Kimi K3.1 Pro 对比 K3：有哪些变化、价格如何，以及谁应该切换

Kimi K3.1 Pro 是 Kimi K3 的首次更新。Kimi K3 是 Moonshot AI 于 2026 年 7 月 16 日推出的 2.8 万亿参数开放权重模型。K3.1 Pro 于 2026 年 10 月 23–24 日在 Kimi app、Kimi Code 和 Kimi API 上线。Moonshot 的发布公告称它是“我们全新 K3.1 系列的首款模型，也是迄今能力最强的 3T 级开放权重模型”：这是 K3 的后训练版本，针对“数百个下游领域”投入了更多后训练算力。Moonshot 宣称它在编程、3D 创作以及金融研究与建模方面有所提升。K3.1 Pro Highspeed 版本的能力相同，速度约为其两到三倍；完整权重预计于 2026 年 11 月 4 日前发布。

简而言之：对于 API 代码，只需更改模型 ID。kimi-k3.1-pro与kimi-k3具有相同的参数限制，因此固定采样设置、三个推理强度等级和 max 默认值都不变。你最先注意到的变化会比较微妙。在 Kimi Code 中，K3 默认使用 high 推理强度，而 K3.1 Pro 默认使用 max。预计每项任务会进行更多思考，因此会消耗更多 token，或占用更多套餐额度。

价格方面，K3.1 Pro 的单 token 价格更低。AIHubMix 的定价为每百万 token 输入 $2.00、输出 $10.50；K3 则为 $2.84 和 $14.20。上线当天流传的一份人民币价格表也显示，Moonshot 的价格有类似降幅。本文撰写时，尚无法确认 Moonshot 自己公布的美元标价。Moonshot 自行报告的基准测试显示，K3.1 Pro 在其自有编程、幻觉和金融测试中明显优于 K3。真正的问题是：对于一个在你的任务上思考时间更长的模型，这些提升加上更低的单 token 价格，是否仍然值得。

K3 与 K3.1 Pro 并排对比

K3 一栏的信息来自 Moonshot 的 Kimi K3 指南和模型卡。K3.1 Pro 一栏的信息来自 Moonshot 的K3.1 Pro 快速入门指南和其Kimi Code 模型文档，后者还列出了 Kimi Code 的两个默认设置。Highspeed 版本的 ID 分别是 API 中的kimi-k3.1-pro-highspeed和 Kimi Code 中的k3.1-pro-highspeed。在 Kimi Code 中，完整的 1M 上下文窗口仅适用于更高级别的套餐。Moonshot 尚未公布 K3.1 Pro 的激活参数量，也未说明其权重将采用哪种许可证。

K3.1 Pro 是如何浮出水面的

K3.1 系列的消息在一个月内陆续泄露。CometAPI 的追踪页面汇总了这些消息，Wccftech、AIBase 和 LINUX DO 上的发帖者也进行了报道。在预告视频发布之前，Moonshot 对这些消息均未予确认。

• 9 月 23 日：X 上发布的一段配置片段显示了k3d1-agent标识符、三个推理强度等级（Low、High、Max）、最长可达 1M token 的“Extra Long”上下文选项，以及 agent、swarm、search 和 batch 模式的标记。
• 9 月 28 日：开发者在 Moonshot API 平台的模型注册表中发现了kimi-k3-1，并报告称该模型能够响应调用。开放平台的预览页面显示，其价格与 K3 相同。
• 10 月 21 日：Kimi Code 的model_switch_confirm配置开始返回一条规则，将k3、K3、kimi-k3、k3-256k、kimi-for-coding和kimi-for-coding-highspeed切换到k3.1。两天后，该模型以k3.1-pro的名称在 Kimi Code 中上线。
• 10 月 22 日：一个名为 Kibitz 的匿名模型出现在 Arena 的 Code Arena 中。tokenizer 指纹将它与 Kimi 联系起来，而这个名称也符合 Moonshot 的命名习惯（K3 测试期间使用的名称是 Kivine）。测试者进行的单轮对战结果颇为理想，其中一位测试者认为，在 medium 推理强度下，它的 3D 构建表现接近 Claude Opus 5.5。Arena 没有公布分数。
• 10 月 23 日：Kimi 官方账号发布了一段 24 秒的预告片。视频展示了 Kimi Code 终端，其中显示“Model: Kimi K3.1”，模型则在编写 Three.js 3D 场景。
• 10 月 23–24 日：Moonshot 将 K3.1 Pro 和 K3.1 Pro Highspeed 添加到 Kimi Code 文档中，文档称该模型“现已在 Kimi Code 中全面推出”。发布公告曾短暂上线后被撤下，当晚又重新发布，并附上完整的基准测试表，以及kimi-k3.1-pro和kimi-k3.1-pro-highspeed的 API 文档。

