Kimi K3.1 Pro 對比 Claude Opus 5.5：價格只要一半，單一基準測試落後 0.7 分

Kimi K3.1 Pro 和 Claude Opus 5.5 是同一種規格的模型，卻以正好一半的價格販售。Moonshot 的新旗艦每百萬輸入 token 收費 2.00 美元、每百萬輸出 token 收費 10.00 美元；Anthropic 的模型則分別是 4.00 美元和 20.00 美元。兩者都接受一百萬 token 的上下文。兩者總是先思考再回答。而在兩家公司都有公布的唯一一項基準測試上，兩者相差 0.7 個百分點：在 Terminal-Bench 4.0 上，Kimi K3.1 Pro 為 65.7%，Claude Opus 5.5 為 66.4%。這就是挑戰者全部論據的三個數字，而且相當有力——但有兩項但書決定這套說法是否適用於你的工作負載：這兩個分數是在不同設定下產生的，而且 2 倍是每 token 的價格，而非每項完成任務的價格。

{{1}}Kimi K3.1 Pro{{/1}} 於 2026 年 10 月 24 日正式上線，就在公布其名稱的預告影片發布隔天。{{2}}Claude Opus 5.5{{/2}} 自 9 月 22 日起已全面推出。兩者都不是全新的實驗室實驗品：{{3}}Opus 5.5{{/3}} 是 Anthropic 自 9 月下旬以來持續推出的現行 Opus 等級模型，而 {{4}}Kimi K3.1 Pro{{/4}} 是 {{5}}Kimi K3{{/5}} 的後訓練版本，而非新架構。這讓這場比較在模型對模型的頁面上顯得格外清楚——雙方價目表都已公布，兩家廠商都發布基準測試表，且兩款模型都沒有躲在候補名單後面。

這兩張費率卡，逐行

五條線很重要，而其中一條打破了模式。

• 輸入 — Kimi K3.1 Pro 每百萬個 token 收費 $2.00，相較於 Claude Opus 5.5 的 $4.00。正好一半。

• 輸出 — $10.00 對比 $20.00。正好一半，而輸出正是主導代理式與推理工作的項目，因為在這些工作中，模型寫入的內容遠多於讀取的內容。

• 快取讀取 —— 兩邊都是 $0.20。這正是異常之處：兩家供應商在讀取快取前綴的價格上分毫不差，而這正是長時間運行的代理每一回合重新讀取儲存庫時所主導的成本項目。

• 快取寫入 — Kimi 對五分鐘的快取項目收費 $2.00，一小時收 $4.00；Anthropic 則收 $5.00 和 $8.00。Kimi 在這裡也更便宜，而且便宜超過一半。

• 快速變體 — Kimi K3.1 Pro 高速版為 $4.00 與 $20.00，輸出速度約為兩到三倍。Anthropic 在 Opus 5.5 上的快速模式為 $8.00 與 $40.00，最高可達 2.5 倍。相同的關係，相同的倍數。

因此，混合請求的算術很簡單。一次讀取一百萬個輸入 token、寫入 20 萬個輸出 token 的呼叫，在 Kimi K3.1 Pro 上要價 4.00 美元，在 Opus 5.5 上則要 8.00 美元。一個以 70% 快取命中率重讀百萬 token 上下文的代理，在 Kimi 上支付 0.74 美元的輸入費用，而 Opus 為 1.34 美元；若計入輸出，則分別為 2.74 美元對 5.34 美元。節省來自全新的輸入與輸出，而非快取，因為兩者的快取成本相同。

價目表不會告訴你的是，每個模型各會花掉多少 token。Kimi K3.1 Pro 預設採用其最高的推理設定 max；Claude Opus 5.5 則預設為 medium。預設以 max 思考的模型，平均而言，每個答案會寫出比以 medium 思考的模型更多的推理 token——因此廣告宣稱的 2× 是每 token 的價格，而不是每完成一項任務的價格，真正的差距取決於你的工作實際需要 Kimi 多出多少思考量。Moonshot 並未公布能據此定案的每項任務 token 數。

