Kimi K3.1 Pro против K3.1 Pro Highspeed: стоит ли скорость в 2–3 раза выше вдвое большей цены?

Kimi K3.1 Pro Highspeed — не более умная модель. Moonshot AI описывает её как K3.1 Pro «с идентичными возможностями модели», работающую «примерно в 2–3 раза быстрее». В AIHubMix каждый входной и выходной токен стоит ровно вдвое дороже. Вы платите только за время ожидания — и ни за что другое.

Короткий ответ: выбирайте Highspeed, когда за потоком следит человек — например, во время интерактивной сессии программирования или в чате, где пользователи ждут ответа. Оставайтесь на Pro для задач, которые выполняются без присмотра или тратят большую часть каждого шага на инструменты и тесты. В выборочной проверке AIHubMix Highspeed генерировала примерно в 1,6–1,75 раза быстрее Pro, а не в 2–3 раза. На рассуждения приходилось 85–90% токенов каждого ответа, поэтому большая часть удвоенного счёта оплачивала мысли, которые никто не читает. При измеренной скорости каждый дополнительный доллар сокращал ожидание примерно на семь минут.

Та же модель, другая скорость

Moonshot прямо заявляет, что меняется только скорость. В документации моделей Kimi Code Highspeed описана как «высокоскоростная версия K3.1 Pro с теми же возможностями, более быстрой выдачей и примерно вдвое большим расходом квоты по сравнению с обычной версией». В техническом блоге о K3.1 Pro приводится та же цифра — 2–3 раза, и обе версии указаны с ID для Kimi API.

В Kimi Code окно на 1M зависит от уровня плана (см. раздел о планах ниже). AIHubMix также указывает ID для канала программирования: coding-kimi-k3.1-pro и coding-kimi-k3.1-pro-highspeed, которые AIHubMix помечает как ознакомительную версию для оценки.

Поскольку модели идентичны, всё, что относится к K3.1 Pro, относится и к Highspeed: режим рассуждений нельзя отключить, интенсивность по умолчанию — max, а параметры семплирования фиксированы. 24 октября AIHubMix вернул ошибку 400 invalid temperature: only 1 is allowed for this model для temperature=0.2 на обоих ID.

Цена: вдвое выше за всё, кроме попаданий в кэш

Цены указаны за миллион токенов. Данные по AIHubMix взяты со страниц моделей Kimi K3.1 Pro и K3.1 Pro Highspeed по состоянию на 24 октября. Moonshot пока не публиковала официальные цены в USD. Данные по Китаю взяты из таблицы цен, распространившейся в день запуска и пока отсутствующей на странице с ценами Moonshot, поэтому считайте их опубликованными сторонними источниками, а не официальными.

Видны два важных момента. Во-первых, попадания в кэш стоят одинаково для обоих ID, поэтому при длительной сессии, где большая часть входных данных берётся из кэша, надбавка будет меньше двухкратной. Но так бывает не всегда: для K2.7 Code Highspeed AIHubMix также удваивает стоимость чтения из кэша. Во-вторых, Highspeed стоит дороже, чем K3. AIHubMix продаёт K3 по цене $2.84 / $14.20, поэтому переход с K3 на Pro снижает цену токена на 26–30%, а переход с K3 на Highspeed повышает её на 41–48%.

Насколько быстрее: выборочная проверка AIHubMix

24 октября AIHubMix отправил обоим моделям один запрос через их основные ID — kimi-k3.1-pro и kimi-k3.1-pro-highspeed: объяснить коллизии хеш-таблиц в 600 словах и привести один короткий пример на Python. Запросы передавались в потоковом режиме с параметром reasoning_effort: low и лимитом генерации в 8,192 токена; для каждой модели было выполнено по три запуска. Считайте это выборочной проверкой на одном запросе, а не бенчмарком.

Скорость генерации рассчитывается как количество токенов завершения, делённое на время после получения первого токена в потоке. В одном запуске Pro достигла лимита в 8,192 токена. Предыдущий запуск через канал программирования AIHubMix (coding-kimi-k3.1-pro и coding-kimi-k3.1-pro-highspeed) показал похожее соотношение: 153–169 против 95–97 tok/s.

