Kimi K3.1 Pro vs Grok 4.7：準確度相同，帳單卻高出 72%

在一場建構於合成風電場資料倉儲之上、共 43 題的私人資料分析測驗中，Kimi K3.1 Pro與Grok 4.7都拿下 42 分。兩個模型都沒看過這些題目，而且資料是虛構的，因此不可能有任何答案被記住。分數相同、名次相同——在 34 個受測模型中並列第三。帳單金額並不相同：Kimi 的執行成本為 $13.47，Grok 的成本為 $7.85。

那組數字是任何人針對這個對決所發表過最有用的東西，因為它是唯一一組一對一較量：兩個模型都由同一批人、在同一天、針對同一組答案來執行。幾乎所有其他流傳中的內容，要麼是在不同測試框架下產生的廠商基準測試，要麼是悄悄以 Kimi K3 取代 Kimi K3.1 Pro 的比較。所以本文先從中性測試顯示的結果談起，再區分哪些差異是真實的，哪些是由誰執行測試所造成的假象。

兩種模式，兩種截然不同的押注

Kimi K3.1 Pro 於 2026 年 10 月 23 日登場，是 Kimi K3 經後訓練而成的後繼版本，而非全新架構。Moonshot AI 保留了 2.8 兆參數的混合專家主幹、1,048,576 個 token 的上下文視窗，以及原生圖片與影片輸入，並將本次發布的重點放在代理式與專業領域的強化學習上。完整權重承諾於 2026 年 11 月 4 日前提供。

Grok 4.7 提前一個月，於 2026 年 9 月 21 日由 xAI 推出。它是專有模型，據報以約 2.1 兆個參數為基礎，但 xAI 尚未證實；它具備 500,000 個 token 的輸入視窗與 450,000 個 token 的輸出上限，並維持 Grok 4.6 的價格。其知識截止時間為 2026 年 6 月，並有延伸至 8 月的補充訓練。

• 價格 — Kimi K3.1 Pro 每百萬 token 輸入 $2.00／輸出 $10.00；Grok 4.7 為 $2.00／$6.00，一旦提示超過 200K token 便調漲至 $4.00／$12.00。

• 快取輸入——Kimi 為 $0.20，Grok 則為 $0.50；對於每一輪都會重新讀取同一個儲存庫的代理而言，這種價格倒掛比表面上的標價更為重要。

• 上下文 — 1,048,576 個 token，相較之下為 500,000。Kimi 也允許單次回應最多輸出 943,718 個 token，這與其說是項功能，不如說是對這款模型究竟為何而建的一種宣示。

• 模態 — Kimi 支援文字、圖像與影片輸入，輸出文字；Grok 支援文字、圖像與檔案輸入，輸出文字。

• 推理控制 — Kimi 預設會進行推理，且可選擇推理強度；Grok 提供低、中、高與 xhigh 等級，且不允許關閉推理。

• 開放性——Kimi 承諾於 11 月 4 日釋出權重；Grok 僅提供 API，且將維持不變。

中立地帶，以及它有多麼薄弱

Plotly 的測驗是目前最清楚的比較。這是一份針對合成風能機隊資料倉儲的私有 43 題測試，分為分析題、模糊請求、不可能請求、統計陷阱、資料品質檢查，以及五個優秀分析師應能主動發現的植入模式。Kimi K3.1 Pro 通過 42 題，高於 Kimi K3 的 35 題。Grok 4.7 也通過 42 題。兩者都落後於 GPT-6.1 Sol 和 GPT-6 Astra 的 43 題。

平局背後的細節，正是兩個模型出現分歧之處。Kimi 找出了全部五個埋設模式，並捕捉到全部三個資料品質問題——重複列、缺少最後一天，以及已退役風機與真正發電量為零的風機之間的差異。它唯一的漏失是一處邊界錯誤：它將韌體安裝前的 2,775 個風機日計為「其他韌體」，使平均值變動約 0.0003，剛好超出測試容差。這是定義邊緣上的精度失誤，而非推理失誤。

第二項中立測試則指向相反結果。在 DualEntry 的會計評測中，Grok 4.7 以 88.1% 並列第二，而 Kimi K3.1 Pro 以 86.1% 名列第四。在該次測試中，Kimi 是每項任務成本最低的模型，為 0.079 美元，但也是速度最慢的模型之一，每項任務耗時 125.6 秒。兩項中立測試、兩次接近平手的結果，而兩者之間的排名卻互換了。這才是真正的同儕比較該有的樣子，而這也是大多數發表首日報導所欠缺的。