大多数泄露的标记描述的其实都是 K3 已经支持的功能：三个推理强度等级、1M 上下文窗口，以及 Kimi 现有的 swarm 模式。正式发布也证实了这一点。K3.1 Pro 保留了 K3 的请求规范；新增的内容是额外的后训练、Kimi Code 中默认使用 max 推理强度，以及 Highspeed 版本。

哪些内容保持不变，哪些需要重新检查

Moonshot 表示，kimi-k3.1-pro与kimi-k3“具有相同的参数限制”，因此在 K3 上运行的代码只需更换 ID。以下规则也都适用：

• 思考模式始终开启。Moonshot 表示，禁用思考模式的请求会返回 HTTP 400；AIHubMix 的主 ID 并不会拒绝这类请求（见下文）。
• reasoning_effort接受low、high或max，默认值为max。没有 medium 等级，尽管发布前有相关报道：Kimi Code 会将medium映射到high，将xhigh和ultra映射到max，并将minimum和light映射到low。在 Kimi Code 中，off、none、disabled或任何未知值都会返回 400。
• 采样参数固定：temperature 为 1.0，top_p 为 0.95，n 为 1，两个惩罚参数均为 0。请省略这些参数；在 Moonshot API 上使用其他值会报错。
• tool_choice接受required，与 K3 相同。
• max_completion_tokens的默认值为 131,072，最高可设为 1,048,576，且需符合 1M 上下文窗口的限制。
• 更换模型或推理强度等级会使缓存失效。在 Kimi Code 中，Moonshot 建议不要在现有的 K3、K2.8 Preview 或 K2.7 Code Highspeed 会话中切换到 K3.1 Pro，因为这样会降低输出质量并减少缓存命中。

和 K3 一样，多轮对话及工具循环应传回完整的 assistant 消息，包括reasoning_content。

AIHubMix 的测试结果。10 月 24 日，AIHubMix 使用两个主 IDkimi-k3.1-pro和kimi-k3.1-pro-highspeed，以及其编程渠道中的coding-kimi-k3.1-pro和coding-kimi-k3.1-pro-highspeed测试了这两个模型。编程渠道采用 Kimi Code 的推理强度映射方式：

• Chat Completions（包含reasoning_content）和 Messages（thinking 与 text 块）在两种 ID 下均返回 200。Responses API 仅在编程渠道下返回 200；主 ID 则返回 404：“The model kimi-k3.1-pro is not available on this endpoint.” 因此，在上线之初，使用 Responses 的 Codex 必须在 AIHubMix 上使用编程渠道 ID。
• 所有测试过的reasoning_effort值（low、medium、high、max、xhigh）均返回 200。网关接受这些值，但 Moonshot 文档只列出low、high和max，因此不要将额外的值理解为额外的等级。off和未知值同样返回 200；none或thinking: {"type": "disabled"}字段也会返回 200，但完全不包含推理内容：在 AIHubMix 上，关闭思考模式不会报 400，而是悄然失效。
• temperature=0.2在主 ID 下返回 400：“invalid temperature: only 1 is allowed for this model”。编程渠道接受了该值。一个遗留的 K2.xthinking: {"type": "enabled"}字段在两个渠道下都返回 200。
• 现在，Messages API 已支持结构化输出。一个json_schema请求的提示词并未要求返回 JSON，但结果仍是{"city":"Paris"}。在 AIHubMix 7 月的测试中，K3 在该接口上会悄然忽略 schema。
• 缓存会自动启用：在编程渠道中，重复提交的提示词会被计为全部命中缓存的 token。