• В 1,6–1,75 раза быстрее, а не в 2–3 раза. Самый медленный запуск Highspeed (138 tok/s) был в 1,6 раза быстрее самого быстрого запуска Pro (88). Самый быстрый запуск Highspeed (150) оказался в 1,75 раза быстрее самого медленного запуска Pro (85.5). От начала до конца Highspeed завершала генерацию за 43–60 секунд против 80–99.
• Большую часть времени занимают рассуждения. Даже при уровне low обе модели рассуждали, выдавая 5,100–7,400 токенов, прежде чем написать ответ объёмом 830–930 токенов. На рассуждения приходилось 85–90% каждого завершения.
• Highspeed ускоряет и рассуждения. Рассуждения — это вывод модели, поэтому они тоже передаются быстрее. Первый токен ответа появлялся через 40–58 секунд вместо 71–91. Обе модели начинали выдавать рассуждения в потоке через 2–5 секунд, поэтому если интерфейс скрывает рассуждения, первое видимое слово появляется в среднем примерно на 30 секунд раньше.

Сколько стоит один ответ в каждой версии

Это оценка. Расчёт исходит из 114 входных токенов (тестовый запрос) и 7,300 токенов завершения на ответ (среднее по шести запускам составило около 7,290), цен AIHubMix и средней измеренной скорости 87 и 144 tok/s.

• K3.1 Pro: 114 × $2.00/M + 7,300 × $10.50/M = $0.0002 + $0.0767 ≈ $0.077. Генерация занимает примерно 7,300 ÷ 87 ≈ 84 секунды.
• K3.1 Pro Highspeed: 114 × $4.00/M + 7,300 × $21.00/M = $0.0005 + $0.1533 ≈ $0.154. Генерация занимает примерно 7,300 ÷ 144 ≈ 51 секунду.
• Компромисс: примерно на $0.077 больше за ответ, чтобы сэкономить около 33 секунд. Это примерно $0.14 за каждую сэкономленную минуту, или около $8 за час ожидания.

По опубликованному в Китае прайсу тот же ответ стоит примерно ¥0.50 на Pro (114 × ¥13/M + 7,300 × ¥68/M) и примерно ¥1.00 на Highspeed (114 × ¥26/M + 7,300 × ¥136/M).

Ставка не зависит от длины ответа. Почти весь счёт приходится на выходные токены, поэтому каждые дополнительные $10.50 за миллион выходных токенов дают одинаковую экономию времени: миллион токенов генерируется примерно за 11,490 секунд при 87 tok/s и за 6,940 секунд при 144 tok/s — экономия составляет около 76 минут. Если бы ускорение действительно достигало 2–3 раз, та же надбавка экономила бы 96–128 минут, то есть $0.08–0.11 за каждую сэкономленную минуту. При интенсивности max по умолчанию каждый ответ содержит больше рассуждений, поэтому растут и время, и стоимость. Цена за минуту остаётся прежней, если сохраняется такое же соотношение скоростей, однако в выборочной проверке скорость при max не измерялась.

Считать ли $8 за час небольшой суммой, зависит от того, кто ждёт. Разработчик, вынужденный ждать после каждого шага, обходится намного дороже. А ночной пакетный процесс ожидания ничего не стоит.

Что Highspeed не ускоряет

В собственном FAQ Moonshot отвечает на вопрос, который пользователи зададут в первую очередь: «Почему Highspeed не кажется заметно быстрее?»:

Highspeed ускоряет только генерацию вывода модели. Вызовы инструментов (чтение и запись файлов, выполнение команд и т. д.) и запуск скриптов не ускоряются, поэтому, если они занимают большую часть шага, общее ускорение будет небольшим.

Вот что это означает для шага агента — для примера укажем допущения. Допустим, модель генерирует 1,500 токенов (рассуждения и вызов инструмента), а затем тесты выполняются 20 секунд. Контекст составляет 60,000 токенов, из которых 95% попадают в кэш. Используются цены AIHubMix, стоимость записи в кэш и время обработки запроса не учитываются, а скорость взята как среднее по выборочной проверке.

• Время: 17 с на генерацию + 20 с на тесты = 37 с на Pro; 10 с + 20 с = 30 с на Highspeed. Ускорение — в 1,2 раза.
• Стоимость: на Pro: 3,000 × $2.00/M + 57,000 × $0.20/M + 1,500 × $10.50/M ≈ $0.006 + $0.011 + $0.016 ≈ $0.033. На Highspeed: $0.012 + $0.011 + $0.032 ≈ $0.055. Счёт выше в 1,7 раза.

В цикле, где много времени уходит на тесты, Highspeed стоит примерно в 1,7 раза дороже и ускоряет работу примерно в 1,2 раза. Одинаковая цена попаданий в кэш смягчает рост счёта, но тестовый набор никуда не исчезает.

