Kimi K3.1 Pro vs K3.1 Pro Highspeed : une vitesse 2 à 3 fois supérieure vaut-elle le double du prix ?

Kimi K3.1 Pro Highspeed n’est pas un modèle plus intelligent. Moonshot AI le décrit comme K3.1 Pro « aux capacités identiques », mais tournant « environ 2 à 3 fois plus vite ». Sur AIHubMix, chaque jeton d’entrée et de sortie coûte exactement deux fois plus cher. Ce que vous achetez, c’est du temps réel, rien d’autre.

En bref : optez pour Highspeed quand quelqu’un regarde le flux, par exemple lors d’une session de programmation interactive ou dans une fonctionnalité de chat où vos utilisateurs attendent une réponse. Restez sur Pro pour les tâches exécutées sans surveillance ou qui passent l’essentiel de chaque cycle à utiliser des outils et à lancer des tests. Lors de son test ponctuel, AIHubMix a constaté que Highspeed générait environ 1,6 à 1,75 fois plus vite que Pro, et non 2 à 3 fois. Les jetons de raisonnement représentaient 85 à 90 % de chaque réponse : l’essentiel de la facture doublée payait donc pour une réflexion que personne ne lit. Aux vitesses mesurées, chaque dollar supplémentaire permettait de gagner environ sept minutes d’attente.

Même modèle, vitesse différente

Moonshot précise que seule la vitesse change. La documentation des modèles Kimi Code présente Highspeed comme « la version à grande vitesse de K3.1 Pro, avec les mêmes capacités, une sortie plus rapide et une consommation de quota environ deux fois supérieure à celle de la version standard ». Le blog technique de K3.1 Pro indique le même facteur de 2 à 3 fois et répertorie les deux identifiants dans l’API Kimi.

Dans Kimi Code, la fenêtre de 1M dépend de la formule (voir la section sur les formules ci-dessous). AIHubMix répertorie également des identifiants de canal de programmation, coding-kimi-k3.1-pro et coding-kimi-k3.1-pro-highspeed, qu’AIHubMix qualifie d’aperçu d’évaluation.

Les modèles étant identiques, tout ce qui s’applique à K3.1 Pro s’applique aussi à Highspeed : le raisonnement ne peut pas être désactivé, le niveau d’effort par défaut est max et les paramètres d’échantillonnage sont fixes. Le 24 octobre, AIHubMix a renvoyé 400 invalid temperature: only 1 is allowed for this model pour temperature=0.2 avec les deux identifiants.

Prix : le double pour tout, sauf les lectures du cache

Les prix sont indiqués par million de jetons. Les tarifs AIHubMix proviennent des pages des modèles Kimi K3.1 Pro et K3.1 Pro Highspeed consultées le 24 octobre. Moonshot n’a pas encore publié ses prix catalogue en USD. Les tarifs chinois proviennent d’un tableau de prix qui a circulé le jour du lancement et ne figure pas encore sur la page des tarifs de Moonshot : considérez-les donc comme des prix rapportés, et non officiels.

Deux éléments ressortent. Premièrement, les lectures du cache coûtent la même chose avec les deux identifiants : lors d’une longue session où l’essentiel des entrées provient du cache, le surcoût est inférieur à 2 fois. Ce n’est pas systématique : pour K2.7 Code Highspeed, AIHubMix double aussi le prix des lectures du cache. Deuxièmement, Highspeed coûte plus cher que K3. AIHubMix vend K3 à 2,84 $ / 14,20 $ : passer de K3 à Pro réduit le prix par jeton de 26 à 30 %, tandis que passer de K3 à Highspeed l’augmente de 41 à 48 %.

Quelle est la différence de vitesse ? Le test ponctuel d’AIHubMix

Le 24 octobre, AIHubMix a envoyé la même invite aux deux modèles via leurs identifiants principaux, kimi-k3.1-pro et kimi-k3.1-pro-highspeed : une explication de 600 mots sur les collisions dans les tables de hachage, avec un court exemple en Python. Les requêtes ont été diffusées en continu avec reasoning_effort: low, une limite de complétion de 8,192 jetons et trois exécutions par modèle. Considérez ce test comme une vérification ponctuelle sur une seule invite, et non comme un benchmark.