兩間實驗室都會印出的那項基準，以及為何它不是一項測量

Terminal-Bench 4.0 是這兩場發布中最接近共同衡量標準的東西，而即使在這裡，這兩個數字也並非以相同方式得出。

Anthropic 的 66.4% 是在 xhigh 強度下跑出的，比模型預設的 medium 高一級，使用 Anthropic 自家的測試框架，並啟用其安全路由。該公司公布了這張表，也明確說明此事。Kimi 的 65.7% 出現在 Moonshot 的發布資料中，是在模型預設的 max 設定下、由該公司同樣掌控的測試框架跑出；發布表格引用 Opus 5.5 的 66.4%，與 Anthropic 公布的數字相同，卻未說明 Moonshot 是重新跑過還是直接引用。兩份由廠商自行跑出的表格之間，0.7 個百分點的差距，且是在不同強度設定、不同測試支架上，並不構成對兩個模型差異的測量。這只是表明兩者夠接近，接近到可由測試框架的選擇決定排名順序。

又有兩個資料點指向同一個方向。由 Artificial Analysis 在 Opus 5.5 發布時所報導、針對同一基準所做的獨立評估結果為 59.6%——比 Anthropic 自己公布的數字低七個百分點，而且其配置包含伺服器端防護路由。而 Moonshot 自己的文件在發布當天，針對其 Terminal-Bench 與科學基準分數仍帶著字面上的「[xx.x%]」佔位符，而行銷貼文則載明了數字。這兩項事實都無法證明相對品質如何。兩者都顯示，發布當天的基準表首先是行銷產物。

在廠商確實有共識的地方，說法是一致的：Kimi K3.1 Pro 在雙方都有衡量的任務上接近 Opus 5.5，並且大幅領先自家前代。Moonshot 的長時程程式設計測試套件從 55.95% 提升到 61.2%，其無工具 CAD 分數為 72.8，對上 Opus 的 73.0；而在廠商自有的高難度資料集上，使用工具時的幻覺率從 23.4% 降至 8.3%——這個數字若能在外部評估中依然成立，對文件密集型工作的意義會比任何基準分數都更大。

努力程度調節盤才是這兩款產品真正的差異所在

兩個模型都提供「推理強度」欄位；但對於這個欄位有幾個檔位，以及預設停在哪一檔，兩者的看法並不一致。

Kimi K3.1 Pro 有三種：low、high 與 max，預設為 max。Claude Opus 5.5 有五種：low、medium、high、xhigh 與 max，預設為 medium。兩款模型都不讓呼叫端關閉思考。Kimi 直接固定取樣設定——temperature 1.0、top-p 0.95、n 為 1——並拒絕其他數值，因此 effort 是它唯一提供的行為調節選項。Anthropic 則讓 temperature 可設定，但保持自適應思考始終開啟，因此 effort 是唯一能改變模型思考量的調節項。

預設值確實在發揮作用。Kimi 的預設很誠實，但也很昂貴：每個未傳入 reasoning_effort 的請求，都得付出最深層設定的成本。Opus 則以中間檔位出貨，並把最高兩檔保留給主動要求的呼叫方。如果你遷移工作負載而其他什麼都不改，你同時改了模型和它的思考預算，而這正是「更便宜的模型」最後往往並非如此的最常見原因。Anthropic 自家的表格顯示了同一模型內這種效應的幅度：CursorBench 4.0 在 xhigh 下得分 57.8%，在 medium 下得分 52.5%，而 FrontierCode 在同樣兩個設定之間只變動 0.2 個百分點。推理力度敏感度會因工作負載而異，沒有哪份模型卡能預測你的情況。

有一個營運上的陷阱同時適用於兩者。在對話進行到一半時切換 effort 會使前綴快取的命中失效，因此若代理在漫長工作階段中途提高 effort，就得付出重新讀取所有原本已快取內容的代價。要在工作階段開始前就決定好層級，而不是在進行中才決定。

