Kimi K3.1 Pro vs. K3.1 Pro Highspeed: Ist die 2- bis 3-fache Geschwindigkeit den doppelten Preis wert?

Kimi K3.1 Pro Highspeed ist kein intelligenteres Modell. Moonshot AI beschreibt es als K3.1 Pro „mit identischen Modellfähigkeiten“, das „ungefähr 2–3× so schnell“ läuft. Bei AIHubMix kostet jeder Input- und Output-Token genau doppelt so viel. Was Sie kaufen, ist kürzere Wartezeit – und sonst nichts.

Die kurze Antwort: Zahlen Sie für Highspeed, wenn jemand den Stream live verfolgt, etwa bei einer interaktiven Coding-Sitzung oder einer Chatfunktion, auf deren Antwort Ihre Nutzer warten. Bleiben Sie bei Pro für Aufgaben, die unbeaufsichtigt laufen oder den Großteil jedes Durchlaufs mit Tools und Tests verbringen. Bei einem Stichprobentest von AIHubMix erzeugte Highspeed Text etwa 1,6–1,75× so schnell wie Pro, nicht 2–3×. 85–90% der Tokens jeder Antwort entfielen auf Reasoning – der Großteil der doppelten Rechnung bezahlte also für Überlegungen, die niemand liest. Bei den gemessenen Geschwindigkeiten kaufte jeder zusätzlich ausgegebene Dollar etwa sieben Minuten Wartezeit zurück.

Dasselbe Modell, andere Geschwindigkeit

Moonshot stellt ausdrücklich klar, dass sich nichts außer der Geschwindigkeit ändert. In der Kimi-Code-Modell-Dokumentation wird Highspeed als „die Hochgeschwindigkeitsversion von K3.1 Pro mit denselben Fähigkeiten, schnellerer Ausgabe und ungefähr doppelt so hohem Kontingentverbrauch wie die reguläre Version“ beschrieben. Im technischen Blogbeitrag zu K3.1 Pro wird dieselbe Zahl von 2–3× genannt; außerdem sind beide IDs der Kimi API zugeordnet.

In Kimi Code hängt das 1M-Kontextfenster vom Tarif ab (siehe den Abschnitt zu den Tarifen weiter unten). AIHubMix führt außerdem IDs für den Coding-Kanal auf: coding-kimi-k3.1-pro und coding-kimi-k3.1-pro-highspeed. AIHubMix kennzeichnet sie als Vorschau für Evaluierungen.

Da die Modelle identisch sind, gelten für Highspeed alle Angaben zu K3.1 Pro: Thinking lässt sich nicht deaktivieren, der Standardaufwand ist max und die Sampling-Parameter sind fest eingestellt. Am 24. Oktober gab AIHubMix für temperature=0.2 bei beiden IDs die Fehlermeldung 400 invalid temperature: only 1 is allowed for this model zurück.

Preis: für alles doppelt, außer für Cache-Treffer

Die Preise gelten pro Million Tokens. Die AIHubMix-Angaben stammen von den Modellseiten zu Kimi K3.1 Pro und Kimi K3.1 Pro Highspeed vom 24. Oktober. Moonshot hat seine USD-Listenpreise noch nicht veröffentlicht. Die CN-Angaben stammen aus einer Preistabelle, die am Tag der Markteinführung kursierte und noch nicht auf der Preisseite von Moonshot steht. Betrachten Sie sie daher als gemeldete, nicht als offizielle Preise.

Zwei Dinge fallen auf. Erstens kosten Cache-Treffer bei beiden IDs gleich viel. In einer langen Sitzung, in der die meisten Eingaben aus dem Cache kommen, liegt der Aufpreis also unter dem Doppelten. Das ist nicht selbstverständlich: Bei K2.7 Code Highspeed verdoppelt AIHubMix auch die Kosten für Cache-Lesezugriffe. Zweitens ist Highspeed teurer als K3. AIHubMix verkauft K3 für $2.84 / $14.20. Der Wechsel von K3 zu Pro senkt den Preis pro Token also um 26–30%, während der Wechsel von K3 zu Highspeed ihn um 41–48% erhöht.

