Kimi K3.1 Pro 對比 Kimi K3：相同骨幹、更低價格，還有一張到期的後訓練帳單

Kimi K3.1 Pro並不是一款全新模型，不像Kimi K3那樣是全新模型。Moonshot AI 於 2026 年 10 月 24 日發布的版本，明確是 Kimi K3 的後訓練版本，後訓練算力大幅增加——相同架構、相同的 1,048,576 token 上下文、相同的原生視覺能力，以及透過在數百個下游領域進行強化學習所附加的一組不同行為。這項比較有趣之處，不在於基準測試表格中的差異，而在於這個更新、更好的模型，每 token 成本比舊模型低三分之一。

這種倒置相當罕見，值得仔細檢視。通常實驗室會以相同價格推出更強的模型，並讓舊模型逐步流向低階市場。Moonshot 反其道而行：舊模型維持原價，卻把新模型降價至每百萬個 token 輸入 $2.00、輸出 $10.00，相較於 Kimi K3 的 $3.00 與 $15.00。要理解原因，必須區分模型本身實際改變了什麼，以及其周遭商業環境改變了什麼。

架構並未移動

Kimi K3 於 2026 年 7 月 16 日問世，是 2.8 兆參數級別中首個開放模型：採用混合專家設計，擁有約 1,040 億個活躍參數、896 個專家，且每個 token 啟用其中 16 個；具備 100 萬 token 的上下文視窗、原生圖像與影片理解、工具呼叫、提示快取及內建推理能力。其權重於 7 月 27 日發布，許可證允許使用、修改、散布與微調；年收入超過 2,000 萬美元的模型即服務供應商須另行簽訂協議，超大型商業產品則須標示來源。

Kimi K3.1 Pro 全都保留。Moonshot 稱這款新模型為「3T-class」，這是定位用語；發表會上的報導指出，它維持相同的 2.8 兆總參數與 1040 億活躍參數。上下文上限、視覺支援與 100 萬 token 輸出上限均未改變。如果你原本期待的是更低的活躍參數數量或更長的視窗，那這次的發布並不是那樣。

真正改變的是預訓練之後的訓練。Moonshot 描述了橫跨數百個領域的大規模聯合強化學習，並由重新設計的沙箱基礎設施、rollout 排程與環境品質檢查提供支援。簡單來說，該公司投入大量算力，教現有模型在代理式與專業任務上表現得更好，而不是教它更多事實。這就是為什麼效能提升會集中在那些地方。

數字說明了什麼，以及比較不足之處何在

廠商的基準測試表涵蓋範圍很廣——共 14 項評估——但這並不是嚴謹的成對比較。Moonshot 僅公布了 Kimi K3 在部分新測試中的數據，因此有些最懸殊的落差，是相對於其自家內部測試套件，而非相對於兩個模型都曾參與的公開基準測試。

• 長程編碼 — Kimi Code Bench 3.0 Long-horizon：Kimi K3.1 Pro 為 61.2%，Kimi K3 則為 55.95%。這是本次發布中最清楚的前代數據，也是最受廠商掌控的一項，因為基準測試與測試框架都歸 Moonshot 所有。

• 幻覺 — Kimi Hallu Bench Hard 的 claim 層級比率從 Kimi K3 的 23.4% 降至 Kimi K3.1 Pro 搭配工具時的 8.3%。在未使用工具的情況下，新模型得分為 5.4%。Moonshot 也表示，含有至少一項事實錯誤的回覆目前是前代模型比率的 42.4%。對於文件密集型工作而言，這是本次發布中最具影響力的改進。

• 財務與業務營運 — 內部財務建模 57.6 對 50.4，財務研究 70.4 對 58.8，業務營運 37 對 8.9。後者在舊模型幾乎無法運作的任務上提升了四倍。這些是 Moonshot 自家的評估，因此請將幅度視為方向性參考。

• 3D 與 CAD — BenchCAD 使用工具時 92.7，不使用工具時 72.8。Moonshot 未公布 Kimi K3 在這項測試的數據，因此即使絕對分數亮眼，發布貼文中仍未量化其提升。

• 對抗性程式編寫——Kimi K3.1 Pro 的 xdev-bench-hard pass@3 為 81.0%，Kimi K3 為 33.3%，而 DeepSeek-V4.1-Flash-1017 則為 85.7%。一個在未採用該公司風險降低措施的情況下訓練的檢查點得分為 90.5%，Moonshot 將這 9.5 個百分點的差距歸因於安全工作和訓練資料控管。

• 前沿水準——Terminal-Bench 4.0 達 65.7%，落後 Claude Opus 5.5 的 66.4%，領先 GPT-6 Astra 的 58.2%。BenchCAD 搭配工具為 92.7，落後 Opus 的 96.2 與 Astra 的 95.9。模式相當一致：貼近前沿，卻鮮少登頂。

這些都未經獨立驗證。Kimi K3 問世時，Artificial Analysis Intelligence Index 為 57，當時全球排名第三，落後於 Claude Fable 5 與 GPT-5.6 Sol；而 K3.1 Pro 在發布當天，並不存在同等的第三方評分。測試框架（harness）問題並非假設：Terminal-Bench 分數會因 scaffolding 不同而擺動數十點，這就是為什麼不同實驗室得出的 65.7% 與 58.2% 不能用來衡量 7.5 點的差距。方向可信；幅度則尚不可信。