本系列中的迁移指南将逐一介绍这些可能遇到的问题，并提供错误文本和修复方法。

基准测试：对比 K3 和更高一档的模型

这些数据是 Moonshot 在发布时自行报告的数字，来自 K3.1 Pro 发布公告，以及 K3 的 GitHub 模型卡。不同模型使用的测试框架并不相同（K3.1 Pro 大多在 Claude Code 测试框架中运行），目前也没有人复现这些数字。

K3 对比 K3.1 Pro。以下是 Moonshot 使用相同方法测得的两款模型数据：

Kimi Code Bench、Kimi Hallu Bench 和两组金融测试都是 Moonshot 的内部基准测试。Kimi Code Bench 2.0 的两组数据是在 Claude Code 测试框架中测得的（K3 的标杆成绩 72.9 则是在 Kimi Code 中测得），而 Hallu Bench Hard 使用了工具。每组数据都朝着有利方向变化：编程测试提升了 3 至 8 分，金融测试提升了 7 至 12 分；Hard 测试中的幻觉率则从 23.4 降至 8.3。两个版本的发布数据中都包含 Terminal-Bench、SWE Marathon 和 ProgramBench，但版本或评分方法各不相同，因此不能将 K3 的 88.3、42.0 和 77.8 与 K3.1 Pro 的 65.7、51.7 和 31.5 直接比较。

对比更高一档的模型。Kimi 没有比 K3.1 Pro 更高一档的模型，因此真正值得关注的是它与 Moonshot 表格中闭源模型的对比。Moonshot 使用 max 推理强度运行这些模型，并注明“专有模型测试可能涉及某些回退行为”。

根据 Moonshot 自己的成绩单，K3.1 Pro 在四项基准测试中的长时间持续编码（SWE Marathon v1.1）和使用工具的 HLE 上均领先，并在 DeepSWE v1.1 上略胜一筹。在 Terminal-Bench 4.0 上，它击败了 Fable 5.1 和 GPT-6 Astra，成绩距 Opus 5.5 仅差一分；在 GDPval-AA 上，它也仅落后于 Opus 5.5。它在 ProgramBench 上明显落后，Opus 5.5 的分数约为其两倍；在不使用工具的 HLE 上也落后，并且在 Moonshot 内部的 Design Bench 上不敌领先的 GPT-6 Astra。K3 首次登上 Arena 前端代码排行榜时排名第一，得分为 1,679；K3.1 Pro 发布时尚无 Arena 得分。

价格与实际成本

价格按每百万 token 计算。AIHubMix 上 K3.1 Pro 的输入价格比 K3 低 30%，输出价格低 26%；Highspeed 的输入和输出价格恰好都是 K3.1 Pro 的两倍，缓存命中价格则相同。本文撰写时无法确认 Moonshot 自己公布的 K3.1 Pro 美元价格，因此官方价格栏以破折号表示。OpenAI 正在为 GPT-5.6 Sol 提供 $4 / $20 的促销价格，据报至少持续至 21 November 2026。AIHubMix 上 K3.1 Pro 和 Highspeed 的缓存命中价格为每百万 $0.20，而 K3 为 $0.284（Moonshot 上为 $0.30）。Moonshot 更新计费方式后，K3 的缓存写入费用似乎会单独列出：默认 5 分钟有效期为每百万 $3.00，1 小时有效期为 $6.00。在 Moonshot 的 API 上，K3.1 Pro 也采用相同模式：价格不随上下文长度变化，缓存写入按有效期计费，各推理强度下的推理 token 均按输出计费。AIHubMix 的模型页面只列出输入、输出和缓存命中价格，没有单独的缓存写入费率。

