Kimi K3.1 Pro 與 DeepSeek V4.1 Flash：以十三倍價格換取十六個指數點

在我們的產品目錄中，DeepSeek V4.1 Flash 每百萬輸入 token 要價 0.15 美元，每百萬輸出要價 0.60 美元。Kimi K3.1 Pro 則要價 2.00 美元與 10.00 美元——輸入貴 13 倍，輸出貴 17 倍。在獨立指數上，這個價格換來 16 分：Artificial Analysis 給 Kimi K3.1 Pro 55 分、DeepSeek V4.1 Flash 39 分。它還換來不同形態的模型——DeepSeek 速度快 2.5 倍，冗長程度也超過兩倍，因此每 token 的差距和每項任務的差距並不是同一個數字。這是目前產品目錄中最乾淨的能力與價格取捨，而有趣的是，它在每項任務上並不全然指向同一邊。

兩款模型都具備百萬 token 的上下文，兩者都接受圖像，且兩者都能生成數十萬 token 的輸出。一款是中國實驗室於十月發布的前沿旗艦模型；另一款是 DeepSeek 架構家族中的小型模型，於 2026 年 9 月 10 日發布，定位為其早期 Flash 模型的量產接班人。這項比較真正要談的是 16 個指數點對特定工作負載值多少——以及那個便宜模型勝出的唯一基準測試。

費率表，以及真實工作負載的成本

• 輸入 — Kimi K3.1 Pro 每百萬個 token 為 $2.00，而 DeepSeek V4.1 Flash 則為 $0.15。

• 輸出 — $10.00 相較於 $0.60。

• 上下文視窗 — 兩者皆為 1,048,576 個 token。

• 最大輸出 — Kimi K3.1 Pro 上為 943,718 個 token，V4.1 Flash 的基礎端點為 384,000 個，1017 快照則為 393,216 個。兩者都大到輸出長度不再是限制。

• 權重與規模 — DeepSeek V4.1 Flash 是擁有 5,520 億參數的專家混合模型，其中活躍參數為 160 億，並以 MIT 授權在 Hugging Face 上發布。Kimi K3.1 Pro 屬於 3T 等級，其權重承諾於 11 月 4 日前釋出，授權條款則尚未公布。

• 速度 — 在評估者的供應商上，DeepSeek 每秒可輸出 181 個 token，而 Kimi K3.1 Pro 則為 73.5 個。就大量工作而言，這是僅次於價格的第二大差異。

在大量處理時，這筆算術很殘酷。一次呼叫讀取一百萬個輸入 token、寫入 200,000 個輸出 token，在 Kimi K3.1 Pro 上要花 $4.00，在 DeepSeek V4.1 Flash 上只要 27 美分。一條每晚執行的管線每月處理 2,000 份長文件，每份有 50,000 個輸入與 5,000 個輸出 token，在 Kimi 上大約花 $300，在 DeepSeek 上則約花 $21。對大規模的分類、擷取、改寫與摘要而言，這 16 個百分點的差距很少以客戶會注意到的形式出現；真正有感的是帳單。

有兩點但書，使這還不是全貌。Artificial Analysis 是透過供應商、而非依定價表來測量這兩款模型，它記錄 DeepSeek V4.1 Flash 為每百萬 token 輸入 $0.295、輸出 $1.20——是我們目錄價的兩倍，也提醒我們：比較中最便宜的數字，往往是實際上沒有人支付的價格。更重要的是，它的每項任務成本為 $0.48，而 Kimi K3.1 Pro 為 $2.11：節省幅度為 4.4 倍，而非 token 價格所暗示的 15 倍，因為 DeepSeek 在指數測試執行期間產生了 2.5 億個輸出 token，而 Kimi 為 1.5 億個。冗長度消耗了價格優勢，而且兩款模型的冗長度都遠高於中位數。