價格倒掛才是真正的重點。

Kimi K3 推出時是市場上最貴的中國模型，每百萬個 token 的輸入價格為 $3.00、輸出價格為 $15.00，約為 K2 世代的 3 到 4 倍。這一定價是刻意押注：贏得前沿工作負載的會是能力，而非成本。Kimi K3.1 Pro 在較新的模型上反轉了方向，同時維持舊價格不變。

• 輸入 — K3.1 Pro 每百萬 $2.00，相較於 K3 的 $3.00，降幅 33%。

• 產出 — $10.00 對比 $15.00，也是 33%。

• 快取命中 — 0.20 美元對比 0.30 美元，在佔據 agent 工作負載主導地位的這一項上削減了 33%。

• 快取寫入 — 五分鐘與一小時 TTL 分別為 $2.00 和 $4.00，相較於 $3.00 和 $6.00。

• 高速版本 — 定價 $4.00 與 $20.00，快取命中價格同為 $0.20；輸出速度為兩到三倍，在 Kimi Code 中的額度約為兩倍。

這筆帳用一張餐巾紙就算得出來。一次讀取 100 萬輸入 token、寫出 20 萬輸出 token 的請求，在 {{1}}Kimi K3{{/1}} 上要價 6.00 美元，在 {{2}}Kimi K3.1 Pro{{/2}} 上則是 4.00 美元。一個每一輪都重新讀取大型程式碼倉庫、有 70% 的機率命中快取的代理，在同樣形式的呼叫下，於 K3 上約付 4.11 美元，在 K3.1 Pro 上約付 2.74 美元。如果新模型還能用更少的輪數完成任務——而這正是長程訓練的全部意義所在——那麼每個完成任務的成本降幅，會比 token 價格所顯示的更大。

為什麼降價？最有可能的解釋是出於競爭，而非慈善。2.8T 參數模型的服務成本高昂，而與前沿模型相近的模型市場在 2026 年一路朝價格趨同邁進。Moonshot 自家的 K2 退役時程更添壓力：K2 系列模型自 2026 年 10 月 31 日起不再向新用戶提供，並預計於 12 月底退役。將 K3.1 Pro 定價低於 K3，讓每位 K2 客戶都有理由向上遷移，而不是轉往他處選購。較舊的 K3 價格維持不變，因為已經為它編列預算的人，不需要折扣也會留下。

在哪些情況下，Kimi K3 仍是正確答案

有三種情況在比較後依然成立。第一種是現行階段的自行託管：Kimi K3 的權重自 7 月 27 日起就已公開，而 Kimi K3.1 Pro 的權重則承諾要到 2026 年 11 月 4 日才會釋出。若你的部署環境無法呼叫託管 API，那麼無論評測表怎麼說，較新的模型目前都還不是選項。

第二個是行為穩定性。一個已在生產環境運行三個月的模型，具有已知的失效特徵。Kimi K3.1 Pro 在設計上會改變推理行為，而其常開的思考模式預設為最高投入，並非可直接套用到每一條管線。擁有嚴格評估套件的團隊應預期需要重新建立基準，而不只是替換一個字串。

第三點是取樣控制。Kimi K3.1 Pro 將 temperature 固定為 1.0，並將 top_p 固定為 0.95，且拒絕其他數值；在對話中途變更推理強度也會使前綴快取命中失效。若你的應用程式依賴低溫確定性，在假設升級沒有代價之前，請確認較舊的模型是否提供較新模型所沒有的控制能力。

移民決定，不帶炒作

對於程式設計代理、長時程工具使用、金融研究與文件驗證而言，轉換的理由很充分：正是在這些領域，廠商回報的評分更好、每一條計費項目的價格更低，而且幻覺率下降了約三分之二。風險在於這一切全都是自行回報的，因此穩妥的做法是先在你自己的任務上進行影子評估，再切換生產流量。

對於批次生成與長上下文檢索而言，快取命中價格才是真正重要的數字，而這讓新模型享有三分之一的優勢。對任何堅持開放權重的人來說，日期才是決定因素：11 月 4 日是最早能讓這項比較成真的日子。

OrcaRouter 在這件事中的角色刻意保持低調。我們的目錄目前以 Moonshot 的牌價、0% 加價提供 kimi/kimi-k3，且與你技術堆疊其餘部分使用同一把金鑰，因此這項比較中較舊的一方已可直接呼叫，無需另簽合約。截至撰寫本文時，Kimi K3.1 Pro 尚未收錄於目錄中。當它上架後，直通模式意味著上方所述的 $2/$10 就是你在這裡支付的價格，而非經銷商版本；而切換世代只是在路由政策中變更模型字串，而不是一項遷移專案。

裁決

Kimi K3.1 Pro 是更好的模型，也是更便宜的那一款，這讓推薦變得容易，但證據卻比表面上看起來更薄弱。Moonshot 改善了對代理式與專業工作至關重要的行為，將每一項價格調降三分之一，並披露了一項多數發布文章原本會掩蓋掉的、與安全相關的回歸問題。它尚未做的，是將結果提交給獨立評測框架。如果你已經在使用 Kimi K3，這次升級會先在帳單上回本，之後才在基準測試上回本。如果你一直在等待證據，模型權重與首批外部評測都將在兩週內到位——而屆時這項比較就不再是廠商宣稱，而會成為一項實測。