一张生成的 16:9 标题卡,背景为深蓝灰色,带有柔和的径向辉光;主标题为“Qwen4-Max vs Kimi K3.1 Pro”,副标题为“41 美分的差距,能决定的东西比你想象的要少”。右侧是一架用细线条绘制的扁平天平,两个秤盘分别标着“每任务 3.27 美元”和“每任务 3.68 美元”,横梁几乎水平。底部一排四个小图标分别标注为:视频输入、1M 上下文、无权重对比开放权重,以及 55 对 31 tok/s。OrcaRouter 标志位于右下角。
Guides & Insights

Qwen4-Max 对比 Kimi K3.1 Pro:41 美分的差距,能决定的没你想的那么多

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

按 Artificial Analysis 自己给出的数字,完成一项任务在 Qwen4-Max 上花费 3.27 美元,在 Kimi K3.1 Pro 上花费 3.68 美元。四十一美分。如果你正在为一个每周运行数千项任务的智能体选择模型,这个差距看起来就是整个决策的全部,但事实并非如此——因为这两个模型是从相反的方向达到这些数字的,而方向才是六周后出现在你日志里的东西。Qwen4-Max 靠速度快、输出冗长达到这个水平——输出 token 更多,但每 token 费率不到一半;Kimi K3.1 Pro 靠速度慢、输出简洁达到这个水平,产生的 token 更少,但每个 token 的成本是两倍多。总的来说,两者都不是更便宜的模型。对于特定形态的工作,各自都会更便宜。

对这个组合来说,这是一个有用的分析框架,而且它现在能以十月时并不具备的方式成立:两个模型处于同一个独立指数修订版上,二者都已公布商业条款,并且其中一个提供了可下载的权重。接下来按工作负载而不是按基准测试来划分,因为基准测试已经表明二者差距不大。

首先,是名字。

并没有一个不加后缀的 kimi-k3.1出现在 M​oonshot 自己的模型列表中。实际发布的标识符有 kimi-k3.1-pro、kimi-k3.1-pro-highspeed以及较早的 kimi-k3;“Kimi K3.1” 是这一系列在搜索框和媒体中的写法,其背后的模型是 Kimi K3.1 Pro。高速版是同一模型,以大约两到三倍的速度提供服务。因此,这里所有重要的对比都是 Qwen4-Max 对 Kimi K3.1 Pro,也就是下面所测的这一对。任何向你展示一款名称恰好为 “Kimi K3.1” 的模型规格表的人,都是在用更短的名字展示 Pro 的数据。

Kimi K3.1 Pro 于 2026 年 10 月 23 日发布,而供应商博客的日期是 24 日;其权重已上线 Hugging Face,只有一个提交,时间戳为 2026-11-02。Qwen4-Max 于 2026 年 11 月 16 日开始按量计费销售。两者都已问世数周,都不是预览版,而且都有真实的价目表——这正是本次比较能够用数字而非预测来进行的原因。

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro' with seven rows: index score 43 against 46; cost per task $3.27 against $3.68; output per million $4.50 against $10.00; tokens per run 127M against 113M; wall-clock per task 32.1 min against 38.4 min; max output 262,144 against 943,000; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; vendor list prices'. OrcaRouter logo bottom-right.

定义这场对决的两行

以下所有内容均来自 Artificial Analysis Intelligence Index v5.0.1,除非标注为厂商自报。该指数只是某一天的一个测量工具;本博客曾见到修订使模型得分变动达两位数,因此请将分差视为方向性参考。

• 指数得分——Qwen4-Max 43 对 Kimi K3.1 Pro 46。Kimi 模型领先三分,处于单次指数修订的噪声带内

• 每项任务成本——Qwen4-Max 为 3.27 美元,而 Kimi K3.1 Pro 为 3.68 美元。尽管 Kimi 模型在得分上占优,但其每项已完成任务的成本高出 12.5%

• 输入价格——Qwen4-Max 在新加坡为每百万 $1.50,其他地区为 $1.413;Kimi K3.1 Pro 为 $2.00

• 输出价格——Qwen4-Max $4.50,对比 Kimi K3.1 Pro $10.00。这是整个对比中差距最大的一项,也是基于 token 计数的成本模型会过度加权的一项

• 缓存命中价格——Qwen4-Max 在新加坡为每百万 $0.075,其他地区为 $0.071;Kimi K3.1 Pro 为 $0.20。两者都对缓存读取提供大幅折扣;Qwen 的折扣力度更大

• 每个任务的实际耗时——Qwen4-Max 32.1 分钟,Kimi K3.1 Pro 38.4 分钟,而全场中位数为 11.5。两者都很慢;Qwen 是两者中相对不那么慢的那个