Прецедент: K2.7 Code Highspeed

Moonshot уже продавала продукт по принципу «та же модель, но быстрее». В справочнике параметров сказано: «kimi-k2.7-code-highspeed — та же модель, что и kimi-k2.7-code, с идентичными ограничениями параметров; отличается только скорость генерации». AIHubMix устанавливает цену вдвое выше базовой модели: $1.90 / $8.00 против $0.95 / $4.00 за миллион токенов, при этом чтение из кэша тоже стоит вдвое дороже.

На странице модели K2.7 Code Highspeed заявлена скорость «примерно 180 Tokens/s и до 260 Tokens/s в сценариях с коротким контекстом». Скользящее измерение AIHubMix на той же странице 24 октября показало около 29 tok/s — не быстрее, чем на маршрутах базовой модели (около 13–30 tok/s). На странице не указано, как усредняется пропускная способность; время рассуждений, короткие ответы и нагрузка могут снижать скользящее значение, поэтому это не доказывает, что версия работает медленно. Но это показывает, почему перед тем, как платить за неё вдвое больше, стоит проверить заявленную скорость на собственном трафике.

Ловушка с ошибкой в ID

В Kimi Code опечатка в ID Highspeed не вызывает явной ошибки. В документации сказано: «При опечатке в ID модели происходит незаметный переход на K2.8 Preview без рассуждений», а в FAQ добавлено, что неверное значение Highspeed «незаметно переключает модель на K2.8 Preview без рассуждений — без какого-либо ускорения». В итоге вы получаете более старую модель, без рассуждений и без прироста скорости.

ID различаются в зависимости от интерфейса, поэтому ошибиться легко:

• Kimi Code: k3.1-pro-highspeed
• Kimi API и AIHubMix: kimi-k3.1-pro-highspeed
• Канал программирования AIHubMix: coding-kimi-k3.1-pro-highspeed

В документации Kimi Code в качестве допустимых ID Highspeed указаны только k3.1-pro-highspeed и kimi-for-coding-highspeed, поэтому проверьте ID в формате API, прежде чем вставлять его в конфигурацию Kimi Code. В AIHubMix при опечатке в ID возникает явная ошибка: 24 октября запрос с kimi-k3.1-pro-highsped вернул ошибку 400.

Быстрее всего проверить модель, воспользовавшись тем, что K3.1 Pro не работает без рассуждений: по словам Moonshot, запросы с отключёнными рассуждениями отклоняются. В настоящем ответе K3.1 Pro всегда есть данные о рассуждениях: reasoning_content в Chat Completions, блок thinking в Messages и ненулевое значение reasoning_tokens в usage. Если рассуждений нет, значит, ответила другая модель или рассуждения были отключены. В AIHubMix запрос с отключёнными рассуждениями не был отклонён: 24 октября он вернул статус 200 без рассуждений — именно это и позволяет выявить данная проверка. Скрипт в конце этой статьи выводит количество таких ответов.

Планы Kimi Code: Highspeed расходует квоту вдвое быстрее

Для контекстного окна 1M у K3.1 Pro нужен тариф Pro или выше (Allegretto или выше для старых тарифов).

На платном тарифе двойной расход квоты означает, что до достижения лимита можно выполнить вдвое меньше работы. Для сравнения: более старая модель Kimi Code K2.7 Code Highspeed (kimi-for-coding-highspeed) работает примерно в 6 раз быстрее за 3-кратный расход квоты. Если вы подумываете переключиться, важно учитывать ещё одно правило: переключение моделей или уровня усилий посреди сеанса «аннулирует кэш существующего контекста, требуя повторного префилла и увеличивая расход токенов». Выберите Pro или Highspeed при начале сеанса и не переключайтесь.

Pro или Highspeed: что выбрать для разных задач

Кому нужен Highspeed: разработчикам, которые пошагово работают с K3.1 Pro в Kimi Code или IDE, если у них есть запас квоты, а также командам, выпускающим функции для пользователей, где перед появлением первого видимого слова приходится ждать тысячи токенов рассуждений. Кому он не нужен: тем, кто запускает конвейеры, фоновых агентов, CI и оценки, а также всем, чьи сеансы в основном занимают вызовы инструментов.