每家廠商在你沒注意時對模型做了什麼

兩家實驗室如今都已推出模型，其對某些輸入的行為並非你所要求的行为，而兩者都公開說明了這一點。

Anthropic 的 Opus 5.5 發布文件指出，大多數與網路安全相關的任務可能會被重新導向至 Claude Opus 4.8，而生物學與前沿模型開發工作則可能回退至 Opus 5。這些回退是在伺服器端發生：回應來自不同的模型，而呼叫端唯一能取得的訊號是內容本身。對於與安全相鄰的工作負載而言，這是實質的能力變更，而非政策腳註。

Moonshot 走了不同的路線。它從中期訓練與強化學習階段移除了與網路相關的資料，同時保留一般程式編寫，並公布了這麼做的代價：其對抗性程式編寫分數從未設防檢查點上的 90.5% 降至正式發布模型的 81.0%。該公司將此定調為刻意對攻擊性網路能力設下的上限，並表示會逐步調高這個上限。Kimi K3.1 Pro 不會改道你的請求；它只是在這一類別上較弱，而差距是其自家供應商所公布的。

哪個比較好，取決於你正在建構什麼。如果你需要所選模型產生確定性的輸出，默默回退比已揭露的弱點更糟。如果你需要在廠商設限的任務上取得盡可能最強的結果，回退仍可能比拒絕更好——但你現在是在以為自己只用一個模型的情況下，同時對兩個模型進行基準測試。

決定開放權重問題的日期

Kimi K3.1 Pro 正以開放權重模型的名義販售，但權重尚未釋出。Moonshot 表示，完整權重將於 2026 年 11 月 4 日前釋出。在那之前，任何比較表中的「開放權重」欄位都只是承諾；而截至 10 月 24 日，托管 Kimi K3 的 Hugging Face 組織上，最新的也只有 K3。

Claude Opus 5.5 沒有開放權重計畫，也永遠不會有。對於任何部署方式無法呼叫託管 API 的人來說，無論價格如何，比較到此為止：一邊是你或許能在十一天後下載的產品，另一邊則是租用。對其他人而言，11 月 4 日就是價格比較變成真正的架構選擇、而非採購選擇的日子。

今天跑什麼

以下是價目表未涵蓋的部分：可用性。Claude Opus 5.5 即日起可透過 OrcaRouter 呼叫，每百萬個 token 為 $4.00 與 $20.00，快取讀取為 $0.20——供應商牌價原樣傳遞，未加收任何加成——並與你技術堆疊其餘部分使用同一把金鑰；在我們的路由上，過去七天的首字時間中位數為 3.86 秒。Kimi K3.1 Pro 於 10 月 24 日加入同一份目錄，價格為 $2.00 與 $10.00，快取讀取為 $0.20，提供 1,048,576 個 token 的視窗，以及官方公布的輸出上限 943,718 個 token。兩者現在都能在同一把金鑰上回應。

把兩者放在同一把金鑰後面，是兩家廠商文件都沒提到的事。在 2 倍價差下，比選出贏家更重要的決策是路由策略：把最難的那五分之一流量送給 Opus 5.5，其餘送到 Kimi K3.1 Pro，並讓自動容錯移轉涵蓋任一邊的停擺。原價透傳模式正是讓這筆算術保持誠實的關鍵——分流兩邊各自按供應商自己公布的價格計費，完全不外加費用，所以你算出的節省就是實際得到的節省，而任一供應商調價，這裡當天就同步生效。

這讓比較又回到原點。如果你的工作主要由兩款模型彼此差距在一分以內的任務主導，那麼價格差距就是全貌，答案就是較便宜的那款模型。如果你的工作主要由長時程編碼主導，而在這方面，Opus 已有三個月的獨立評估作為後盾，Kimi 卻只有昨天才公布的廠商表格，那麼 0.7 分並不是值得信賴的數字——值得信賴的是你自己的評估，並以你實際部署時會採用的投入程度設定來執行。兩家供應商如今都讓這件事變得容易，因為兩者都讓你調整旋鈕，也都公布調整旋鈕所需付出的代價。