Moonshot 公布的人民币价格。发布当天流传的一张价格表列出了 Moonshot 对 K3.1 Pro 和 K3.1 Pro Highspeed 的人民币定价，包括缓存写入费用。目前尚未通过 Moonshot 的定价页面确认：

价格按每百万 token 计算，单位为 CNY。K3 一行与 Moonshot 的中国区价格一致。如果这张表准确，Moonshot 将 K3.1 Pro 的输入价格下调了 35%，输出价格下调了 32%，缓存命中价格下调了 35%，降幅略高于 AIHubMix。Highspeed 的输入、输出和缓存写入价格都是 K3.1 Pro 的两倍，缓存命中价格则相同，因此其输入价格比 K3 高 30%，输出价格高 36%。Moonshot 的美元和人民币价格并未按固定汇率挂钩，因此人民币价格无法推算其美元价格。

一项任务的成本估算。7 月，AIHubMix 让 K3 根据一条提示词和一张参考图，制作一个单文件 HTML 游戏。这次运行耗时 2,541 秒（约 42 分钟），生成了 1,275 行可运行代码。它消耗了 74,994 个补全 token，其中 54,486 个（73%）用于思考。当时它以最高推理强度运行，这是 K3 唯一支持的强度，也是 K3.1 Pro 如今的默认强度。输入 token 数未记录，因此以下估算按 5,000 个输入 token 计算。价格采用 AIHubMix 的定价。

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• GPT-5.6 Sol，token 数相同：≈ $1.52
• Claude Fable 5.1，token 数相同：≈ $4.18
• K3.1 Pro，token 数相同：5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• K3.1 Pro Highspeed，token 数相同：5,000 × $4.00/M + 74,994 × $21.00/M ≈ $1.59

token 数相同只是一个假设，实际 token 数会让结果上下波动。在Chase AI 的实测构建测试中，K3 使用了 21.5 million 个 token，而 Claude Fable 5 使用了 3.5 million 个，前者约为后者的六倍。按这个比例，Fable 5 大约会用 12,200 个 token 完成游戏，成本约为 $0.73，低于 K3 的 $1.08 和 K3.1 Pro 的 $0.80，尽管它的输出价格接近四倍。在Artificial Analysis 的索引任务中，情况正好相反：Fable 5.1 每项任务平均输出 78,000 个 token，而 K3 为 48,000 个；每项任务成本为 $7.63，而 K3 为 $2.00。

模型的思考时长取决于任务。在 24 October 的一次小规模 AIHubMix 抽查中，一条要求撰写 600 字说明文的提示词，在低推理强度下，K3.1 Pro 回答前进行了 5,561 到 7,356 个 token 的推理，K3 则用了 3,013 到 7,051 个：两者相近。区别在于速度。K3.1 Pro 每秒约输出 86 个 token，而 K3 为 22 到 26 个，因此 K3.1 Pro 用时 80 到 99 秒就给出回答，K3 则需要 154 到 309 秒。这只是一个提示词、每个模型运行三次的抽查，测试使用的是 AIHubMix 的主模型 ID，并非基准测试。不过，只有当 K3.1 Pro 在你的工作中不会比 K3 思考更久时，输出价格降低四分之一才会让账单降低四分之一；因此，在计算节省金额前，先测量每项任务的 token 用量。