在差異真實存在之處

寫作方面並非勢均力敵。ToneBench 依據十份簡報為草稿評分，每份草稿由四名評審打分，將 Kimi K3.1 Pro 排在 2,205 Elo、83 種配置中的第七名，而 Grok 4.7 為 1,904、排名第二十五。兩者的 95% 區間不重疊：2,166–2,246 對上 1,855–1,962。Kimi 在十份稿件中贏了九份，並在九項子指標中贏了七項，差距最大的是長度遵循度（95.4 對 78.7）與視覺提示（84.9 對 78.8）。Grok 的勝幅狹窄，且僅限於語氣與 YouTube 慣例。以每份稿件 $0.251 對上 $0.215 來看，這不是成本決定。

程式設計與代理式工作正是證據變得混亂的地方，也是大多數比較會誤導人的地方。xAI 回報 Grok 4.7 在 Terminal-Bench 4.0 上達到 37.6–38.0%。Moonshot 回報 Kimi K3.1 Pro 在同一基準上達到 65.7%。這兩個數字相差 28 個百分點，但並不代表 Grok 的模型能力只有一半，因為 Terminal-Bench 的分數會隨著測試框架、時間限制與允許嘗試次數而變動數十個百分點。在不同實驗室產生的 65.7% 與 38.0%，是兩個頂著相同名稱的不同測量結果。

確實存在的獨立程式編碼證據偏向 Grok，但那些證據針對的是 Kimi K3，而非 K3.1 Pro。在標準迷你代理框架下執行 SWE-bench Verified，Grok 4.7 得分 95.6%，Kimi K3 則為 93.4%。目前還沒有人公布 K3.1 Pro 的同等數據。Moonshot 自家的長時程數據——Kimi Code Bench 3.0 Long-horizon 上 61.2%，K3 為 55.95%；SWE Marathon 上 51.7%，Claude Opus 5.5 為 45.6%——顯示後訓練確實有幫助，但那終究是廠商在自己打造的基準上批改自己的作業。

長上下文是唯一不需要基準測試就能看出的能力差距。一百萬個 token 對上五十萬個，是兩倍的差距，而 Kimi 的快取命中價格不到 Grok 的一半。如果工作負載是單一儲存庫、一套合約，或一整年的支援工單，那麼在任何分數被讀取之前，勝負就已決定。

為什麼發票會出現差異

Plotly 測驗上的 72% 成本差距，不能只靠費率表解釋。Kimi 的輸出價格高出 67%，因此在相同 token 數量下，成本會更高，但在兩款模型產出相同答案品質的測驗中，不會高出 72%。其餘差異來自它們寫了多少內容，以及為了達到結果做了多少次呼叫。

Kimi 每題平均約進行 7.5 次模型呼叫，每題中位數為 2.5 分鐘，在 34 個模型中第二慢；其中約 90% 的時間是模型回應，而非 SQL 執行。在隱藏模式題目上，它進行了約 73 次工具呼叫。Grok 在其他地方的獨立測試發現，它每項任務消耗的輸出 token 約為 Grok 4.6 的兩倍，這會產生相反的效果。在這項測驗上的淨效果是，儘管 Grok 每步驟消耗更多 token，但每個正確答案花費的美元較少。

生產環境代理的計算方式如下。以一個讀取 100K 輸入 token、寫出 8K 輸出，並執行 20 回合的任務為例。

• Kimi K3.1 Pro，無快取——20 回合，輸入 $0.20 加上輸出 $0.08，每項任務約 $5.60。

• Grok 4.7，無快取——以 $0.20 輸入加上 $0.048 輸出的相同型態計算，每項任務約 $4.96。

• Kimi K3.1 Pro，70% 快取命中率 — 每輪輸入降至 $0.074，使整體任務成本約為 $3.08。

• Grok 4.7，70% 快取命中率——每回合輸入成本降至 $0.095，使整體任務成本約為 $2.86。

{{1}}Grok{{/1}} 即使在快取命中率高的情況下，仍能在代理任務情境中勝出，因為輸出 token 佔主導，而且它對輸出 token 的收費低 40%。只有在輸出相對於輸入很小時，{{2}}Kimi{{/2}} 才會反超。以一次檢索呼叫為例，輸入 100K、輸出 1K、快取率 70%：{{3}}Kimi{{/3}} 成本為 $0.084，{{4}}Grok{{/4}} 為 $0.101，{{5}}Kimi{{/5}} 勝出 17%。交叉點不是快取百分比——而是輸入對輸出的比例。讀取密集型工作交給 {{6}}Kimi{{/6}}，寫入密集型工作交給 {{7}}Grok{{/7}}，而誠實的建議是衡量你自己的比例，而不是相信任一廠商的範例。

