一張生成的標題卡寫著 Qwen 4 對 Kimi K3.1 Pro,副標題為 $3.27 對 $3.68,這並非標價所暗示的差距,另有兩張卡片:每 100 萬輸出 token 的價格列出 Qwen4-Max $4.50 與 Kimi K3.1 Pro $10.00,以及每完成一項任務的成本列出 Qwen4-Max $3.27 與 Kimi K3.1 Pro $3.68。
Guides & Insights

Qwen 4 對比 Kimi K3.1 Pro:3.27 美元對上 3.68 美元,差距並非標價所示

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

表面上看,Kimi K3.1 Pro 的對話成本是 Qwen4-Max 的兩倍以上:每百萬 token 輸入 $2.00、輸出 $10.00,對比 $1.50 與 $4.50。但若改看唯一一項獨立指標——衡量完成任務的成本,而非 token 的成本——差距就縮小到約 11%:Kimi K3.1 Pro 每項 Intelligence Index 任務為 $3.68,Qwen4-Max 為 $3.27,兩者皆取自 2026 年 11 月 17 日的 Artificial Analysis。這個縮小正是本次對決的全貌,因為這意味著兩個頭條價格描述的是不同工作量,而標價較高的模型正是思考較久的那一個。Kimi K3.1 Pro 於 2026 年 10 月 23 日在 Moonshot 的 API 上線,並於 11 月 4 日公布權重;Qwen4-Max 是阿里巴巴 Qwen 4 世代的旗艦,於 11 月 16 日上線。這裡的新聞不是這兩個日期——而是每成果成本的逆轉。

為什麼相差 2.2 倍的兩個價格,會產生相差 11% 的帳單?

Kimi K3.1 Pro 是一個 2.8 兆參數的混合專家模型,每個 token 約啟用 1,040 億個參數。它預設為推理模型,並可選擇投入程度:無、低、高、最高;在預設模式下,它的執行時間很長:Artificial Analysis 測得在每秒 30 個輸出 token 時,每個 Intelligence Index 任務的中位數為 39.7 分鐘,相較於其所比較模型的中位數 13.5 分鐘。Qwen4-Max 以 2.4 兆參數的主幹運作,每個 token 啟用 710 億個參數,預設開啟思考,並提供 131,072 個 token 的預算,且在思考與回答之間共用 262,144 個 token 的上限。

兩者在輸出 token 上都很貴,因為兩者都是推理模型。無論哪種情況,每 token 價格都會乘上一個很大的數字,而生成更多 token 但單價較低的模型,最終可能和生成較少 token 但單價較高的模型落在相同位置。這就是 $3.27 和 $3.68 告訴你的訊息。

兩張卡真正出現分歧的地方,正是那些被逐項任務數字平均掉的一切:

• 輸出價格 — Qwen4-Max 每 100 萬 $4.50,對比 Kimi K3.1 Pro 每 100 萬 $10.00

• 每 1M 的輸入價格 — Qwen4-Max $1.50 對比 Kimi K3.1 Pro $2.00

• 快取讀取 — Qwen4-Max 每 1M $0.075,Kimi K3.1 Pro 每 1M $0.20

• 上下文 — Qwen4-Max 1,000,000 對比 Kimi K3.1 Pro 1,048,576 個 Token

• 最大輸出 — Qwen4-Max 262,144,與思考共用 vs Kimi K3.1 Pro 943,718

• 實測速度 — Qwen4-Max 未公布,對比 Kimi K3.1 Pro 每秒 30 個 token

• {{1}}獨立評分{{/1}} — Qwen4-Max 43 對 Kimi K3.1 Pro 46,{{2}}相同測試基準{{/2}},同一天

• 權重 — Qwen4-Max 無,對比以客製化授權條款發布的 Kimi K3.1 Pro

輸出上限是另一種限制

Kimi K3.1 Pro 的 943,718 個 token 最大輸出量不是一個整數,也不是行銷數字——它是 1,048,576 個 token 的視窗扣掉提示詞後剩下的部分,這說明該模型把上下文與輸出視為同一個池子。這與 Qwen4-Max 的限制架構真正不同:在 Qwen4-Max 中,262,144 個 token 由思考與答案共享,而宣傳的 1,000,000 個 token 視窗則是輸入端的餘裕。