Wie viel schneller: der Stichprobentest von AIHubMix

Am 24. Oktober schickte AIHubMix über die jeweiligen Haupt-IDs kimi-k3.1-pro und kimi-k3.1-pro-highspeed dieselbe Eingabeaufforderung an beide Modelle: eine 600 Wörter lange Erklärung zu Kollisionen in Hash-Maps mit einem kurzen Python-Beispiel. Die Anfragen wurden mit reasoning_effort: low gestreamt, mit einem Limit von 8,192 Tokens für die Ausgabe und drei Durchläufen pro Modell. Betrachten Sie dies als Stichprobentest mit einer einzelnen Eingabeaufforderung, nicht als Benchmark.

Die Ausgabegeschwindigkeit ergibt sich aus den Completion-Tokens geteilt durch die Zeit ab dem ersten gestreamten Token. Bei einem Pro-Durchlauf wurde das Limit von 8,192 Tokens erreicht. Ein früherer Durchlauf über den Coding-Kanal von AIHubMix (coding-kimi-k3.1-pro und coding-kimi-k3.1-pro-highspeed) ergab ein ähnliches Verhältnis: 153–169 gegenüber 95–97 tok/s.

• 1,6–1,75×, nicht 2–3×. Der langsamste Highspeed-Durchlauf (138 tok/s) war 1,6× so schnell wie der schnellste Pro-Durchlauf (88). Der schnellste Highspeed-Durchlauf (150) war 1,75× so schnell wie der langsamste Pro-Durchlauf (85.5). Von Anfang bis Ende brauchte Highspeed 43–60 Sekunden gegenüber 80–99 Sekunden.
• Die meiste Wartezeit entfällt auf Thinking. Selbst bei low erzeugten beide Modelle zunächst 5,100–7,400 Reasoning-Tokens, bevor sie eine Antwort mit 830–930 Tokens schrieben. Reasoning machte 85–90% jeder Completion aus.
• Highspeed beschleunigt auch das Thinking. Reasoning ist Modellausgabe und wird daher ebenfalls schneller gestreamt. Das erste Antwort-Token traf nach 40–58 Sekunden ein statt nach 71–91. Beide Modelle begannen innerhalb von 2–5 Sekunden mit dem Streaming von Reasoning. Wenn Ihre Benutzeroberfläche Reasoning ausblendet, erscheint das erste sichtbare Wort also durchschnittlich etwa 30 Sekunden früher.

Was eine Antwort bei den beiden Modellen kostet

Dies ist eine Schätzung. Sie geht von 114 Input-Tokens (der Testeingabeaufforderung) und 7,300 Completion-Tokens pro Antwort aus (der Durchschnitt der sechs Durchläufe lag bei etwa 7,290), verwendet die AIHubMix-Preise und setzt die durchschnittlich gemessenen Geschwindigkeiten von 87 und 144 tok/s an.

• K3.1 Pro: 114 × $2.00/M + 7,300 × $10.50/M = $0.0002 + $0.0767 ≈ $0.077. Die Generierung dauert etwa 7,300 ÷ 87 ≈ 84 Sekunden.
• K3.1 Pro Highspeed: 114 × $4.00/M + 7,300 × $21.00/M = $0.0005 + $0.1533 ≈ $0.154. Die Generierung dauert etwa 7,300 ÷ 144 ≈ 51 Sekunden.
• Der Kompromiss: etwa $0.077 mehr pro Antwort, um rund 33 Sekunden zu sparen. Das entspricht ungefähr $0.14 pro eingesparter Minute oder etwa $8 pro Stunde Wartezeit.

Zum gemeldeten CN-Listenpreis kostet dieselbe Antwort auf Pro etwa ¥0.50 (114 × ¥13/M + 7,300 × ¥68/M) und auf Highspeed etwa ¥1.00 (114 × ¥26/M + 7,300 × ¥136/M).