十六個百分點可不是四捨五入的誤差

同樣的差距，在分類任務中無關緊要，但在任何涉及計畫的任務裡卻影響重大。獨立指數是十項評估的平均值，涵蓋知識、推理與代理式工作；平均值上有 16 個百分點的差距，意味著分佈中最困難的一端並不相近。在 Moonshot 的發布表中，Kimi K3.1 Pro 在長程編碼上得分 61.2%，在 Terminal-Bench 4.0 上得分 65.7%；Flash 層級在那些列中完全沒有出現。

務實地說：如果任務能在提示詞中明確指定，並由驗證器檢查，那就買便宜的模型，把省下的錢花在重試上。如果任務需要判斷下一步該做什麼——讀懂失敗的測試、挑選要編輯的檔案、從錯誤的工具呼叫中復原——那 16 分的差距，就是一個能完成任務的 agent 與一個陷入迴圈的 agent 之間的差別。

便宜模型唯一勝出的那一列

Moonshot 自家的基準測試表中，有一行數據對其不利。在 xdev-bench-hard 的 pass@3 測試中——這是一項由廠商自行執行的對抗性程式設計評測——DeepSeek V4.1 Flash 拿下 85.7%，而 Kimi K3.1 Pro 為 81.0%。前代模型 Kimi K3 的得分則是 33.3%。

原因在發布資料的其他部分顯而易見：Moonshot 在推出 K3.1 Pro 前，從中期訓練與強化學習中移除了網路安全相關資料，並公布了這麼做的代價。未採取這些措施訓練的檢查點，在同一基準上得分 90.5%；而交付的模型得分為 81.0%。相較之下，DeepSeek 並未宣布同等的能力降低，而其 85.7% 的成績仍高於成本是它十三倍的模型。

就防禦性安全工作——掃描、分流、在審查下起草修補程式——而言，那一列值得納入權衡。對於接近攻擊性的工作，無論分數為何，兩家廠商的條款與法律都適用。

上下文與輸出令人驚訝

在比较结果变得过于整齐之前，有一个实务上的提醒：Artificial Analysis 已将基础版 V4.1 Flash 标记为弃用，并建议改用 V4.1 Flash 1017 快照，也就是我们目录同样以相同价格提供的固定 10 月 17 日检查点。指数数值 39 是针对基础模型；新工作应以该快照为目标，它具备相同的上下文窗口，输出上限则略大。

這項比較之所以不像價格顯示得那麼懸殊，是因為便宜模型並沒有犧牲倉庫。一個 0.15 美元的模型具備一百萬 token 的上下文，意味著以往需要分塊的檢索增強流程可以直接送出整份文件。384,000 token 的輸出上限，則意味著批次工作可以在一次呼叫中要求輸出整份改寫後的檔案。

它犧牲掉的，是邊緣情境下的可靠性：對長篇多步驟提示的指令遵循、工具呼叫的復原能力，以及跨回合維持計畫的能力。而這些正是 Kimi K3.1 Pro 的後訓練預算所投入之處，也正是通用指數壓縮成 16 分時所忽略的東西。

如何拆分工作

兩款模型皆可透過 OrcaRouter 以供應商的定價呼叫，不加收任何費用——Kimi K3.1 Pro 為 $2.00 與 $10.00，DeepSeek V4.1 Flash 為 $0.15 與 $0.60——只需同一組金鑰，且若其中一家供應商停滯，會自動容錯移轉。

這種依循證據的分工：把擷取、分類、翻譯、摘要與初稿撰寫交給 V4.1 Flash，並把長程編碼、代理程式編排，以及任何必須能從自身錯誤中復原的工作交給 Kimi K3.1 Pro。若這樣的分工落在按 token 量計算的常見 80/20 比例，每百萬個 token 的混合成本便降至約 80 美分——是全 Kimi 基準的五分之一——而需要前沿模型的任務仍能取得它。

要避免的錯誤，是把任一模型當成同時解決這兩類工作的答案。在 13 倍的價格差距下，便宜模型並不是大量工作的妥協方案；它是正確選擇。在 16 個指數點的差距下，它也不能取代那困難的 20%。