La vitesse de sortie correspond au nombre de jetons de complétion divisé par le temps écoulé depuis la réception du premier jeton diffusé. Une exécution de Pro a atteint la limite de 8,192 jetons. Une exécution antérieure via le canal de programmation d’AIHubMix (coding-kimi-k3.1-pro et coding-kimi-k3.1-pro-highspeed) a donné un rapport similaire : 153–169 contre 95–97 jetons/s.

• 1,6 à 1,75 fois, et non 2 à 3 fois. L’exécution la plus lente de Highspeed (138 jetons/s) était 1,6 fois plus rapide que la plus rapide de Pro (88). La plus rapide (150) était 1,75 fois plus rapide que la plus lente de Pro (85,5). De bout en bout, Highspeed a terminé en 43 à 60 secondes, contre 80 à 99.
• L’attente est essentiellement due au raisonnement. Même avec low, les deux modèles ont produit 5,100 à 7,400 jetons de raisonnement avant de rédiger une réponse de 830 à 930 jetons. Le raisonnement représentait 85 à 90 % de chaque complétion.
• Highspeed accélère aussi le raisonnement. Le raisonnement étant une sortie du modèle, il est lui aussi diffusé plus rapidement. Le premier jeton de réponse est arrivé au bout de 40 à 58 secondes, contre 71 à 91. Les deux modèles ont commencé à diffuser leur raisonnement en 2 à 5 secondes : si votre interface masque le raisonnement, le premier mot visible arrive environ 30 secondes plus tôt en moyenne.

Coût d’une réponse pour chaque modèle

Il s’agit d’une estimation. Elle suppose 114 jetons d’entrée (l’invite du test) et 7,300 jetons de complétion par réponse (la moyenne des six exécutions était d’environ 7,290), les tarifs d’AIHubMix et des vitesses mesurées moyennes de 87 et 144 jetons/s.

• K3.1 Pro : 114 × 2,00 $/M + 7,300 × 10,50 $/M = 0,0002 $ + 0,0767 $ ≈ 0,077 $. La génération prend environ 7,300 ÷ 87 ≈ 84 secondes.
• K3.1 Pro Highspeed : 114 × 4,00 $/M + 7,300 × 21,00 $/M = 0,0005 $ + 0,1533 $ ≈ 0,154 $. La génération prend environ 7,300 ÷ 144 ≈ 51 secondes.
• Le compromis : environ 0,077 $ de plus par réponse pour gagner environ 33 secondes. Cela revient à quelque 0,14 $ par minute gagnée, soit environ 8 $ par heure d’attente.

Au tarif catalogue chinois rapporté, la même réponse coûte environ ¥0.50 avec Pro (114 × ¥13/M + 7,300 × ¥68/M) et environ ¥1.00 avec Highspeed (114 × ¥26/M + 7,300 × ¥136/M).

Le rapport ne dépend pas de la longueur de la réponse. La sortie représente presque toute la facture : chaque tranche supplémentaire de 10,50 $ par million de jetons de sortie achète donc le même gain de temps. Un million de jetons prend environ 11,490 secondes à 87 jetons/s et 6,940 secondes à 144 jetons/s, soit un gain d’environ 76 minutes. Si le facteur de 2 à 3 fois était atteint, le même surcoût ferait gagner 96 à 128 minutes, soit 0,08 à 0,11 $ par minute gagnée. Avec le niveau d’effort par défaut max, chaque réponse comporte davantage de raisonnement, ce qui augmente à la fois la durée et le coût. Le tarif par minute reste inchangé tant que le rapport de vitesse se maintient ; le test ponctuel ne l’a toutefois pas mesuré avec max.

La question de savoir si 8 $ de l’heure est une somme modique dépend de la personne qui attend. Un développeur bloqué à chaque tour coûte bien plus que cela. Pour une tâche de traitement par lots exécutée la nuit, le temps d’attente ne coûte rien.