• 吞吐量——在各自厂商自有 API 上测得,Qwen4-Max 每秒输出 55 个 token,而 Kimi K3.1 Pro 为 31 个

• Token 消耗量——Qwen4-Max 每次索引运行输出 1.27 亿个 token,而 Kimi K3.1 Pro 为 1.13 亿个

• 上下文 — Qwen4-Max 按文档为 1,000,000 tokens,实测可用 984,000;Kimi K3.1 Pro 1,048,576

• 模态 — 两者都接受文本、图像和视频,并返回文本。Moonshot 的模型指南明确表示 Kimi K3.1 Pro 可处理视频,尽管该模型的独立摘要仅列出文本和图像

• 权重——Qwen4-Max 未发布任何权重,其文档标明不支持微调和部署;Kimi K3.1 Pro 的 2.8 万亿参数检查点(每个 token 激活其中 1040 亿参数)可在定制许可证下下载,而非现成许可证。

• 架构(厂商报告)——Qwen4-Max 是一个 2.4 万亿参数的主干模型,拥有 710 亿激活参数,另有 3280 亿个 N-gram 嵌入参数;Kimi K3.1 Pro 是一个基于 K3 构建、经过后训练的 3T 级模型

把输出价格那一行和每任务成本那一行对照着看,整篇文章的结论你就都掌握了。Kimi K3.1 Pro 每个输出 token 的收费是两倍多,完成一个任务却仍要多花 41 美分,因为它输出的 token 更少。Qwen4-Max 每个输出 token 的收费不到一半,却几乎没从中占到便宜,因为它多输出了 12%。按 token 计价只是账单的近似指标,而不是账单本身。账单在第三行。

工作负载一:长时间运行的智能体

“41 美分”到这里就不再只是四舍五入的零头了。智能体循环并不是只运行一个任务,而是运行一连串重试频繁的任务,而真正会累积叠加的是实际耗时,不是价格。两个模型在每个索引任务上分别耗时 32.1 分钟和 38.4 分钟,都比该领域 11.5 分钟的中位数慢两到三倍。一批二十个任务,用其中任何一个都要耗费十到十三个小时的实际时间。如果你的循环受延迟限制,这两个模型都不合适;在这种情况下,在它们之间按价格做选择,就是在优化错误的变量。

如果不受延迟限制——批量过夜运行、长周期研究任务、后台文档工作——那么决定性的数字就是每个已完成任务所消耗的 token 数;在这里,Qwen4-Max 的每秒 55 个 token 对比 K​imi 的每秒 31 个 token,其重要性并没有看起来那么大。吞吐量只决定单个请求消耗完的速度;决定账单的是模型在产出答案之前花多少 token 来思考。Qwen4-Max 在这上面的 token 消耗多 12%,但每个 token 的收费低 55%。

工作负载二:所有涉及长文档的内容

这里比较的重点不再是谁的分数更高,而是输出的形态。两个模型都能读取文本、图像和视频,也都输出文本,因此不存在模态上的争论——更诚实的说法是,Qwen4-Max 的视频支持并非看上去那样能成为决胜因素,因为 M​oonshot 的模型指南称 Kimi K3.1 Pro 也能处理视频。它们在文档工作上的区别在于单次能写回多少内容,以及为此收取多少费用。

Qwen4-Max 在关闭思考时输出上限为 131,072 个 token,或者在思考与回答之间共享 262,144 个 token。Kimi K3.1 Pro 大约可达到 943,000。对于返回摘要的合同审查,这种差异永远不会显现;而对于被要求重新输出整份带标记文档的流水线,或需要跨一个工作集进行推理、再长篇写出结果的流水线,这就是一次调用与一套你现在不得不自行构建和调试的分块方案之间的差别。

价格差距却指向相反方向。Qwen4-Max 的输入费率低 25%,输出费率不到一半,因此在大规模语料上做抽取与分类这类工作——输入多、输出少——无论按每项完成的任务计算,还是按实际用量计费,Qwen4-Max 都明显更便宜。把这两段放在一起看,分界就很清晰:在大规模语料上的短答案有利于 Qwen4-Max,而同一语料上的长答案则有利于 K​imi 模型的输出上限。

A screenshot of the Artificial Analysis page for Kimi K3.1 Pro, marked open weights and released October 2026, showing the Intelligence Index score of 46 against a median of 23, 113M tokens generated on the run, $2.00 input and $10.00 output per million tokens, $3.68 per task, 38.4 minutes per task against a median of 13.6, text and image input, a 1M-token context and downloadable weights on Hugging Face.

