架构没有变动

Kimi K3于2026年7月16日发布，是2.8万亿参数级别中的首个开放模型：采用混合专家架构，约有1040亿激活参数、896个专家，每个token激活16个专家，具备100万token上下文窗口、原生图像和视频理解、工具调用、提示缓存和内置推理能力。其权重于7月27日发布，许可证允许使用、修改、分发和微调；年收入超过2000万美元的模型即服务提供商需另行签订协议，超大型商业产品需注明归属。

Kimi K3.1 Pro 保留了这一切。Moonshot 称这款新模型为“3T-class”，这属于定位话术；发布会上的报道显示，它仍是同样的 2.8 万亿总参数和 1040 亿激活参数。上下文上限、视觉支持和 100 万 token 的输出限制均未改变。如果你期待的是更低的激活参数数量或更长的上下文窗口，那这次发布并不是。

真正发生变化的是预训练之后的训练。Moonshot 描述了跨数百个领域的大规模联合强化学习，并由重构的沙箱基础设施、rollout 调度和环境质量检查提供支持。通俗地说，公司投入了大量算力来教现有模型在智能体和专业任务上表现得更好，而不是教它更多事实。这就是为什么性能提升会集中在这些方面。

数字说明了什么，以及比较的薄弱之处在哪里

厂商的基准测试表覆盖面很广——包含14项评测——但这并非一次干净的配对比较。Moonshot只为部分新测试公布了Kimi K3的数据，因此一些最显著的差值是对比其自家内部测试套件得出的，而不是两个模型都参加过的公开基准测试。

• 长程编码——Kimi Code Bench 3.0 长程测试：Kimi K3.1 Pro 取得 61.2%，Kimi K3 为 55.95%。这是本次发布中最清晰的前代对比数据，但同时也是厂商控制程度最高的一项，因为基准测试和测试框架都归 Moonshot 所有。

• 幻觉——Kimi Hallu Bench Hard 的声明级比率从 Kimi K3 上的 23.4% 降至 Kimi K3.1 Pro 使用工具时的 8.3%。在不使用工具的情况下，新模型的得分为 5.4%。Moonshot 还表示，包含至少一个事实错误的回复现在仅为前代模型比率的 42.4%。对于文档密集型工作而言，这是本次发布中最具影响的改进。

• 金融与业务运营——内部 Financial Modeling 57.6 对 50.4，Financial Research 70.4 对 58.8，Business Operation 37 对 8.9。最后一项是在旧模型几乎无法胜任的任务上实现了四倍提升。这些是 Moonshot 自己的评估，因此请将提升幅度视为方向性参考。

• 3D 与 CAD——BenchCAD：带工具 92.7，不带工具 72.8。Moonshot 未公布 Kimi K3 在该测试中的成绩，因此尽管绝对分数很强，发布文章中并未体现这项提升。

• 对抗性编程——Kimi K3.1 Pro 在 xdev-bench-hard 上的 pass@3 为 81.0%，而 Kimi K3 为 33.3%，DeepSeek-V4.1-Flash-1017 为 85.7%。一个未采用公司风险降低措施训练的检查点得分为 90.5%，Moonshot 将这 9.5 个百分点的差距归因于安全工作和训练数据管控。

• 前沿站位——Terminal-Bench 4.0 上为 65.7%，落后于 Claude Opus 5.5 的 66.4%，领先于 GPT-6 Astra 的 58.2%。带工具的 BenchCAD 为 92.7%，落后于 Opus 的 96.2 和 Astra 的 95.9。这一模式始终一致：贴近前沿，却很少居于其顶。

这些内容均未经过独立验证。Kimi K3 问世时，Artificial Analysis 智能指数为 57，当时在全球排名第三，落后于 Claude Fable 5 和 GPT-5.6 Sol；而在 K3.1 Pro 发布当天，并不存在与之对应的第三方评分。评测框架的问题并非假设：Terminal-Bench 的分数会因脚手架（scaffolding）不同而上下波动数十分，正因如此，不同实验室得出的 65.7% 和 58.2%，并不能用来衡量 7.5 个百分点的差距。方向可信，幅度尚不可信。

价格倒挂才是真正的关键所在

Kimi K3 发布时是市场上最贵的中国模型，输入价格为每百万 token 3.00 美元，输出价格为每百万 token 15.00 美元，约为 K2 代的三到四倍。这一定价是一次刻意的押注：赢得前沿工作负载靠的是能力，而非成本。Kimi K3.1 Pro 在更新的模型上逆转了这一方向，同时保留了旧款的价格不变。

