Step 5 Preview 對比 Kimi K3.1 Pro：兩款模型上週皆已重新評分，以下是依然站得住腳的結果

如果你在一週前查詢Step 5 Preview和Kimi K3.1 Pro，你會得到兩個數字：44 和 55。這兩個數字如今都已不再成立。2026 年 10 月 27 日與 28 日，Artificial Analysis 以第 5 版取代了其 Intelligence Index，該版本有 60% 的分數來自私有或保留測試集；而同一個模型在舊評分標準與新評分標準下所得的結果，並不是同一種測量。在 v5 之下，Step 5 Preview 讀數為 29，Kimi K3.1 Pro 讀數為 46。它們之間九分的差距，如今是你可以誠實做出的比較，而這個差距與當初發布報導所圍繞的那個差距並不相同。

以下是那項比較，再加上沒有人會放進比較表的那個部分：這兩個模型在一個將於11月4日定案的權重問題上立場相反，而今天只有其中一個能透過 OrcaRouter 呼叫。

大家引用的那兩個數字現在都錯了。

Kimi K3.1 Pro 於 2026 年 10 月 23 日發布，智慧指數得分為 55，初次亮相即排名第四，比 Kimi K3 高出 11 分。四天後，它的分數顯示為 46。模型本身沒有任何改變，改變的是衡量標準。Artificial Analysis 將綜合評分改組為橫跨四大類別的九項評測——知識工作、程式編寫、科學與通用——並移除三項較舊的評測，包括 GDPval-AA v2.1、SciCode 和 AA-LCR v1.1。它新增了 FrontierCode 2.0，這是一組 132 項私有程式設計任務，依修補程式是否值得合併來評分，另外還新增了 Terminal-Bench-Science。

Step 5 Preview 也遭受同樣打擊，而且更重。它在 v5.0 下的讀數是 29，先前指數下則是 44，而且它失去的佐證比 Kimi 更多，因為 StepFun 的發布資料正是仰賴那些被移除的評測。多數關於這款模型的報導中出現的 AA-LCR 88.3 與 SciCode 58.9，如今都是來自不再計入主要指數的基準測試分數。它們仍然是對某事物的真實測量，但已不再是該指數所測量的東西。

排名上的後果值得直說：在 v5 下，一個開放權重或承諾開放權重的模型若得分為 46，就會落後以 58 分居首的領先者 12 分；而在 v4 下，這一差距曾是 3 分。這是關於評分標準的陳述，而非能力突然崩塌；任何將其呈現為後者的文章，都是誤讀了自己的來源。

規格行，一次一個維度。

• 總參數與啟用參數 — Step 5 Preview：總計 600B，每個 token 啟用 27B，352 個專家中的 8 個，外加一個共享專家。Kimi K3.1 Pro：總計 2.8T，啟用 104B。

• 這是哪一種發布——Step 5 Preview：以預覽形式推出的一款全新旗艦，權重隨後釋出。Kimi K3.1 Pro：Kimi K3 的後訓練版本，具備更大的後訓練運算量，包括橫跨數百個領域的聯合強化學習——並非全新架構。

• 上下文視窗 — 步驟 5 預覽：100 萬個 token。Kimi K3.1 Pro：1,048,576 個 token。

• 輸入模態 — Step 5 Preview：文字、圖像與影片。Kimi K3.1 Pro：文字與圖像。

• 每百萬輸入 token 價格——Step 5 預覽版：$1.00。Kimi K3.1 Pro：$2.00，整個上下文視窗均一價，不收取長上下文附加費。

輸出價格（每百萬個 token）— Step 5 Preview：$2.70。Kimi K3.1 Pro：$10.00。

• 快取輸入 — 步驟 5 預覽：輸入費率享 90% 折扣。Kimi K3.1 Pro：每百萬讀取為 $0.20，快取寫入在五分鐘 TTL 為 $2.00、一小時 TTL 為 $4.00。

• 權重 — Step 5 Preview：已於 2026 年 10 月 15 日發布，提供 BF16 與 FP8，依據 StepFun Model License 1.0。Kimi K3.1 Pro：尚未發布；Moonshot 表示權重預計於 2026 年 11 月 4 日前發布。

• 在 Intelligence Index v5.0 下的獨立分數 — 第 5 步預覽：29。Kimi K3.1 Pro：46。

每項完成任務的成本，並附帶但書

Artificial Analysis 報告指出，Step 5 Preview 每項 Intelligence Index 任務為 2.35 美元，而 Kimi K3.1 Pro 為 1.98 美元。這看起來像是 Kimi 略佔上風，而箇中緣由值得深究，因為這優勢其實並不那麼明顯。

這兩個數字並非在同一套任務集上產生，因為任務集在兩次測量之間被重建過。這兩個數字都是在取數當下所啟用的那個組合下算出的「每索引任務成本」，因此這種比較充其量只能算方向性參考。沒有歧義的是機制：Kimi K3.1 Pro 很冗長，每個任務花費約 55,000 個輸出 token，完整一輪執行下來共花費 1.5 億個，而中位數是 8,700 萬個；以每百萬輸出 token 10 美元計算，這種冗長程度所費不貲。它的 1.98 美元是完成時可計費步驟較少所致，而非 token 單價較便宜。

