Kimi K3.1 Pro 與 K3 比較：有哪些變化、價格如何，以及誰該升級

Kimi K3.1 Pro 是 Kimi K3 的首次更新。Kimi K3 是 Moonshot AI 於 2026 年 7 月 16 日推出、參數總量達 2.8 兆的開放權重模型。K3.1 Pro 於 2026 年 10 月 23–24 日在 Kimi app、Kimi Code 和 Kimi API 上線。Moonshot 的發布貼文稱它是「我們全新 K3.1 系列的首款模型，也是迄今能力最強的 3T 級開放權重模型」：這是經過後訓練的 K3，並在「數百個下游領域」投入更多後訓練算力。Moonshot 宣稱它在程式編寫、3D 創作，以及金融研究與建模方面都有進步。K3.1 Pro Highspeed 版本的能力相同，速度約快兩到三倍；完整權重預計於 2026 年 11 月 4 日前推出。

簡短來說：若是用於 API 程式碼，只需更換模型 ID。kimi-k3.1-pro 的參數限制與 kimi-k3 相同，因此固定採樣設定、三種推理強度，以及預設的 max 都可以沿用。你最先注意到的變化會比較不明顯。在 Kimi Code 中，K3 預設以 high 推理強度運作，而 K3.1 Pro 預設為 max。預期每項任務會進行更多思考，因此也會消耗更多 token，或占用方案中更多的任務額度。

價格方面，K3.1 Pro 的每 token 費用較低。AIHubMix 的定價為每百萬個輸入 token $2.00、輸出 token $10.50；K3 則為 $2.84 和 $14.20。發布當天流傳的一份人民幣價格表也顯示，Moonshot 的降價幅度相近。本文撰寫時，尚無法確認 Moonshot 自行公布的美元定價。Moonshot 自行回報的基準測試顯示，K3.1 Pro 在自家的程式編寫、幻覺和金融測試中都明顯勝過 K3。真正的問題是：對一款處理工作時會思考更久的模型來說，這些進步加上較低的每 token 價格，是否仍然值得？

K3 與 K3.1 Pro 並列比較

K3 欄位資料來自 Moonshot 的 Kimi K3 指南與模型卡。K3.1 Pro 欄位資料來自 Moonshot 的K3.1 Pro 快速入門指南和Kimi Code 模型文件，後者也列出 Kimi Code 的兩個預設值。Highspeed 的 ID 在 API 上是 kimi-k3.1-pro-highspeed，在 Kimi Code 中則是 k3.1-pro-highspeed。在 Kimi Code 中，完整的 1M 視窗僅適用於較高階的方案。Moonshot 尚未公布 K3.1 Pro 的啟用參數數量，也未說明其權重會採用哪種授權條款。

K3.1 Pro 的曝光經過

K3.1 系列的消息在一個月內陸續外流。CometAPI 的追蹤頁面整理了這些外流消息，Wccftech、AIBase 和 LINUX DO 的發文者也有報導。Moonshot 在發布預告影片之前，並未確認其中任何消息。

• 9 月 23 日：X 上發布的一段設定片段顯示 k3d1-agent 識別字、三種推理強度（Low、High、Max）、最高達 1M tokens 的「Extra Long」上下文選項，以及 agent、swarm、search 和 batch 模式的旗標。
• 9 月 28 日：開發者在 Moonshot API 平台的模型登錄表中發現 kimi-k3-1，並回報該模型已能回應呼叫。開放平台的預覽頁面列出的價格與 K3 相同。
• 10 月 21 日：Kimi Code 的 model_switch_confirm 設定開始回傳一條規則，將 k3、K3、kimi-k3、k3-256k、kimi-for-coding 和 kimi-for-coding-highspeed 切換至 k3.1。兩天後，模型以 k3.1-pro 的名稱在 Kimi Code 上線。
• 10 月 22 日：一個名為 Kibitz 的匿名模型出現在 Arena 的 Code Arena。Tokenizer 指紋顯示它與 Kimi 有關，而這個名稱也符合 Moonshot 的命名慣例（K3 測試時曾使用 Kivine 這個名稱）。測試者進行的單次提示詞對戰結果相當理想，其中一位測試者評估它在 medium 推理強度下的 3D 建置表現接近 Claude Opus 5.5。Arena 未公布分數。
• 10 月 23 日：Kimi 官方帳號發布了一段 24 秒的預告影片。影片中，Kimi Code 終端顯示「Model: Kimi K3.1」，模型則正在撰寫 Three.js 3D 場景。
• 10 月 23–24 日：Moonshot 在 Kimi Code 文件中新增 K3.1 Pro 和 K3.1 Pro Highspeed，並表示模型「現已在 Kimi Code 全面推出」。發布貼文曾短暫上線後撤下，當晚又重新發布，並附上完整的基準測試表，以及 kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed 的 API 文件。