Der Satz hängt nicht davon ab, wie lang die Antwort ist. Fast die gesamte Rechnung entfällt auf die Ausgabe. Jeder zusätzliche Betrag von $10.50 pro Million Output-Tokens kauft also dieselbe Zeit: Eine Million Tokens dauern bei 87 tok/s etwa 11,490 Sekunden und bei 144 tok/s 6,940 Sekunden – eine Zeitersparnis von rund 76 Minuten. Wenn der volle Geschwindigkeitsvorteil von 2–3× erreicht würde, brächte derselbe Aufpreis 96–128 Minuten oder $0.08–0.11 pro eingesparter Minute. Beim Standardaufwand max enthält jede Antwort mehr Reasoning, sodass sowohl die Sekunden als auch die Kosten steigen. Der Preis pro eingesparter Minute bleibt gleich, solange das Geschwindigkeitsverhältnis bestehen bleibt – was der Stichprobentest bei max nicht gemessen hat.

Ob $8 pro Stunde günstig sind, hängt davon ab, wer wartet. Für einen Entwickler, der bei jedem Durchlauf aufgehalten wird, kostet die Wartezeit deutlich mehr. Bei einem nächtlichen Batch-Job kostet das Warten nichts.

Was Highspeed nicht beschleunigt

In der FAQ von Moonshot selbst wird die Frage beantwortet, die Nutzer zuerst stellen dürften: „Warum ist Highspeed nicht merklich schneller?“

Highspeed beschleunigt nur die Modellausgabe. Tool-Aufrufe (Dateien lesen/schreiben, Befehle ausführen usw.) und die Ausführung von Skripten bleiben unbeeinflusst. Wenn sie den Großteil eines Durchlaufs ausmachen, fällt die Gesamtbeschleunigung daher gering aus.

Zur Veranschaulichung hier ein Agentendurchlauf mit ausdrücklich genannten Annahmen. Angenommen, das Modell schreibt 1,500 Tokens (Reasoning plus Tool-Aufruf), anschließend werden 20 Sekunden lang Tests ausgeführt. Der Kontext umfasst 60,000 Tokens, davon entfallen 95% auf Cache-Treffer. Verwendet werden die AIHubMix-Preise; Cache-Schreibzugriffe und die Zeit für die Verarbeitung der Eingabeaufforderung bleiben unberücksichtigt, ebenso werden die Durchschnittsgeschwindigkeiten aus dem Stichprobentest angesetzt.

• Zeit: 17 s für die Ausgabe + 20 s für Tests = 37 s bei Pro; 10 s + 20 s = 30 s bei Highspeed. Das ist 1,2× schneller.
• Kosten: bei Pro: 3,000 × $2.00/M + 57,000 × $0.20/M + 1,500 × $10.50/M ≈ $0.006 + $0.011 + $0.016 ≈ $0.033. Bei Highspeed: $0.012 + $0.011 + $0.032 ≈ $0.055. Die Rechnung ist damit 1,7× so hoch.

In einer testintensiven Schleife kostet Highspeed etwa 1,7× so viel und ist etwa 1,2× schneller. Die gleich teuren Cache-Treffer mildern die Rechnung, aber nichts macht die Testsuite schneller.

Das Präzedenzbeispiel: K2.7 Code Highspeed

Moonshot hat „dasselbe Modell, schneller“ schon einmal angeboten. In der Parameterreferenz steht: „kimi-k2.7-code-highspeed ist dasselbe Modell wie kimi-k2.7-code und unterliegt denselben Parameterbeschränkungen; nur die Ausgabegeschwindigkeit unterscheidet sich.“ AIHubMix verlangt dafür den doppelten Preis des Basismodells: $1.90 / $8.00 statt $0.95 / $4.00 pro Million Tokens. Auch die Kosten für Cache-Lesezugriffe sind doppelt so hoch.