Важная оговорка для пользователей K3. В том же тесте с основным ID мы также проверили Kimi K3 на том же запросе с уровнем low. K3 потратил примерно столько же токенов на рассуждения (3,013–7,051), но выдавал 22–26 токенов/с и отвечал за 154–309 секунд против 80–99 секунд у K3.1 Pro. Если K3 казался медленным, то обычный K3.1 Pro уже ответил на этот запрос в среднем менее чем за половину времени, причём цена за токен на AIHubMix была ниже. Highspeed ускоряет его ещё в 1,6–1,75 раза, но за этот последний шаг приходится платить вдвое больше, чем за Pro. Тестировали один запрос в один день, поэтому воспринимайте разницу между K3 и K3.1 Pro скорее как ориентир, а не как общее сравнение скорости двух моделей; качество ответов в тесте не сравнивали.

Проверьте на собственном запросе

Обе модели доступны через AIHubMix с одним ключом. В кратком руководстве описаны ключи и базовые URL, а на странице сравнения AIHubMix рядом указаны цены обеих моделей и есть калькулятор стоимости. Этот скрипт отправляет один и тот же запрос каждой модели в потоковом режиме и выводит замеры времени, использованные в выборочной проверке:

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")

В скрипте не задан параметр temperature: оба ID принимают только значение 1. Используется Chat Completions: 24 октября эндпоинт Responses в AIHubMix возвращал 404 для обоих основных ID, поэтому инструменты, которым нужен Responses, например Codex, пока используют ID для канала программирования. Запустите каждую модель несколько раз. Один запуск модели с рассуждениями — это шум, что видно по разбросу в таблице выше.

Часто задаваемые вопросы

Kimi K3.1 Pro Highspeed — это другая модель, а не K3.1 Pro?
Нет. Moonshot утверждает, что возможности моделей идентичны, а работает Highspeed только быстрее. В Kimi API для обоих ID действуют одинаковые ограничения параметров.

Насколько быстрее Highspeed?
По словам Moonshot, примерно в 2–3 раза. В выборочной проверке AIHubMix на одном запросе модель выдавала 138–150 токенов в секунду против 85–88 у Pro, то есть примерно в 1,6–1,75 раза быстрее, и завершала ответ за 43–60 секунд против 80–99.

Насколько дороже Highspeed?
Вдвое дороже ввод и вывод, но столько же стоят обращения к кэшу. На AIHubMix цена составляет $4.00 / $21.00 за миллион токенов против $2.00 / $10.50; чтение кэша стоит $0.20 для обеих моделей. Moonshot пока не публиковала цены в USD.

Ускорит ли Highspeed моего агента для программирования вдвое?
Только ту часть работы, где модель пишет код. Вызовы инструментов, чтение и запись файлов, команды и скрипты выполняются с той же скоростью, поэтому ускорение будет небольшим, если большую часть времени сеанса занимают тесты.

Почему Highspeed не ускоряет работу в Kimi Code?
Сначала проверьте ID модели. Он должен быть k3.1-pro-highspeed; при опечатке система незаметно переключается на K2.8 Preview без рассуждений. Если ID указан верно, вероятно, основную часть времени в ваших сеансах занимают инструменты.

В какие тарифы Kimi Code входит Highspeed?
В новые тарифы начиная с Pro, а в старые — начиная с Allegretto. Highspeed расходует примерно вдвое больше квоты, чем K3.1 Pro.

Можно ли переключаться между Pro и Highspeed посреди сеанса?
Можно, но Kimi Code предупреждает: при переключении моделей кэш контекста аннулируется и требуется повторный префилл. Выберите модель при начале сеанса.

Читайте также: серия статей о Kimi K3.1 Pro

• Если вы ещё не решили, стоит ли переходить на K3.1 Pro с K3, здесь описаны изменения и стоимость реальной задачи: Kimi K3.1 Pro и K3: что изменилось, сколько это стоит и кому стоит перейти
• Ошибка в ID — лишь один из способов испортить переход; в этой статье разбираются ошибки 400 и максимальный уровень усилий по умолчанию, который увеличивает и ожидание, и счёт: Переход на Kimi K3.1 Pro: как исправить ошибки 400, учесть максимальный уровень усилий по умолчанию и не ошибиться в ID Highspeed
• Если вы платите за скорость, узнайте, как K3.1 Pro сравнивается с конкурентами на одной и той же задаче для фронтенда и по стоимости задачи: Kimi K3.1 Pro, Qwen 4 и Claude Fable 5.5: качество фронтенда, стоимость задачи и проверка громких заявлений

Источники

• Moonshot AI: конфигурация моделей Kimi Code
• Moonshot AI: технический блог о Kimi K3.1 Pro
• Moonshot AI: справочник параметров модели
• AIHubMix: сравнение Kimi K3.1 Pro и Kimi K3.1 Pro Highspeed
• AIHubMix: страница модели Kimi K2.7 Code Highspeed