工作负载三:需要权重的那一个

上面各行内容都没有涉及这两个模型之间最大的差异,因为它不是一个数字。Kimi K3.1 Pro 可以下载。Qwen4-Max 则不能——其文档将微调和模型部署标注为不支持,而阿里巴巴的发布文章只承诺较小的 Qwen4 系列“即将开源”,这是关于整个系列的表述,而非关于这一款模型。

这在三种具体情况下很重要,在其余情况下则无关紧要。如果你需要在自己的数据上进行微调,它就很关键,因为 Qwen4-Max 根本不提供这条路径。如果你的合规要求是让权重留在自己的边界之内,而不是放在别人的 API 后面,它就很关键。如果你是按年而不是按月来建模成本,它同样关键:一个可下载的 3T 级检查点是一项资本支出,其边际成本曲线由你掌控;而租用的旗舰模型则是一张可能变动的价目表。一个 3 万亿参数的混合专家模型并不是大多数团队能在内部部署的东西——它需要一整个机架,而不是一台工作站——但“自己运行很贵”和“自己运行不可能”是对采购问题的不同回答,而只有其中一个能让问题收口。

这份许可证值得用一句话来精确说明,因为在大多数报道中,“开放权重”承担了太多含义:Kimi K3.1 Pro 采用的是一份专门定制的Kimi K3.1-Pro License,而不是 K3 所附带的 Modified MIT 文本;其授权在通常意义上属于宽松型——可使用、修改、微调、再分发、销售——但额外附加了两个条件。如果你经营模型即服务业务,且总营收在任意连续十二个月内超过 2000 万美元,那么在使用这些权重进行商业用途之前,你需要与 M​oonshot 另行签订协议。如果基于这些权重构建的产品月活跃用户达到 1 亿或月收入达到 2000 万美元,就必须在其界面中显著展示“Kimi K3.1-Pro”。内部使用,以及通过 M​oonshot 自有产品或经认证的推理合作伙伴进行的使用,均不受这两项条款约束。如果你计划基于这些权重构建产品,请阅读许可证本身,而不是摘要。

将这对放在同一个按键上

在这里,这种比较不再对称,这一点值得直说。OrcaRouter 提供 kimi/kimi-k3.1-pro,今天就在与其其余 200 多个模型标识符相同的 OpenAI 兼容端点上,按 0% 加价——供应商的标价直接透传,所以上面的 $2.00 和 $10.00 就是你要支付的价格,而不是供应商在加上某层利润之前收取的费用。它不路由 Qwen4-Max,本页也不会暗示并非如此:要使用该模型,意味着通过 Alibaba 自有的六个区域或转售它的第三方平台。

这种不对称真正有用的地方,正是本文一直在描述的那项测试。上面按工作负载的拆分只是关于你流量的一种假设,而不是你流量的事实;要低成本地证伪它,办法是在同一个端点上,把相同的提示词分别跑过 K​imi K3.1 Pro 和一个 Q​wen 3.8 档位,并用自动故障转移来兜住那些否则会破坏基准测试运行的供应商小故障。如果 K​imi 模型在你的工作负载上每个任务能领先超过 41 美分,权重论证就更容易站得住脚。如果不能,你就省下了一场关于一个机架的采购对话。

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, the byline MoonshotAI with the date 2026-10-24, a description noting a 1,048,576-token context and up to 943,718 output tokens with text, image and video input, a 1M-token context badge, 943k maximum output, pricing of $2.00 input and $10.00 output per million, and a note that zero data retention is available.

决策规则

指数上 3 个点的差距和每项任务 41 美分的成本,并不能把这些模型区分开。真正能区分它们的是非此即彼的二元因素,值得按以下顺序检查。

• 如果你需要在一次调用中回写整份文档——Kimi K3.1 Pro 约 943,000 token 的输出上限,对比 Qwen4-Max 262,144 的共享总额度,这是量级上的类别差异,而非百分比差异

• 如果你需要微调、自托管或持有权重——Qwen4-Max 就不在考虑范围内,因为根本没有权重可供持有

• 如果你的运行受墙钟时间约束——两者都不合适;在同一块主板上,两者都比中位数模型慢两到三倍,而且 K​imi 是两者中较慢的那个

• 如果这些都不适用——就选每项已完成任务成本更低的那一个,按今天的数据是 Qwen4-Max,为 $3.27,对比 $3.68;一个月后再复核,因为两家供应商本季度都已经调过一次价。

诚实的总结是:M​oonshot 交付了得分更高的模型,A​libaba 交付了价格更优的模型;两个方向上的差距都很小;而这里唯一具有长尾影响的选择,恰恰是没人会写进对比表的那个:你是在租用,还是在拥有。其余一切不过是四十一美分,以及一次版本迭代中的舍入误差。

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新