在實務上:要求任一模型產出 300,000 個 token 的成品,Kimi K3.1 Pro 能一次完成,而 Qwen4-Max 無論餵給它多少上下文都做不到。要求任一模型讀取 700,000 個 token 並以 5,000 個 token 作答,兩者都能做到;按公開費率,Kimi K3.1 Pro 收取 $1.40 的輸入費,Qwen4-Max 則為 $1.05。

要留意的失效模式,是需要兩者兼具的工作負載。50 萬 token 的證據包加上 40 萬 token 的報告,落在 Kimi K3.1 Pro 的視窗內,卻超出 Qwen4-Max 的輸出預算達 1.5 倍。如果這正是你的工作,這場比較在價格被納入考量之前就已經結束了。

開放權重改變了討論的走向,但並非人們預期的那樣

Kimi K3.1 Pro 的權重已公開。Qwen4-Max 的權重則未公開,而阿里巴巴的發布資料只說 Qwen 4 系列中較小的模型「即將開源」,並未提供日期。這種不對稱被解讀為「Kimi 可以免費運行」的情況,遠比實際上應有的更常發生。

一個擁有 2.8 兆參數、1040 億活躍參數的檢查點,是資料中心的產物。將它公開發佈,意味著你可以稽核它、微調它、固定某個版本,並在自己的加速器上運行它——但這不意味著你能在工作站上提供服務,也不意味著邊際 token 是免費的。它真正意味著的是:沒有任何廠商能在你腳下更換模型、撤回授權,或對固定版本的部署調漲價格。對受監管的買方而言,這比每百萬輸出 token 0.50 美元更有價值。對下一季要推出功能的團隊來說,這根本一文不值。

在圍繞它做規劃之前,這份授權條款值得先讀一讀。Kimi K3.1 Pro 採用的是 Kimi 專屬授權,而非現成的開源授權,其條款與 Apache-2.0 並不完全相同。如果你的計畫包含再散布或商業託管,那是法律問題,不是工程問題。

43 與 46 是什麼,以及不是什麼

這兩個數字同日出於同一份 Artificial Analysis Intelligence Index,因此彼此可比——但幾乎無法與市面上流傳的其他數據相比。Kimi K3.1 Pro 在發布時,於重建前的評分標準下得分 55,而這個數字至今仍被其自家的發布報導及數份與廠商相關的摘要引用;在重建後的指數中,它則是 46。Qwen4-Max 則一直只以現行指數評分,得分為 43。

指數上三點的差距是真實但幅度很小的領先,而且小於個別任務類型在逐次執行之間的變異。它不應成為決定性因素。它之所以重要,主要是因為它削弱了「輸出價格為 2.2 倍的模型,必定在做某種類別上更困難的事」這種直覺。

速度讀數是更具行動意義的落差。Kimi K3.1 Pro 每秒 30 個輸出 token、每項索引任務 39.7 分鐘,這些都是經實測並公開的數據。Qwen4-Max 在同一張榜上既沒有輸出速度,也沒有每項任務的耗時——其檔案顯示為一個破折號。對一個互動式產品而言,這是實實在在的風險:你被要求在一個慢速已有紀錄的模型,與一個速度未知的模型之間做選擇,而未知顯然不是更穩妥的選擇。

A generated two-column scoreboard for Qwen4-Max and Kimi K3.1 Pro: Artificial Analysis Index 43 against 46, input $1.50 against $2.00, output $4.50 against $10.00, cost per task $3.27 against $3.68, maximum output 262K shared against 943K, and open weights none against published.