K3.1 Pro 并非显而易见的最佳选择之处

• 受延迟制约的工作。K3.1 Pro 始终会思考，默认推理强度为最高，而且不支持关闭思考。K3 的游戏任务在一次请求中耗时 42 分钟；在上文的抽查中，即使设为低推理强度，K3.1 Pro 也要等 71 到 91 秒才输出第一个回答 token（K3 则要等 132 到 280 秒）。Highspeed 的输出速度约快 2–3 倍，但 Moonshot 表示它“只会加快模型输出”，因此工具调用和脚本的运行速度不变。如果用户需要等待每次回答，那么即使质量相同，更适合的也是响应更快的非推理模型。
• 需要控制 temperature 的流水线。K3.1 Pro 和 K3 一样，将采样参数固定为 1.0；在 AIHubMix 的主模型 ID 上，temperature 设为 0.2 会返回 400 错误。代码通道虽然接受了这个值，但返回 200 并不代表该值确实生效。如果你依赖 temperature 0 来获得可重复的输出，K3.1 Pro 无法满足这一需求。
• 与其弱项基准测试类似的工作。根据 Moonshot 自己的成绩表，它在 ProgramBench 上的得分只有 Claude Opus 5.5 的一半，在不使用工具的 HLE 上落后于三款闭源模型，在 Design Bench 上也落后于 GPT-6 Astra。切换前先测试这类任务。
• 更高档模型思考时间更短的任务。正如 Chase AI 的构建测试所示，价格更高但思考更少的模型，每项任务的成本可能更低。在认定 K3.1 Pro 更便宜之前，先测量自己的工作负载。
• 较低档的 Kimi Code 套餐。新套餐需要 Plus 或更高档才能使用 K3.1 Pro（旧套餐则需 Moderato 或更高档），而 1M 上下文窗口需要 Pro（Allegretto）。Highspeed 需要 Pro 或更高档（Allegretto）。

哪些用户该切换，哪些该观望

• Kimi Code 用户：K3.1 Pro 已上线，模型 ID 为 k3.1-pro。请用它开启新会话，不要在现有的 K3、K2.8 Preview 或 K2.7 Code Highspeed 会话中途切换；Moonshot 表示，中途切换会降低输出质量和缓存命中率。K3 的默认推理强度为 high，而现在默认会设为最高强度，请留意第一周的额度使用情况。如果额度消耗更快，可将日常任务调至 high，但不要以为 low 就一定省：在 AIHubMix 的抽查中，K3.1 Pro 即使设为低推理强度，仍进行了 5,561 到 7,356 个 token 的推理。
• K3 API 用户：将 kimi-k3 切换为 kimi-k3.1-pro 即可，参数限制相同。在 Moonshot 自己的 API 上，充值 $1 后即可解锁；AIHubMix 使用相同的模型 ID 提供服务。先用自己的任务进行为期一天的评测，并比较补全 token 和思考 token，而不只是通过率。本文撰写时尚未确认 Moonshot 自己公布的美元价格；在 AIHubMix 上，K3.1 Pro 的价格为每百万 $2.00 / $10.50。
• K2.6 和 K2.7 Code 用户：这次升级幅度更大，而且 Moonshot 已设定截止日期。在 Moonshot 平台上，自 31 October 2026 起，新注册用户将无法使用 K2 系列模型；Moonshot 计划在 2026 年 12 月底前将它们全部退役。24 October 时，AIHubMix 仍列有 K2.6 和 K2.7 Code，尚未公布退役日期。K3.1 Pro 不支持关闭思考，推理由推理强度控制，而非像 K2.x 那样由 thinking 开关控制。更改之前，请先阅读迁移文章。
• 如果速度比价格更重要：K3.1 Pro Highspeed 具备相同能力，速度约快 2–3 倍；在 Kimi Code 中会消耗约两倍额度，每 token 价格也是两倍（AIHubMix 上为 $4.00 / $21.00）。本系列的 Highspeed 文章会详细权衡这种取舍。
• 如果你直接向 Moonshot 购买，而且想先确认其美元价格，再决定是否购买，请观望。
• 如果你的工作负载是大量短请求，而始终开启思考只是多余开销，请继续使用当前模型。

要用自己的提示词比较 K3 和 K3.1 Pro，可以通过 AIHubMix 用同一个密钥运行两个模型。快速入门指南介绍了密钥和基础 URL，K3.1 Pro 模型页面列出了价格。使用 Chat Completions 或 Messages 时，模型 ID 为 kimi-k3.1-pro；目前使用 Responses API 时，请使用 coding-kimi-k3.1-pro。AIHubMix 将其标为评测预览版，不适用于生产环境。