Ce que Highspeed n’accélère pas

La FAQ de Moonshot répond à la question que les utilisateurs poseront d’abord : « Pourquoi Highspeed ne semble-t-il pas nettement plus rapide ? »

Highspeed accélère uniquement la sortie du modèle. Les appels d’outils (lecture ou écriture de fichiers, exécution de commandes, etc.) et l’exécution de scripts ne sont pas accélérés : lorsque ces opérations occupent l’essentiel d’un tour, le gain de vitesse global est donc faible.

Voici ce que cela implique pour un tour d’agent, à titre d’exemple et selon les hypothèses indiquées. Supposons que le modèle génère 1,500 jetons (raisonnement et appel d’outil), puis que le tour consacre 20 secondes à l’exécution de tests. Le contexte compte 60,000 jetons, dont 95 % sont des lectures du cache. Les prix sont ceux d’AIHubMix ; les écritures dans le cache et le temps de traitement de l’invite sont exclus, et les vitesses correspondent aux moyennes du test ponctuel.

• Durée : 17 s de génération + 20 s de tests = 37 s avec Pro ; 10 s + 20 s = 30 s avec Highspeed. C’est 1,2 fois plus rapide.
• Coût : avec Pro, 3,000 × 2,00 $/M + 57,000 × 0,20 $/M + 1,500 × 10,50 $/M ≈ 0,006 $ + 0,011 $ + 0,016 $ ≈ 0,033 $. Avec Highspeed, 0,012 $ + 0,011 $ + 0,032 $ ≈ 0,055 $. La facture est donc 1,7 fois plus élevée.

Dans une boucle où les tests occupent beaucoup de temps, Highspeed coûte environ 1,7 fois plus cher pour une vitesse environ 1,2 fois supérieure. Le prix identique des lectures du cache allège la facture, mais rien ne raccourcit la suite de tests.

Le précédent : K2.7 Code Highspeed

Moonshot a déjà commercialisé la formule « même modèle, plus rapide ». Sa référence des paramètres indique : « kimi-k2.7-code-highspeed est le même modèle que kimi-k2.7-code, avec des contraintes de paramètres identiques ; seule la vitesse de sortie diffère. » AIHubMix le facture deux fois plus cher que le modèle de base : 1,90 $ / 8,00 $ contre 0,95 $ / 4,00 $ par million de jetons, et le prix des lectures du cache est lui aussi doublé.

La page du modèle K2.7 Code Highspeed annonce « environ 180 Tokens/s et jusqu’à 260 Tokens/s dans les scénarios à contexte court ». La mesure glissante d’AIHubMix affichée sur cette même page indiquait environ 29 jetons/s le 24 octobre, pas plus vite que les routes du modèle de base (environ 13 à 30 jetons/s). La page ne précise pas comment le débit est calculé en moyenne ; le temps de raisonnement, les réponses courtes et la charge peuvent tous faire baisser une mesure glissante. Cela ne prouve donc pas que la variante est lente. Cela montre toutefois pourquoi il est utile de vérifier une annonce de vitesse en fonction de votre propre trafic avant de payer le double.

Le piège des identifiants mal saisis

Dans Kimi Code, une erreur de saisie dans l’identifiant Highspeed n’échoue pas clairement. La documentation indique qu’« un identifiant de modèle mal saisi bascule sur K2.8 Preview, sans raisonnement », et la FAQ précise qu’une valeur Highspeed incorrecte « bascule silencieusement sur K2.8 Preview, sans raisonnement — sans aucun gain de vitesse ». Vous obtenez un modèle plus ancien, sans raisonnement et sans gain de vitesse.