Auf der Modellseite zu K2.7 Code Highspeed werden „ungefähr 180 Tokens/s und bis zu 260 Tokens/s bei kurzen Kontexten“ angegeben. Die laufende Messung von AIHubMix auf derselben Seite zeigte am 24. Oktober etwa 29 tok/s – nicht schneller als die Routen des Basismodells (etwa 13–30 tok/s). Auf der Seite steht nicht, wie der Durchsatz gemittelt wird. Reasoning-Zeit, kurze Antworten und Auslastung können eine laufende Messung allesamt nach unten ziehen. Das beweist also nicht, dass die Variante langsam ist. Es zeigt aber, warum man die Geschwindigkeitsangabe anhand des eigenen Datenverkehrs überprüfen sollte, bevor man dafür den doppelten Preis zahlt.

Die Falle mit der falsch eingegebenen ID

Ein Tippfehler in der Highspeed-ID führt in Kimi Code nicht zu einem eindeutigen Fehler. In der Dokumentation steht: „Eine falsch eingegebene Modell-ID fällt ohne Thinking auf K2.8 Preview zurück.“ Die FAQ ergänzt, dass ein falscher Highspeed-Wert „unbemerkt und ohne Thinking auf K2.8 Preview zurückfällt – ohne Geschwindigkeitsgewinn“. Sie erhalten ein älteres Modell, kein Reasoning und keinen Geschwindigkeitsvorteil.

Die IDs unterscheiden sich je nach Oberfläche, wodurch der Fehler leicht passiert:

• Kimi Code: k3.1-pro-highspeed
• Kimi API und AIHubMix: kimi-k3.1-pro-highspeed
• AIHubMix-Coding-Kanal: coding-kimi-k3.1-pro-highspeed

In der Dokumentation zu Kimi Code werden nur k3.1-pro-highspeed und kimi-for-coding-highspeed als gültige Highspeed-IDs aufgeführt. Prüfen Sie deshalb die API-ID, bevor Sie sie in eine Kimi-Code-Konfiguration einfügen. Bei AIHubMix führt eine falsch eingegebene ID dagegen zu einem eindeutigen Fehler: kimi-k3.1-pro-highsped gab am 24. Oktober den Fehlercode 400 zurück.

Die schnellste Überprüfung nutzt den Umstand, dass K3.1 Pro nicht ohne Thinking ausgeführt werden kann: Laut Moonshot werden Anfragen abgelehnt, wenn Thinking deaktiviert ist. Eine echte Antwort von K3.1 Pro enthält immer Reasoning: reasoning_content bei Chat Completions, einen thinking-Block bei Messages und einen Wert ungleich null für reasoning_tokens in der Nutzungsstatistik. Fehlt das Reasoning in einer Antwort, hat ein anderes Modell geantwortet oder Thinking wurde deaktiviert. Bei AIHubMix wurde eine Anfrage, bei der Thinking deaktiviert war, nicht abgelehnt: Am 24. Oktober kam eine Antwort mit Status 200 ohne Reasoning zurück – genau das erkennt diese Prüfung. Das Skript am Ende dieses Beitrags gibt diese Anzahl aus.

Kimi-Code-Tarife: Highspeed verbraucht das Kontingent doppelt so schnell

Für das 1M-Kontextfenster von K3.1 Pro ist Pro oder höher erforderlich (bei älteren Tarifen Allegretto oder höher).

Bei einem Tarif bedeutet ein doppelt so hohes Kontingent, dass du nur halb so viel Arbeit erledigen kannst, bevor du das Limit erreichst. Zum Vergleich: Kimi Codes älteres K2.7 Code Highspeed (kimi-for-coding-highspeed) läuft mit etwa 6× Geschwindigkeit bei einem 3× höheren Kontingentverbrauch. Eine weitere Regel ist wichtig, wenn du versucht bist, das Modell zu wechseln: Ein Modell- oder Effort-Wechsel mitten in der Sitzung „macht den vorhandenen Kontext-Cache ungültig, erfordert ein neues Prefill und erhöht den Tokenverbrauch“. Wähle beim Start einer Sitzung Pro oder Highspeed und bleib dabei.