大多數外流的旗標描述的其實都是 K3 已具備的功能：三種推理強度、1M 上下文視窗，以及 Kimi 現有的 swarm 模式。正式發布也證實了這一點。K3.1 Pro 沿用 K3 的請求介面；新增的則是額外的後訓練、Kimi Code 中預設使用 max 推理強度，以及 Highspeed 版本。

哪些設定維持不變，以及需要重新確認的事項

Moonshot 表示 kimi-k3.1-pro「與 kimi-k3 具有相同的參數限制」，因此原本能在 K3 上執行的程式碼，只需換成新的 ID。以下規則都可沿用：

• 思考模式一律開啟。Moonshot 表示，停用思考模式的請求會收到 HTTP 400；AIHubMix 的主要 ID 則不會拒絕這類請求（見下文）。
• reasoning_effort 可設為 low、high 或 max，預設為 max。沒有 medium 推理強度，儘管發布前曾有報導稱有這個選項：Kimi Code 會將 medium 對應至 high，將 xhigh 和 ultra 對應至 max，並將 minimum 和 light 對應至 low。在 Kimi Code 中，off、none、disabled 或未知值都會回傳 400。
• 採樣設定固定：temperature 為 1.0、top_p 為 0.95、n 為 1，兩種 penalty 都是 0。省略這些設定即可；在 Moonshot API 上使用其他值會回傳錯誤。
• tool_choice 可接受 required，與 K3 相同。
• max_completion_tokens 預設為 131,072，最高可設為 1,048,576，並受限於 1M 上下文視窗。
• 變更模型或推理強度會使快取失效。在 Kimi Code 中，Moonshot 建議不要在現有的 K3、K2.8 Preview 或 K2.7 Code Highspeed 工作階段中切換至 K3.1 Pro，因為輸出品質會下降，快取命中也會減少。

和 K3 一樣，多輪對話和工具循環都應傳回完整的 assistant 訊息，包括 reasoning_content。

AIHubMix 的測試結果。10 月 24 日，AIHubMix 使用兩個主要 ID kimi-k3.1-pro 和 kimi-k3.1-pro-highspeed，以及其程式編寫通道的 coding-kimi-k3.1-pro 和 coding-kimi-k3.1-pro-highspeed 測試了兩個模型。程式編寫通道採用 Kimi Code 的推理強度對應方式：

• Chat Completions（含 reasoning_content）和 Messages（thinking 與 text 區塊）在兩種模型上都回傳 200。Responses API 只有在程式編寫通道上回傳 200；主要 ID 則回傳 404：「The model kimi-k3.1-pro is not available on this endpoint.」因此在發布初期，使用 Responses 的 Codex 必須在 AIHubMix 上使用程式編寫通道 ID。
• 測試的所有 reasoning_effort 值（low、medium、high、max、xhigh）都回傳 200。閘道接受這些值，但 Moonshot 文件只列出 low、high 和 max，因此不要把其他值解讀為額外的推理強度。off 和未知值同樣回傳 200；none 或 thinking: {"type": "disabled"} 欄位也回傳 200，但完全沒有推理內容：在 AIHubMix 上，關閉思考模式的設定會無聲地失效，而非回傳 400。
• temperature=0.2 在主要 ID 上回傳 400：「invalid temperature: only 1 is allowed for this model」。程式編寫通道則接受此設定。沿用自 K2.x 的 thinking: {"type": "enabled"} 欄位在兩種模型上都回傳 200。
• 現在可以透過 Messages API 使用結構化輸出。某個 json_schema 請求的提示詞並未要求輸出 JSON，但回傳結果仍是 {"city":"Paris"}。在 AIHubMix 7 月的測試中，K3 曾在此處無聲地忽略 schema。
• 快取會自動運作：在程式編寫通道上重複提交提示詞時，整段提示詞都會被計入快取 token。