Step 5 Preview 的 token 價格較便宜：輸出便宜 3.7 倍、輸入便宜 2 倍；而且在現有測量數據上，它是快得多的模型：在 StepFun 的 API 上每秒輸出 179.1 個 token，同類中位數為 74.1，而 Kimi K3.1 Pro 約為 73。如果你的工作負載對延遲敏感且輸出量大，這個排序與價格排序一致，決策很簡單。如果你的工作負載是 17 個指標分的答案品質差異比首個 token 的時間更重要，同樣的數字會指向相反的方向。

重量：一個已推出，另一個是有日期的承諾

這正是基準測試表格所隱藏的不對稱性。Step 5 Preview 的權重自 10 月 15 日起即可下載：Hugging Face 與 ModelScope 上的 BF16 和 FP8 檢查點、同日發布的 vLLM 與 SGLang 配方，以及一篇說明 92 層窄深堆疊與稀疏 GQA 注意力模式的技術部落格文章。FP8 檢查點大約需要 773 GB 的 VRAM 和至少四張 GPU，預設目標為 B300，Hopper 路徑則使用八張 H200。授權條款為 StepFun 自有，未經 OSI 認證：實質使用輸出時須標示來源、硬體製造商須另行協商，而年營收超過 2,000 萬美元的模型即服務營運商則需商業授權。

Kimi K3.1 Pro 的權重於發布當天並不存在——Artificial Analysis 在 10 月 24 日仍將該模型歸類為專有模型——而公布的日期是 2026 年 11 月 4 日。當這些權重正式釋出，Moonshot 的模型將成為 v5 指數上得分最高的可下載模型，對於任何想要在不牽涉廠商的情況下取得接近前沿能力的人來說，這確實是件意義重大的事。

在11月4日之前，比較的是你可以自行執行的模型，與只能呼叫的模型。這對Kimi來說並非永久劣勢，但本週確實是實實在在的劣勢，也是為什麼今天做出的決定，可能不是你九天後會做的決定。

每個項目目前可在何處呼叫

這兩個模型之中，有一個在 OrcaRouter 上，另一個則不在。Kimi K3.1 Pro 以 kimi/kimi-k3.1-pro 的名稱列於線上目錄中，與另外五個 Kimi 模型並列。Step 5 Preview 則不在目錄裡：該目錄收錄了 16 家供應商共 214 個模型 ID，而截至 2026 年 10 月 29 日，其中並沒有任何 StepFun 項目。如果你現在就想使用 Step 5 Preview，只能呼叫 StepFun 自家的 API，或自行託管該檢查點。

這種不對稱性，正是這場比較在路由決策上最有用的地方。由於我們是零加價地原樣轉嫁供應商的定價，你在這裡看到的 Kimi 費率表就是 Moonshot 的費率表——$2.00 與 $10.00——日後 Moonshot 所做的任何降價也同樣如此。而由於容錯切換是自動的，「Kimi 是便宜且審慎的選項」的實際做法是：你可以把它排在鏈中的第一位，讓平台在供應商表現下滑時自動回退，而不必把回退邏輯寫進你的客戶端並持續維護。

關於遷移的問題，如果你要切換的話

無論你往哪個方向走，都會有三件事耗費你的時間。

首先是輸出量。Kimi K3.1 Pro 的成本結構主要由它寫了多少來決定，而不是它的費率。同一個提示詞在 Step 5 Preview 上能產生精簡的回答，在 Kimi 上卻可能產生三倍的 token，而你的帳單會跟著 token 走，而不是跟著價目表走。在比較這兩個價格之前，先在你自己的工作負載上測量每項任務的輸出 token 數。

第二點是快取經濟學。Step 5 Preview 對快取輸入提供 90% 折扣。Kimi K3.1 Pro 每百萬次讀取快取收費 $0.20，但寫入快取也要收費——五分鐘 TTL 為 $2.00，一小時為 $4.00。對於每一步都重新傳送長系統提示的代理迴圈，這兩種方案是截然不同的考量，而且看起來較便宜的價目表不一定代表較便宜的迴圈。

第三點是測試框架敏感度。Moonshot 自己的表格顯示，Kimi K3.1 Pro 在 Terminal-Bench 4.0 上為 65.7%，相較之下 Claude Opus 5.5 為 66.4%、GPT-6 Astra 為 58.2%；獨立評測者對同一模型則回報 67%。Terminal-Bench 的分數會隨輔助框架變動達數十個百分點，因此兩個實驗室各自執行之間的 1.7 個百分點差距，並不是在測量 1.7 個百分點的能力差異。這份比較中的每一列跨廠商資料，都應視為關於方向的主張。

本週具體該怎麼做：如果你的工作負載是長上下文、輸出量大且對延遲敏感，Step 5 Preview 的 $1.00 和 $2.70 是較便宜的實驗，而權重讓它成為可攜的選擇。如果工作是代理式程式設計，且補丁品質就是整個產品，那麼 Kimi K3.1 Pro 在 v5 上的 46 分以及在 Terminal-Bench 4.0 上的 67% 讓它成為更值得買的選擇，而 11 月 4 日就是讓它從一個判斷變成資產的日期。無論哪種情況，都不要把決策建立在 44 和 55 上。那些數字屬於一套已不存在的評分標準。