Pro oder Highspeed – je nach Workload

Wer Highspeed braucht: Entwickler, die mit K3.1 Pro in Kimi Code oder einer IDE Schritt für Schritt arbeiten und einen Tarif mit ausreichendem Kontingent haben, sowie Teams, die ein nutzerseitiges Feature bereitstellen, bei dem das erste sichtbare Wort erst nach Tausenden Reasoning-Tokens erscheint. Wer es nicht braucht: Pipelines, Hintergrundagenten, CI und Evaluierungen sowie alle, bei denen die Durchläufe größtenteils aus Tool-Aufrufen bestehen.

Ein wichtiger Vorbehalt für K3-Nutzer. Im selben Durchlauf mit der Haupt-ID wurde Kimi K3 außerdem mit demselben Prompt und low gemessen. K3 führte ähnlich viel Reasoning durch (3,013–7,051 Tokens), streamte aber mit 22–26 tok/s und brauchte 154–309 Sekunden, verglichen mit 80–99 bei K3.1 Pro. Wenn dir K3 langsam vorkam, beantwortete schon das normale K3.1 Pro diesen Prompt im Durchschnitt in weniger als der halben Zeit – bei einem niedrigeren Preis pro Token auf AIHubMix. Highspeed legt obendrauf noch einmal den Faktor 1,6–1,75× drauf, und dieser letzte Schritt kostet doppelt so viel wie Pro. Es handelt sich um einen Prompt an einem einzelnen Tag. Betrachte den Abstand zu K3 daher als Hinweis, nicht als allgemeines Maß für die Geschwindigkeit der beiden Modelle. Außerdem wurde bei diesem Durchlauf die Antwortqualität nicht verglichen.

Miss es mit deinem eigenen Prompt

Beide IDs laufen über AIHubMix mit einem einzigen Schlüssel. Die Schnellstartanleitung erklärt Schlüssel und Basis-URLs, und auf der AIHubMix-Vergleichsseite findest du beide Preisübersichten nebeneinander sowie einen Kostenrechner. Dieses Skript streamt denselben Prompt über beide IDs und gibt die Messwerte aus dem Stichprobentest aus:

import os, time
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
PROMPT = ("Write a clear 600-word explanation of how a hash map handles collisions, "
          "with one short code example in Python. Plain prose, no headings.")

for model in ["kimi-k3.1-pro", "kimi-k3.1-pro-highspeed"]:
    start = time.time()
    first_token = first_answer = usage = None
    stream = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": PROMPT}],
        reasoning_effort="low",
        max_completion_tokens=16384,
        stream=True,
        stream_options={"include_usage": True},
    )
    for chunk in stream:
        if chunk.usage:
            usage = chunk.usage
        if not chunk.choices:
            continue
        delta = chunk.choices[0].delta
        now = time.time() - start
        if first_token is None and (getattr(delta, "reasoning_content", None) or delta.content):
            first_token = now
        if first_answer is None and delta.content:
            first_answer = now
    total = time.time() - start
    details = usage.completion_tokens_details
    reasoning = details.reasoning_tokens if details else 0
    speed = usage.completion_tokens / (total - first_token)
    print(f"{model}: first answer {first_answer:.1f}s, total {total:.1f}s, "
          f"{usage.completion_tokens} tokens ({reasoning} reasoning), {speed:.0f} tok/s")
    if not reasoning:
        print("  no reasoning tokens: this response did not come from K3.1 Pro")

Das Skript lässt temperature aus, da beide IDs den Parameter ablehnen, sofern sein Wert nicht 1 ist. Es verwendet Chat Completions: Am 24. Oktober lieferte der Responses-Endpunkt von AIHubMix für beide Haupt-IDs den Fehler 404. Tools, die Responses benötigen, etwa Codex, müssen daher vorerst die IDs des Coding-Kanals verwenden. Führe jedes Modell mehrmals aus. Ein einzelner Durchlauf mit einem Reasoning-Modell ist nicht aussagekräftig, wie die Streuung in der obigen Tabelle zeigt.