三位買家,三種答案

你負責產出長篇交付成果。Kimi K3.1 Pro,不必多想。輸出上限是硬性的能力邊界,而依公布費率,生成 300,000 個 token 的價格差距是 $3.00 對 $1.35——便宜的模型根本無法勝任這項工作,這使得比較成為算術問題,而非分析問題。

你從事的是高產量、短輸出的工作。 Qwen4-Max。當輸出是 2,000 個詞元而非 200,000 個時,輸出費用就是整筆帳單的全部,而 $4.50 對上 $10.00 具有決定性。Kimi K3.1 Pro 的長程推理能力,無論你是否用到都得付費,除非你把投入程度調低——而在一個為長程推理調校的模型上調低投入程度,實務上等於換了一個模型,而不是打折。

你需要自己掌控部署。Kimi K3.1 Pro,因為在兩者之中,它是唯一你能擁有的。這個論點無論怎麼說,都不會以一個你無法鎖定版本的封閉模型收尾。

第四種情況——你想要兩者,又不想經歷兩次採購週期——這正是路由層發揮作用的地方。kimi/kimi-k3.1-pro 與Qwen 系列都可透過我們這邊的單一端點存取;Qwen4-Max 本身並非我們目前提供服務的 215 個識別碼之一,若說不是如此那就是在說謊,所以今天實務上的拆分是:長期性工作採用 Kimi K3.1 Pro,而qwen/qwen3.8-max 作為你實際上可透過我們呼叫的阿里巴巴代表,輸入價 $2.00、輸出價 $6.00。這是備援,不是替代品,而 Qwen3.8-Max 的每任務成本證據並不樂觀:Artificial Analysis 將其列為每項索引任務 $10.02,是 Qwen4-Max 的 $3.27 的三倍。

沒有人發表過的數字

兩者的每項任務成本皆以指數加權,這表示它們反映的是在預設設定下,推理、知識與程式設計問題的特定組合。兩家供應商都不公布每項完成業務任務的成本,也不會公布,因為答案取決於你的提示詞。3.27 美元與 3.68 美元是目前最接近誠實比較的數據,而它們仍然是別人工作負載的平均值。

我們能有信心斷言的範圍更窄:在相同輸出量下,Qwen4-Max 大約便宜 2.2 倍;在相同任務完成度下,兩者差距在 11% 以內;而這兩種說法之間的差異,完全可以由 Kimi K3.1 Pro 為了達到相同成果花費多少 token 來解釋。如果你的工作負載的 token 特徵與該指數相似,就應以每項任務的數字作為預算依據。如果不像——而大多數生產工作負載都不像——在做出任何決定前,先針對你自己的呼叫在兩者上各計價一百次。

下個季度尚未有定論的問題是:Qwen4-Max 缺失的速度資料,是否會在買家必須做出決定之前送達。一個實測值為 43、卻沒有實測延遲數據的模型,比一個實測值為 46 的模型更難推銷;而這種不對稱是證據上的缺口,不是模型本身的缺口。

Artificial Analysis page for Qwen4 Max, captured 17 November 2026 in English, showing Intelligence #38 of 81, Cost #44 of 80, $1.50 input and $4.50 output per 1M tokens, a 95 per cent cache discount, and $3.27 per Intelligence Index task.

這三個之中已經有兩個在同一個按鍵上。

kimi/kimi-k3.1-pro 是我們提供服務的 215 個識別碼之一,可透過 Chat Completions、OpenAI Responses API 和 Anthropic Messages 使用,價格依供應商定價、不加價——因此上面的 $2.00/$10.00 就是您支付的費用,而 Moonshot 所做的任何變更都會在同一天生效。這項比較中的 Qwen 部分則有區別:qwen/qwen3.8-max 可透過我們路由,輸入 $2.00、輸出 $6.00,但 Qwen4-Max 本身不行,需經由 Alibaba 自家的 API。這個區別值得直言說明,因為它會改變建議的樣貌:每項任務經濟效益較佳的模型,正是您目前還無法透過單一端點存取的模型。

OrcaRouter model page for Kimi K3.1 Pro, captured 17 November 2026 in English, showing the identifier kimi/kimi-k3.1-pro, text, image and video input, a 1M-token context, 943K maximum output and a pricing panel.