本系列的遷移文章會逐一說明這些可能遇到的錯誤，並提供錯誤訊息和修正方法。

基準測試：與 K3 及更高階模型比較

數據是 Moonshot 自行回報的發布數字，取自其 K3.1 Pro 發布貼文，以及 K3 的 GitHub 模型卡。各模型使用的測試框架不盡相同（K3.1 Pro 大多在 Claude Code 框架中執行），目前也還沒有人重現這些數字。

從 K3 到 K3.1 Pro。以下是 Moonshot 以相同方式測量兩個模型的項目：

Kimi Code Bench、Kimi Hallu Bench 和兩組金融測試都是 Moonshot 的內部基準測試。Kimi Code Bench 2.0 的兩個模型都在 Claude Code 框架中測試（K3 的代表性分數 72.9 則是在 Kimi Code 上測得），Hallu Bench Hard 則使用工具進行測試。所有項目的表現都有進步：程式編寫測試提升 3 到 8 分，金融測試提升 7 到 12 分，而困難項目的幻覺率則從 23.4 降至 8.3。兩次發布都列出 Terminal-Bench、SWE Marathon 和 ProgramBench，但使用的版本或計分方式不同，因此不能將 K3 的 88.3、42.0 和 77.8，與 K3.1 Pro 的 65.7、51.7 和 31.5 直接比較。

與更高階模型比較。Kimi 沒有比 K3.1 Pro 更高階的模型，因此值得比較的是 Moonshot 表格中的封閉模型。Moonshot 以 max 推理強度測試這些模型，並指出「專有模型測試可能包含某些回退行為」。

根據 Moonshot 自家的評分表，K3.1 Pro 在長時間持續編碼（SWE Marathon v1.1）和使用工具的 HLE 兩項都領先另外四款模型，在 DeepSWE v1.1 也略勝一籌。在 Terminal-Bench 4.0 上，它勝過 Fable 5.1 和 GPT-6 Astra，與 Opus 5.5 的差距不到一分；在 GDPval-AA 上則僅落後 Opus 5.5。它在 ProgramBench 上明顯落後，Opus 5.5 的分數約為它的兩倍；在不使用工具的 HLE 上也落後，而在 Moonshot 內部的 Design Bench 上則由 GPT-6 Astra 領先。K3 上市時以 1,679 分登上 Arena Frontend Code 排行榜榜首；K3.1 Pro 上市時則沒有 Arena 分數。

價格與實際成本

價格皆以每百萬 tokens 計。AIHubMix 的 K3.1 Pro 輸入價格比 K3 低 30%，輸出價格低 26%；Highspeed 的輸入和輸出價格恰好都是 K3.1 Pro 的兩倍，快取命中價格則相同。撰文時無法確認 Moonshot 自家的 K3.1 Pro 美元定價，因此官方欄位以破折號表示。OpenAI 目前為 GPT-5.6 Sol 提供 $4 / $20 的優惠價格，據報至少持續至 21 November 2026。AIHubMix 上 K3.1 Pro 和 Highspeed 的快取命中價格為每百萬 $0.20，K3 則為 $0.284（Moonshot 為 $0.30）。Moonshot 更新計費方式後，K3 的快取寫入似乎會以獨立項目計費：預設 5 分鐘保存期限每百萬 $3.00，保存一小時則為 $6.00。在 Moonshot API 上，K3.1 Pro 也採用相同模式：價格不隨上下文長度變動、快取寫入依保存期限計費，且各推理強度下的推理 tokens 都按輸出計費。AIHubMix 的模型頁面只列出輸入、輸出和快取命中價格，沒有另列快取寫入價格。