FAQ

Ist Kimi K3.1 Pro Highspeed ein anderes Modell als K3.1 Pro?
Nein. Moonshot zufolge bietet es dieselben Modellfähigkeiten und läuft lediglich schneller. In der Kimi API gelten für beide IDs dieselben Parameterbeschränkungen.

Wie viel schneller ist Highspeed?
Moonshot gibt etwa 2–3× an. Im Stichprobentest von AIHubMix mit einem Prompt streamte Highspeed mit 138–150 Tokens pro Sekunde gegenüber 85–88 bei Pro, also etwa 1,6–1,75×, und war nach 43–60 Sekunden fertig statt nach 80–99.

Wie viel mehr kostet Highspeed?
Für Ein- und Ausgabetokens kostet es doppelt so viel, für Cache-Treffer gleich viel. Bei AIHubMix sind das $4.00 / $21.00 pro Million Tokens gegenüber $2.00 / $10.50; Cache-Lesezugriffe kosten bei beiden $0.20. Moonshot hat noch keine USD-Listenpreise veröffentlicht.

Verdoppelt Highspeed die Geschwindigkeit meines Coding-Agenten?
Nur beim Schreiben durch das Modell. Tool-Aufrufe, Datei-Lese- und Schreibvorgänge sowie Befehle und Skripte laufen genauso schnell. Bei einem Durchlauf, der größtenteils mit Tests verbracht wird, fällt der Zugewinn daher gering aus.

Warum ist Highspeed bei mir in Kimi Code nicht schneller?
Überprüfe zuerst die Modell-ID. Sie muss k3.1-pro-highspeed lauten; ein falsch eingegebener Wert fällt unbemerkt auf K2.8 Preview zurück, ohne nachzudenken. Stimmt die ID, wird deine Durchlaufzeit wahrscheinlich von den Tool-Aufrufen dominiert.

Welche Kimi-Code-Tarife beinhalten Highspeed?
Bei neuen Tarifen ab Pro, bei älteren ab Allegretto. Highspeed verbraucht etwa doppelt so viel Kontingent wie K3.1 Pro.

Kann ich während einer Sitzung zwischen Pro und Highspeed wechseln?
Ja, aber Kimi Code weist darauf hin, dass ein Modellwechsel den Kontext-Cache ungültig macht und ein neues Prefill erzwingt. Wähle beim Start der Sitzung ein Modell.

Weiterlesen: die Kimi-K3.1-Pro-Reihe

• Wenn du noch nicht entschieden hast, ob sich der Wechsel von K3 zu K3.1 Pro lohnt, erfährst du hier, was sich geändert hat und was eine reale Aufgabe kostet: Kimi K3.1 Pro vs. K3: Was sich geändert hat, was es kostet und für wen sich der Wechsel lohnt
• Die ID-Falle ist eine von mehreren Möglichkeiten, wie ein Wechsel schiefgehen kann. Hier geht es um die 400-Fehler und den standardmäßig aktivierten Max-Effort-Modus, der sowohl die Wartezeit als auch die Kosten in die Höhe treibt: Migration zu Kimi K3.1 Pro: 400-Fehler beheben, den Max-Effort-Standard beachten und Highspeed richtig eingeben
• Wenn du für Geschwindigkeit zahlst, erfährst du hier, wie K3.1 Pro bei derselben Frontend-Aufgabe und den Kosten pro Aufgabe im Vergleich zu seinen Konkurrenten abschneidet: Kimi K3.1 Pro vs. Qwen 4 vs. Claude Fable 5.5: Frontend-Qualität, Kosten pro Aufgabe und ein Faktencheck des Hypes

Quellen

• Moonshot AI: Modellkonfiguration für Kimi Code
• Moonshot AI: Technischer Blog zu Kimi K3.1 Pro
• Moonshot AI: Referenz zu Modellparametern
• AIHubMix: Kimi K3.1 Pro vs. Kimi K3.1 Pro Highspeed
• AIHubMix: Modellseite zu Kimi K2.7 Code Highspeed