Kimi K3.1 Pro 定價：$2/$10、943K 輸出上限，以及尚未存在的權重

在Kimi K3.1 Pro的價格表上，有一個數字讓其餘部分顯得奇怪：輸出上限。這款模型的售價是每百萬輸入 token 2.00 美元、每百萬輸出 token 10.00 美元，上下文視窗為 100 萬 token，最大輸出為 943,000 個 token。這不是打字錯誤，也不是上下文數字的四捨五入——這是服務堆疊實際會讓單一回應跑到的長度，而且它改變了「昂貴」在這裡的含義。一款定價有如中階主力的模型，卻搭配了這個價位大多數模型所不具備的長篇能力。

第二件奇怪的事是，Moonshot 把它當作開放權重來販售，卻尚未發布權重。它自己的文件寫道，完整模型權重「將於 11 月 4 日前發布」，而 Artificial Analysis——它評估自己能評估的對象——仍將該模型標為專有。在那個日期過去之前，Kimi K3.1 Pro 所報的每個價格都是託管價格，也沒有可與之比較的自架替代方案。這兩項事實都應出現在定價文章中，因為兩者都決定你實際購買的是什麼。

這張卡片，逐行來看

2026 年 10 月 29 日，從 OrcaRouter 上該模型的即時頁面讀取：

• 輸入 —每百萬個詞元 2.00 美元。

• 輸出 —每百萬個 token $10.00。

• 上下文 — 100 萬個 token，最大輸出為 94.3 萬個。

• 模態 —輸入文字、圖像與影片；輸出文字。

• 端點 — /v1/chat/completions、/v1/responses 及 /v1/messages。

• 實測延遲 —首個字符輸出時間 p50 為 7.26 秒；p95 為 10.00 秒，統計期間為七日。

• 流量 — 同樣七天內共 2,779.4 百萬個 token。

那最後一組數字，是多數價格頁面都會略過的部分，也是頁面上最有用的資訊：一週 27.8 億個 token，證明的是這個端點正被大規模使用，而不是它速度快。延遲數字說的正好相反——首個 token 要等 7.26 秒，這很慢，而且它慢的方式會因你正在打造的東西不同，帶來不同的影響。

$10 的產出實際上能買到什麼

按 token 計價並不是適合用來規劃的單位，因此這裡把同一張價目卡改以任務來表達。單一請求若讀取 200,000 個 token 的上下文並寫入 5,000 個 token，輸入費用為 $0.40、輸出費用為 $0.05——約 45 美分。同樣的請求改用 GPT-6.1 Sol，它採用相同的 $2.00 / $10.00 價目卡，費用同樣是 45 美分，但在獨立排行榜上的 Index 分數卻低三個 Index 分。這就是支持 Kimi K3.1 Pro 的一句話理由，也是反對僅依賴價目卡的理由：價格相同意味著決策完全取決於哪個模型能把工作做好。

現在來看範圍的另一端，這正是 943K 輸出上限不再只是個稀奇現象的地方。一個在一次呼叫中產生長文件或大型程式碼檔案的代理，確實可能寫出 100,000 個輸出 token。以每百萬 $10 計算，回應就是 $1.00——如果提示詞很小，這是輸入端成本的五倍。輸出 token 正是這張卡變貴的地方，而長篇生成正是 943K 上限真正會被用到的場景。

這個頁面所提供的資訊有兩處明顯的缺口：它只列出輸入與輸出費率，卻沒有快取讀取或批次費率，因此沒有已公布的折扣可供規劃；它也沒有提供每個帳號的速率限制，這意味著你在高負載下撞到的那個上限，是得靠實際營運去發現的事，而不是一筆可以編進預算的項目。在你把高流量的工作任務搬上去之前，這兩點都值得先問清楚。

延遲是第二張帳單

首個 token 的 7.26 秒延遲不會出現在費率表上，而對聊天介面來說，這幾乎無關緊要——讀者反正都在等。對代理迴圈而言，這完全是另一個量級的數字。一個執行二十輪的迴圈，在 p50 下每個任務約要付出兩分半鐘的純等待時間，在 p95 下則接近三分半鐘，而且這還沒計入任何實際工作。再乘以平行代理的數量，限制因素就變成實際耗時，而不是帳單金額。

這就是這個模型要你做的具體取捨：定價與較快的中階模型完全相同，在綜合指數上得分更高，但每個請求的前段都較慢。正確的決定方式，是針對你自己的提示詞測量你自己的 p95，而不是相信任一廠商公布的數字。

無人提及的端點，以及決定是否採用的那個端點

模型頁面列出三個端點，而第三個才值得注意。除了 OpenAI 形式的 chat completions 與 responses 路由之外，還有 /v1/messages 端點——Anthropic 形式的介面。對於任何執行使用 Anthropic API 的編碼工具的人來說，這就是「能直接把模型指向你現有工具」與「模型還需要轉接器」之間的差別。

這也重新定義了價格。像 Claude Code 這類 harness 之所以運行成本高昂，並不是因為任何單次呼叫，而是因為一個工作階段會發出多少次呼叫。在 $2.00 / $10.00、1M 視窗的條件下，通常會拖垮這類配置的那筆算術——長上下文在每一輪都被重新送出——正是這張卡最適合應付的情況，前提是 7 秒的首個 token 不會讓工作階段感覺像壞掉了。

11月4日，以及它對價格的影響

開放權重日期是定價事件，不只是授權事件，而且這種局面會如何發展已有先例。Kimi K3 於 2026 年 7 月 16 日發布，其權重於 7 月 27 日登上 Hugging Face——相隔十一天。若 K3.1 Pro 循相同模式，託管價格將不再是市場上唯一的價格：對任何擁有 GPU 的人而言，自行託管會成為實際選項，而託管價格必須與一項邊際成本競爭，那項成本是別人的電費帳單。

這並不會改變這一點：自架這種規模的模型是資本決策，而非折扣。託管顯卡是使用它的便宜方式，而權重是擁有它的便宜方式——不同的買家，有不同的答案。任何打算大筆投入的人，都應把 11 月 4 日視為比較基準改變的日子，而不是價格下跌的日子。

如何在不用猜測的情況下編列預算

三條實用規則，依重要性排序。

• 先編列輸出預算。在輸出對輸入的價格比為 10:1 時，輸出端會主導每個以生成而非讀取為主的工作負載。若你不知道自己的輸出 token 佔比，請在建立成本模型前先測量。

• 把 1M 上下文視為計費風險，而不是功能。 大窗口會誘使你什麼都送；每一輪都送出所有內容，正是便宜模型變成昂貴模型的原因。此頁未記載快取行為，因此在你能實測出相反情況之前，請假設每個 token 每次都會被計費。

• 同日為替代方案定價。費率會變動。在 OrcaRouter 上，你被計費的金額就是供應商公布的價格，沒有任何加成，因此 Moonshot 的價格調整在公告當天就會在此生效——這也意味著你上個月寫下的比較，可能描述的是已不存在的方案。

值得關注的是：權重是否會在 11 月 4 日發布、以何種授權方式發布；一旦開放權重服務讓批次處理成為常態，模型頁面是否會增加快取讀取費率；以及託管卡片是否會因此有任何變動。本週你為 Kimi K3.1 Pro 支付的價格，是一個附帶「有效期」形狀問題的託管價格。