速度改變的是系統的形態，而不只是帳單。

根據我們自己的測量，Kimi K3.1 Pro 的首個 token 延遲中位數為 6.9 秒，速度為每秒 48 個 token。Grok 4.7 在第三方測試中，首個 token 約需 1.3 秒，速度約為每秒 61 個 token。對聊天產品而言，這樣的差距相當明顯。對需要連續發起 20 次呼叫的代理來說，這正是「任務感覺瞬間完成」與「任務感覺像壞掉了」之間的差別；而這也是為什麼儘管 Kimi 在寫作評分上更強，好幾項程式編碼工具比較仍把勝利判給 Grok 的真正原因。

推理控制會讓這問題更加複雜。Grok 讓你能把投入程度從低調到 xhigh，並據此收費；在低設定下，ToneBench 測得 1,815 Elo，每份腳本 $0.064，是中等設定成本的四分之一。Kimi 預設就會進行推理，而其投入程度設定是更粗糙的工具，取樣固定為 temperature 1.0 與 top_p 0.95——它不接受其他替代值。若管線依賴低溫確定性，那就是在進行任何基準測試前必須先解決的相容性問題。

哪一個屬於生產環境？

當工作屬於長上下文且文件密集時，請選擇 Kimi K3.1 Pro：合約審閱、財務研究、多檔案儲存庫分析，以及資料品質稽核——在這些情境中，模型必須注意到缺少了什麼，而不是回答被問到的問題。1M 視窗、低成本快取，以及 Moonshot 報告指出搭配工具後幻覺性陳述從 23.4% 降至 8.3%，全都指向同一方向。它也是兩者中唯一將提供可下載版本者，這在工作負載無法離開你的基礎設施時很重要。

當延遲本身就是產品的一部分時，請選擇 Grok 4.7：互動式編碼助理、IDE 代理、面向客戶的工具運用，在這些場景中，六秒的停頓會被視為缺陷。它的輸出成本更低、首個 token 的生成更快，而獨立的編碼評測證據——儘管為數不多——也站在它這一邊。它的 500K 視窗對大多數儲存庫工作而言並非限制，但對某些工作來說確實是。

對任何想要單一贏家的人來說，令人不舒服的答案是：這兩個模型在它們唯一共同接受過的中立測試上打成平手，而決勝點在於你的輸入輸出比與延遲預算。這些都是你在一個下午就能測量的特性，沒有任何發布文章能告訴你它們是什麼。

在沒有第二份合約的情況下同時執行兩者

這是唯一一個能低成本安排同時試用兩者的對比。OrcaRouter 把 kimi/kimi-k3.1-pro與grok/grok-4.7放在同一把金鑰上，以供應商定價、不加價，所以上面的 $2.00、$10.00 和 $6.00 就是你實際被收取的費用，而不是轉售商版本。這一點在這裡比平常更重要，因為決策取決於你自己應用程式內實測的快取行為和延遲——這表示你需要讓兩個模型都透過同一個端點和同一份帳單來取用，才能公平比較。

這也改變了備援方案的整體考量。跨供應商的自動容錯移轉意味著，某個模型遇到速率限制或服務中斷時，不會讓功能停擺；而路由 DSL 讓你能在單一策略內，把長上下文路徑導向 Kimi、把互動路徑導向 Grok，不必維護兩套整合。如果你還在猶豫，這是一種用一部分生產流量來執行評估的方法，而不是從基準測試表裡挑選。

什麼會改變這個判決？

兩件事，都有明確日期。第一件是11月4日，Moonshot 已承諾屆時釋出完整權重。以這樣的品質，一個開放權重的 Kimi K3.1 Pro 會改變所有因合規理由而需要自行架設者的盤算，而那也是獨立實驗室得以在沒有 API 預算的情況下運行這個模型的時候。

第二個是真正具代理能力的正面對決。目前流傳的每一項程式設計比較，不是用 Kimi K3 取代 Kimi K3.1 Pro，就是把兩套廠商測試框架拿來比較，彷彿它們是同一項量測。一旦有人讓這兩個模型在相同任務上跑過同一個代理腳手架——就像 Plotly 對資料分析所做的那樣——程式設計問題就不再會有爭議。在那之前，站得住腳的立場就是那個無聊的立場：Grok 4.7 用於速度與互動式程式設計，Kimi K3.1 Pro 用於長上下文、寫作與文件工作，而且在兩者任一進入正式上線路徑之前，都要先在你自己的流量上量測兩者。