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

该脚本使用 Chat Completions，并省略了 temperature：K3 和 K3.1 Pro 都会拒绝除 1 以外的任何值。

常见问题

Kimi K3.1 Pro 已发布了吗？
是的。Moonshot 于 23–24 October 2026 在 Kimi app、Kimi Work、Kimi Code 和 Kimi API 中发布了它；API 上的模型 ID 为 kimi-k3.1-pro，Kimi Code 中则为 k3.1-pro。Business 和 Enterprise 管理员必须为团队启用它。

K3.1 Pro 比 K3 贵吗？
按 token 计算，不贵。AIHubMix 的价格为每百万 token 输入 $2.00、输出 $10.50，而 K3 为 $2.84 和 $14.20。发布当天流传的一张人民币价格表显示，Moonshot 的价格下调了约三分之一，但本文撰写时尚未确认 Moonshot 自己公布的美元价格。不过，它依然会进行大量思考：Kimi Code 默认推理强度为最高；在 AIHubMix 的一次抽查中，即使设为低推理强度，它仍进行了 5,561 到 7,356 个 token 的推理。因此，每项任务的成本仍可能增加。

我的 K3 代码能在 K3.1 Pro 上运行吗？
可以，只需更改模型 ID。Moonshot 表示，kimi-k3.1-pro 的参数限制与 kimi-k3 相同。在多轮请求中，继续省略 temperature 和其他采样参数，继续传回 reasoning_content，并且不要尝试关闭思考。

Kimi Code 有哪些变化？
按照 Moonshot 文档的建议，请在新会话中选择 K3.1 Pro，不要在会话中途切换。它的默认推理强度为最高，而 K3 的默认值是 high。使用它需要 Plus 或更高档套餐，完整的 1M 上下文窗口则需要 Pro 或更高档。

什么是 K3.1 Pro Highspeed？
通过 API 调用 kimi-k3.1-pro-highspeed，可获得与原模型相同的能力，输出速度约快两到三倍。在 Kimi Code 中，它的额度消耗约为两倍，单 token 价格也翻倍：AIHubMix 上的价格为 $4.00 / $21.00。只有模型输出会变快；工具调用和脚本不会。

K3.1 Pro 能比得上 Claude Fable 5.1、Claude Opus 5.5 或 GPT-6 Astra 吗？
根据 Moonshot 自家的数据，K3.1 Pro 在 SWE Marathon 和使用工具的 HLE 上领先这三款模型，在 Terminal-Bench 4.0 上胜过 Fable 5.1 和 GPT-6 Astra，但在 ProgramBench、不使用工具的 HLE 以及 Design Bench 上表现落后。这些数据由厂商自行报告，测试框架各不相同，目前也还没有人复现这些结果。

K3.1 Pro 会开放权重吗？
会。Moonshot 表示将于 2026 年 11 月 4 日前发布完整权重，但尚未说明采用哪种许可证；K3 的权重采用 Kimi K3 许可证。

继续阅读：Kimi K3.1 Pro 系列

• 如果你已经决定切换，这篇会说明 400 错误和悄然上涨的账单从何而来，涵盖默认的 max-effort 设置，以及容易输错的 Highspeed ID：迁移到 Kimi K3.1 Pro：解决 400 错误，留意默认的 Max-Effort 设置，别输错 Highspeed
• 如果你是在权衡 K3.1 Pro 与其他选择，而不是打算升级，这篇将它与同一周在 Arena 上亮相的 Qwen 4，以及两者都在追赶的 Claude Fable 5.5 进行比较：Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5：前端质量、单任务成本，以及对热度的审视
• 如果 2–3× 的速度让你心动，这篇会分析 Highspeed 是否值得你为每 token 多付一倍价格：Kimi K3.1 Pro vs K3.1 Pro Highspeed：速度快 2–3×，值得多花 2× 的价格吗？

来源

• Moonshot AI：Kimi K3.1 Pro 技术博客
• Moonshot AI：Kimi K3.1 Pro 快速入门
• Moonshot AI：Kimi Code 模型配置
• AIHubMix：Kimi K3.1 Pro 模型页面
• Chase AI：Kimi K3 vs Claude Fable 5 vs GPT-5.6，真实成本