Moonshot 公布的人民幣價格。上市當天流傳的一份價格表列出 Moonshot 的 K3.1 Pro 和 K3.1 Pro Highspeed 中國定價，包含快取寫入費用。不過，這些價格尚未經 Moonshot 定價頁面確認：

每百萬 tokens，單位為 CNY。K3 這一列與 Moonshot 的中國定價相符。若這份表格屬實，Moonshot 將 K3.1 Pro 的輸入價格降低 35%、輸出價格降低 32%、快取命中價格降低 35%，降幅略高於 AIHubMix。Highspeed 的輸入、輸出和快取寫入價格都是 K3.1 Pro 的兩倍，快取命中價格則相同；因此輸入價格比 K3 高 30%，輸出價格比 K3 高 36%。Moonshot 的美元和人民幣定價並非按固定匯率換算，因此無法從人民幣價格推算美元價格。

計算一項任務的成本。7 月，AIHubMix 請 K3 根據一段提示詞和一張參考圖片，製作單一 HTML 檔案的遊戲。這次測試花了 2,541 秒（約 42 分鐘），產出 1,275 行可正常運作的程式碼。它使用了 74,994 個 completion tokens，其中 54,486 個（73%）用於思考。當時它以最高推理強度執行；那是 K3 唯一接受的推理強度，也是 K3.1 Pro 今天的預設值。當時沒有記錄輸入量，因此以下估算假設輸入為 5,000 tokens。價格採用 AIHubMix 的定價。

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

tokens 數量相同只是假設，實際用量可能讓結果往任何方向變動。在 Chase AI 的實際建置測試中，K3 使用了 21.5 million tokens，Claude Fable 5 則使用 3.5 million，前者約為後者的六倍。若按這個比例計算，Fable 5 大約會用 12,200 tokens 完成遊戲，成本約 $0.73，低於 K3 的 $1.08 和 K3.1 Pro 的 $0.80，儘管它的輸出價格將近高出四倍。在 Artificial Analysis 的索引任務中，情況則相反：Fable 5.1 每項任務平均使用 78,000 個輸出 tokens，K3 則為 48,000；每項任務成本也分別為 $7.63 和 $2.00。

模型思考多久取決於任務。在 AIHubMix 於 24 October 進行的一次小型抽查中，一段要求撰寫 600 字解說的提示詞，在低推理強度下，K3.1 Pro 回答前推理了 5,561 到 7,356 個 tokens，K3 則為 3,013 到 7,051 個，數量相近。差異在速度：K3.1 Pro 每秒串流約 86 個 tokens，K3 則為 22 到 26 個，因此 K3.1 Pro 在 80 到 99 秒內回答，K3 則耗時 154 到 309 秒。這僅是 AIHubMix 主要模型 ID 上，每個模型測試一段提示詞、執行三次的結果，並非基準測試。即便如此，只有當 K3.1 Pro 在你的工作中思考時間不比 K3 長時，輸出價格降低四分之一才會讓帳單也少四分之一，因此在計算節省金額前，請先測量每項任務的 token 用量。