• 输入 — K3.1 Pro 每百万 $2.00，而 K3 为 $3.00，降低了 33%。

• 产出 — 10.00 美元对 15.00 美元，也是 33%。

• 缓存命中 — $0.20 对比 $0.30，在主导智能体工作负载的这一项上削减了 33%。

• 缓存写入 — 在五分钟和一小时 TTL 下分别为 $2.00 和 $4.00，而对比价格为 $3.00 和 $6.00。

• 高速版 —— $4.00 和 $20.00，缓存命中价格同为 $0.20；输出速度为两到三倍，在 Kimi Code 中的配额约为原来的两倍。

这笔账简单到在餐巾纸上就能算清楚。一次读取 1M 输入 token、写入 200K 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。一个每轮都重新读取大型代码仓库、且 70% 的时间命中缓存的 agent，在相同形式的调用下，在 K3 上支付约 4.11 美元，在 K3.1 Pro 上支付约 2.74 美元。如果新模型还能用更少的轮次完成任务——这正是长时程训练的全部意义——那么每个已完成任务的成本下降幅度，会比 token 价格所显示的更大。

为什么要降价？最可能的解释是出于竞争，而非慈善。一个 2.8T 参数模型的 serving 成本很高，而接近前沿的模型市场在 2026 年一直在向价格趋同。Moonshot 自己的 K2 退役时间表也增加了压力：K2 系列模型将于 2026 年 10 月 31 日停止向新用户提供，并计划在 12 月底退役。将 K3.1 Pro 定价在 K3 之下，让每个 K2 客户都有理由向上迁移，而不是去别处选购。较旧的 K3 价格保持不变，因为已经为其做好预算的人不需要折扣来留下。

在哪些情况下 Kimi K3 仍是正确选择

有三种情况在比较后仍然成立。第一种是如今的自托管：Kimi K3 的权重自 7 月 27 日起已公开，而 Kimi K3.1 Pro 的权重承诺要到 2026 年 11 月 4 日才发布。如果你的部署无法调用托管 API，那么无论基准测试表怎么说，更新的模型目前都还不是一个可选方案。

第二点是行为稳定性。一个已在生产环境运行三个月的模型，其失效特征是可预期的。Kimi K3.1 Pro 在设计上改变了推理行为，其默认以最大算力运行的常开思考模式并不能直接套用到每一条流水线。评估套件严格的团队应当预期需要重新建立基线，而不只是替换一个字符串。

第三点是采样控制。Kimi K3.1 Pro 将 temperature 固定为 1.0、top_p 固定为 0.95，并拒绝其他取值；在对话中途更改推理强度也会使前缀缓存的命中失效。如果你的应用依赖低温度带来的确定性，那么在假定升级毫无代价之前，请先确认旧模型是否能提供新模型所不具备的那种控制。

抛开炒作，谈迁移决策

对于编程智能体、长时程工具使用、金融研究和文档核验而言，迁移的理由很充分：恰好在这些领域有更高的供应商报告评分、每一项计费条目价格更低，以及幻觉率下降约三分之二。风险在于这些数据全部为自报，因此稳妥路径是在切换生产流量前，用你自己的任务做影子评估。

对于批量生成和长上下文检索来说，缓存命中价格才是关键数字，而这一价格让新模型占据了三分之一的优势。对于任何坚持使用开放权重的人来说，日期决定一切：11 月 4 日才是这场对比真正成立的最早日期。

OrcaRouter 在其中扮演的角色刻意显得不起眼。我们的目录收录了kimi/kimi-k3，目前以 Moonshot 的标价、0% 加价提供，并且与你技术栈其余部分使用同一个密钥，因此这场对比中旧的一侧已经可以直接调用，无需第二份合同。撰写本文时，Kimi K3.1 Pro 尚未进入目录。等它上线后，直通模式意味着上面提到的 $2/$10 就是你在我们这里支付的价格，而不是其经销商版本；并且切换代际只是在路由策略内更改模型字符串，而不是一个迁移项目。

判决

Kimi K3.1 Pro 是更好的模型，也更便宜，这让推荐变得容易，也让证据看起来比实际更单薄。Moonshot 改进了对智能体工作和专业工作至关重要的行为，将每一项价格都下调了三分之一，并披露了一项与安全相关的性能回退——大多数发布文章本会将它掩盖。但它尚未将结果提交给独立的评测框架。如果你已经在使用 Kimi K3，这次升级在账单上回本的速度会早于在基准测试上回本。如果你一直在等待证据，模型权重和首批外部评估都将在两周内发布——到那时，这一比较就不再是厂商声明，而会成为一项实测。