Les identifiants varient selon la plateforme, ce qui facilite les erreurs :

• Kimi Code : k3.1-pro-highspeed
• Kimi API et AIHubMix : kimi-k3.1-pro-highspeed
• Canal de programmation AIHubMix : coding-kimi-k3.1-pro-highspeed

La documentation de Kimi Code ne cite que k3.1-pro-highspeed et kimi-for-coding-highspeed comme identifiants Highspeed valides sur cette plateforme. Vérifiez donc l’identifiant au format API avant de le coller dans une configuration Kimi Code. Sur AIHubMix, un identifiant mal saisi provoque au contraire une erreur explicite : kimi-k3.1-pro-highsped a renvoyé une erreur 400 le 24 octobre.

La vérification la plus rapide consiste à tirer parti du fait que K3.1 Pro ne peut pas fonctionner sans raisonnement : Moonshot indique que les requêtes désactivant le raisonnement sont rejetées. Une réponse authentique de K3.1 Pro contient toujours des données de raisonnement : reasoning_content dans Chat Completions, un bloc thinking dans Messages et un nombre non nul de reasoning_tokens dans les données d’utilisation. Si une réponse ne contient aucun raisonnement, c’est qu’un autre modèle a répondu ou que le raisonnement a été désactivé. Sur AIHubMix, une requête ayant désactivé le raisonnement n’a pas été rejetée : elle a renvoyé un code 200 sans raisonnement le 24 octobre, précisément le type de cas que cette vérification permet de repérer. Le script à la fin de cet article affiche ce décompte.

Formules Kimi Code : Highspeed consomme le quota deux fois plus vite

La fenêtre de contexte de 1M de K3.1 Pro nécessite le forfait Pro ou supérieur (Allegretto ou supérieur pour les anciens forfaits).

Avec un forfait, un quota doublé signifie deux fois moins de travail avant d’atteindre la limite. À titre de comparaison, l’ancien K2.7 Code Highspeed de Kimi Code (kimi-for-coding-highspeed) tourne à environ 6× la vitesse pour un quota multiplié par 3. Une autre règle compte quand on est tenté de changer de modèle : changer de modèle ou de niveau d’effort en cours de session « invalide le cache de contexte existant, ce qui nécessite un nouveau préremplissage et augmente l’utilisation des jetons ». Choisissez Pro ou Highspeed à l’ouverture d’une session et gardez-le.

Pro ou Highspeed selon la charge de travail

À qui s’adresse Highspeed : aux développeurs qui travaillent tour par tour avec K3.1 Pro dans Kimi Code ou un IDE, avec un forfait disposant d’un quota suffisant, et aux équipes qui déploient une fonctionnalité destinée aux utilisateurs, où le premier mot visible doit attendre que des milliers de jetons de raisonnement soient générés. À qui il ne s’adresse pas : aux pipelines, aux agents en arrière-plan, à l’intégration continue et aux évaluations, ainsi qu’à tous ceux dont les tours sont principalement consacrés aux outils.

Une réserve à prendre en compte pour les utilisateurs de K3. La même exécution avec l’ID principal a également mesuré Kimi K3 sur le même prompt, avec low. K3 a produit à peu près autant de raisonnement (3,013–7,051 jetons), mais à un débit de 22–26 tok/s, pour une durée de 154–309 secondes, contre 80–99 pour K3.1 Pro. Si K3 vous semblait lent, K3.1 Pro sans Highspeed a déjà répondu à ce prompt en moins de la moitié du temps en moyenne, avec un prix par jeton inférieur sur AIHubMix. Highspeed ajoute encore un facteur de 1.6–1.75×, et cette dernière étape coûte deux fois plus cher que Pro. Il ne s’agit que d’un prompt testé un jour donné : considérez donc l’écart avec K3 comme un indice plutôt que comme une mesure générale de la vitesse des deux modèles. De plus, cette exécution ne comparait pas la qualité des réponses.