哪些情況下 K3.1 Pro 並非理所當然的首選

• 對延遲敏感的工作。K3.1 Pro 一定會思考，預設為最高推理強度，也不支援關閉思考模式。K3 建置遊戲的測試在單次請求中花了 42 分鐘；在上文的抽查中，即使使用低推理強度，K3.1 Pro 也要等 71 到 91 秒才輸出第一個回答 token（K3 則要等 132 到 280 秒）。Highspeed 的輸出速度快約 2–3 倍，但 Moonshot 表示它「只會加快模型輸出」，因此工具呼叫和指令碼執行速度維持不變。如果使用者需要等待每次回答，那麼即使品質相同，較快且不進行推理的模型也更合適。
• 需要控制 temperature 的流程。K3.1 Pro 延續 K3 的固定取樣設定 1.0；在 AIHubMix 的主要模型 ID 上，temperature 設為 0.2 會回傳 400 錯誤。Coding channel 接受了這個值，但回傳 200 不代表該設定確實生效。如果你仰賴 temperature 0 取得可重現的輸出，K3.1 Pro 就無法滿足需求。
• 與它弱項基準測試相似的工作。根據 Moonshot 自家的評分表，它在 ProgramBench 上的分數只有 Claude Opus 5.5 的一半，在不使用工具的 HLE 上落後於三款封閉模型，在 Design Bench 上則落後 GPT-6 Astra。切換前，請先測試這類任務。
• 高階模型思考較少的任務。正如 Chase AI 的建置測試所示，價格較高但思考較少的模型，每項任務的成本可能更低。在假設 K3.1 Pro 更便宜之前，請先測量自己的工作負載。
• 較低階的 Kimi Code 方案。K3.1 Pro 在新方案中需要 Plus 或更高級別（舊方案則需 Moderato 或更高級別），而 1M 上下文視窗需要 Pro（Allegretto）。Highspeed 則需要 Pro 或更高級別（Allegretto）。

哪些人該切換，哪些人該觀望

• Kimi Code 使用者：K3.1 Pro 已推出，模型 ID 為 k3.1-pro。請以它開啟新工作階段，不要在現有的 K3、K2.8 Preview 或 K2.7 Code Highspeed 工作階段中途切換；Moonshot 表示，中途切換會降低輸出品質和快取命中率。K3 預設為 high，而 K3.1 Pro 預設為最高推理強度；第一週請留意配額使用情況。如果配額消耗得更快，可將例行工作調降至 high，但不要以為 low 就很省：AIHubMix 的抽查中，K3.1 Pro 即使在 low 推理強度下，仍推理了 5,561 到 7,356 個 tokens。
• K3 API 使用者：切換時，只需將 kimi-k3 改為 kimi-k3.1-pro，參數限制則維持不變。在 Moonshot 自家的 API 上，儲值 $1 後即可使用；AIHubMix 則以相同的 ID 提供此模型。請先用自己的任務進行一天的評估，並比較完成 token 與思考 token，而不只看通過率。撰文時，Moonshot 自家的美元定價尚未確認；在 AIHubMix 上，K3.1 Pro 每百萬 token 收費 $2.00 / $10.50。
• K2.6 和 K2.7 Code 使用者：升級幅度更大，而且 Moonshot 已設定期限。在 Moonshot 平台上，自 31 October 2026 起，新註冊使用者將無法使用 K2 系列模型；Moonshot 計畫於 2026 年 12 月底前淘汰所有 K2 系列模型。24 October 時，AIHubMix 仍列有 K2.6 和 K2.7 Code，尚未公布淘汰日期。K3.1 Pro 不支援關閉思考模式，推理方式也由推理強度決定，而非像 K2.x 一樣使用 thinking 開關。進行任何變更前，請先閱讀遷移文章。
• 如果速度比價格更重要：K3.1 Pro Highspeed 的功能相同，速度約快 2–3 倍；在 Kimi Code 中，配額約為兩倍，token 單價也為兩倍（AIHubMix 上為 $4.00 / $21.00）。本系列的 Highspeed 文章將深入分析這項取捨。
• 先觀望，如果你直接向 Moonshot 購買，並想先確認其美元定價再決定。
• 維持現狀，如果你的工作負載是短時間、高頻率的請求，而持續啟用思考模式只會造成不必要的額外負擔。

若要用自己的提示詞比較 K3 和 K3.1 Pro，可透過 AIHubMix 使用同一把金鑰執行兩款模型。快速入門介紹金鑰和基礎 URL，而K3.1 Pro 模型頁面則列出價格。使用 Chat Completions 或 Messages 時，指定 kimi-k3.1-pro；使用 Responses API 時，目前請指定 coding-kimi-k3.1-pro。AIHubMix 將其標示為評估預覽版，不適用於正式環境。

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)

此指令碼使用 Chat Completions，並省略 temperature：K3 和 K3.1 Pro 都不接受 1 以外的值。

常見問題

Kimi K3.1 Pro 已經推出了嗎？
是。Moonshot 於 23–24 October 2026 在 Kimi app、Kimi Work、Kimi Code 和 Kimi API 上推出此模型；API 模型 ID 為 kimi-k3.1-pro，Kimi Code 中則為 k3.1-pro。Business 和 Enterprise 管理員必須先為團隊啟用此模型。

K3.1 Pro 比 K3 貴嗎？
以每個 token 計算，不貴。AIHubMix 的定價為每百萬 tokens 輸入 $2.00、輸出 $10.50；K3 則為 $2.84 和 $14.20。上市當天流傳的一份人民幣價格表顯示，Moonshot 的價格降低了約三分之一，但撰文時尚未確認 Moonshot 自家的美元定價。不過，它仍會進行大量思考：Kimi Code 預設為最高推理強度，而在 AIHubMix 的一次抽查中，即使使用 low 推理強度，它仍推理了 5,561 到 7,356 個 tokens。因此，每項任務的成本仍可能增加。

我的 K3 程式碼能在 K3.1 Pro 上執行嗎？
可以，只要更換模型 ID。Moonshot 表示，kimi-k3.1-pro 的參數限制與 kimi-k3 相同。請繼續省略 temperature 和其他取樣參數，在多輪請求中繼續傳回 reasoning_content，也不要嘗試關閉思考模式。

Kimi Code 有哪些變化？
依照 Moonshot 文件的建議，請在新工作階段中選用 K3.1 Pro，不要在工作階段中途切換。它的預設推理強度為 max，而 K3 的預設值是 high。使用它需要 Plus 方案或更高級別；完整的 1M 上下文視窗則需要 Pro 或更高級別。

什麼是 K3.1 Pro Highspeed？
在 API 上以 kimi-k3.1-pro-highspeed 提供，模型能力相同，輸出速度則快上約 2 到 3 倍。在 Kimi Code 中，它消耗的配額約為兩倍，每個 token 的費用也加倍：AIHubMix 上的價格為 $4.00 / $21.00。只有模型輸出速度會變快；工具呼叫和指令碼不會。

K3.1 Pro 和 Claude Fable 5.1、Claude Opus 5.5 或 GPT-6 Astra 一樣強嗎？
根據 Moonshot 自行公布的表格，K3.1 Pro 在 SWE Marathon 和使用工具的 HLE 中都領先這三款模型；在 Terminal-Bench 4.0 中勝過 Fable 5.1 和 GPT-6 Astra；但在 ProgramBench、未使用工具的 HLE 和 Design Bench 中則落後。這些數據由 Moonshot 自行回報，評測工具組各不相同，目前也還沒有人重現這些結果。

K3.1 Pro 會開放權重嗎？
會。Moonshot 表示將於 2026 年 11 月 4 日前釋出完整權重，但尚未公布採用哪種授權；K3 的權重則採用 Kimi K3 授權。

繼續閱讀：Kimi K3.1 Pro 系列

• 如果你已決定升級，這篇會說明 400 錯誤和悄悄增加的帳單從何而來，從預設的最高推理強度，到打錯 Highspeed ID 都有：遷移至 Kimi K3.1 Pro：修正 400 錯誤、留意預設的最高推理強度，別打錯 Highspeed
• 如果你是在評估 K3.1 Pro 與其他選擇，而非考慮升級，這篇比較了它與同一週登上 Arena 的 Qwen 4，以及兩者都想追上的 Claude Fable 5.5：Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5：前端品質、每項任務成本，以及 hype 真相檢驗
• 如果 2–3× 的速度讓你心動，這篇會分析 Highspeed 是否值得付出兩倍的每 token 費用：Kimi K3.1 Pro vs K3.1 Pro Highspeed：2–3× 的速度值得 2× 的價格嗎？

資料來源

• Moonshot AI：Kimi K3.1 Pro 技術部落格
• Moonshot AI：Kimi K3.1 Pro 快速入門
• Moonshot AI：Kimi Code 模型設定
• AIHubMix：Kimi K3.1 Pro 模型頁面
• Chase AI：Kimi K3 vs Claude Fable 5 vs GPT-5.6，實際成本