Mesurez les performances avec votre propre prompt

Les deux ID fonctionnent via AIHubMix avec une seule clé ; le guide de démarrage rapide explique comment configurer les clés et les URL de base, et la page de comparaison d’AIHubMix présente les tarifs des deux modèles côte à côte, avec un calculateur de coûts. Ce script envoie le même prompt en streaming à chaque ID et affiche les temps mesurés lors du test ponctuel :

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")

Le script omet temperature, que les deux ID refusent sauf si sa valeur est 1. Il utilise Chat Completions : le 24 octobre, le point de terminaison Responses d’AIHubMix renvoyait une erreur 404 pour les deux ID principaux. Les outils qui nécessitent Responses, comme Codex, doivent donc utiliser pour l’instant les ID du canal coding. Exécutez chaque modèle plusieurs fois. Une seule exécution d’un modèle de raisonnement ne donne qu’un résultat aléatoire, comme le montre l’écart dans le tableau ci-dessus.

FAQ

Kimi K3.1 Pro Highspeed est-il un modèle différent de K3.1 Pro ?
Non. Moonshot affirme que ses capacités sont identiques et qu’il fonctionne simplement plus vite. Sur l’API Kimi, les deux ID partagent les mêmes contraintes de paramètres.

À quelle vitesse Highspeed est-il plus rapide ?
Moonshot annonce une vitesse environ 2–3× supérieure. Lors du test ponctuel d’AIHubMix sur un seul prompt, le débit était de 138–150 jetons par seconde, contre 85–88 pour Pro, soit environ 1.6–1.75×, et le traitement a pris 43–60 secondes, contre 80–99.

Combien coûte Highspeed en plus ?
Deux fois plus cher pour l’entrée et la sortie, mais au même prix pour les accès au cache. Sur AIHubMix, les tarifs sont de $4.00 / $21.00 par million de jetons, contre $2.00 / $10.50, avec des lectures du cache à $0.20 pour les deux modèles. Moonshot n’a pas encore publié ses tarifs en USD.

Highspeed rendra-t-il mon agent de programmation deux fois plus rapide ?
Uniquement pour la partie où le modèle écrit. Les appels d’outils, la lecture et l’écriture de fichiers, ainsi que l’exécution de commandes et de scripts restent à la même vitesse. Un tour qui passe l’essentiel de son temps à exécuter des tests n’en tirera donc qu’un faible gain.

Pourquoi Highspeed n’est-il pas plus rapide pour moi dans Kimi Code ?
Commencez par vérifier l’ID du modèle. Il doit être k3.1-pro-highspeed ; une valeur mal saisie bascule silencieusement vers K2.8 Preview, sans réflexion. Si l’ID est correct, c’est probablement le temps consacré aux outils qui domine vos tours.

Quels forfaits Kimi Code incluent Highspeed ?
Les nouveaux forfaits à partir de Pro, et les anciens à partir d’Allegretto. Highspeed utilise environ deux fois le quota de K3.1 Pro.

Puis-je passer de Pro à Highspeed en cours de session ?
Oui, mais Kimi Code avertit que changer de modèle invalide le cache de contexte et impose un nouveau préremplissage. Choisissez-en un au début de la session.

Poursuivre la lecture : la série Kimi K3.1 Pro

• Si vous ne savez pas encore si K3.1 Pro vaut la peine de quitter K3, cet article présente les changements et le coût d’une tâche réelle : Kimi K3.1 Pro vs K3 : ce qui a changé, ce que cela coûte et qui devrait changer de modèle
• Le piège de l’ID n’est qu’une des façons de rater une migration ; cet article aborde les erreurs 400 et le niveau d’effort maximal par défaut, qui alourdit à la fois l’attente et la facture : Migrer vers Kimi K3.1 Pro : corriger les erreurs 400, surveiller le niveau d’effort maximal par défaut et éviter les erreurs de saisie de Highspeed
• Si vous payez pour la vitesse, découvrez comment K3.1 Pro se compare à ses concurrents sur la même tâche front-end et en coût par tâche : Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5 : qualité front-end, coût par tâche et examen du battage médiatique

Sources

• Moonshot AI : configuration des modèles Kimi Code
• Moonshot AI : blog technique sur Kimi K3.1 Pro
• Moonshot AI : référence des paramètres des modèles
• AIHubMix : Kimi K3.1 Pro vs Kimi K3.1 Pro Highspeed
• AIHubMix : page du modèle Kimi K2.7 Code Highspeed