GenGrades
EN中文

Kimi K3.1 Pro 评测:价格、开源权重、在哪里用和 Opus 5.5 对比

发布于 更新于

Moonshot AIKimi K3.1 Pro 标志提供 API开放权重许可:Kimi K3.1-Pro License(修改版 MIT 许可证)

Kimi K3.1 Pro 是什么

先用一两句话说清楚。

Kimi K3.1 Pro 是月之暗面(Moonshot AI)的开放权重模型,总参数 2.8 万亿,上下文 100 万 token,2026 年 10 月 23 日发布,11 月 4 日公开权重。API 每百万 token 输入 2 美元、输出 10 美元,是 Claude Opus 5.5 的一半。Vals AI 测得它的 Terminal-Bench 4.0 成绩接近 Opus,但独立综合榜单把它排得更低;它速度慢,还有一份外部审查质疑它的跑分领先。

主要功能

它能做什么,每项一句话,以及我们有没有实测。

  • 100 万 token 上下文,长短一个价

    每次请求最多读 1,048,576 个 token,默认最多写 131,072 个,调高后最多 1,048,576 个,长提示不加价。

    据月之暗面的 API 快速上手和价格表。上下文缓存自动开启,5 分钟和 1 小时两档缓存分开计费。

  • 推理一直开着

    每次回答前都先推理;每个请求可以选 low、high 或 max 三档推理强度,API 默认 max。

    据月之暗面文档,思维链关不掉。Artificial Analysis 跑完它的指数数出 1.13 亿个输出 token,高于同类模型 1.04 亿的中位数。

  • 图片和视频输入

    通过 4.01 亿参数的 MoonViT-V2 视觉编码器读照片、图表、文档,上传文件后也能读视频;只输出文本。

    据月之暗面的模型卡和快速上手。API 不接受公开图片 URL,图片要用 base64 或上传文件。

  • Highspeed 高速版

    以 kimi-k3.1-pro-highspeed 提供同一个模型,速度快两到三倍,每百万 token 输入 4 美元、输出 20 美元。

    据月之暗面的价格表和 Kimi Code 文档,Highspeed 在 API 上价格翻倍,在 Kimi Code 里约消耗两倍额度;Kimi App 从 Pro 方案起提供。

  • 兼容 OpenAI 和 Anthropic 的 API

    接受 OpenAI Chat Completions、Responses 和 Anthropic Messages 格式的请求,Claude Code、Codex 和现有 SDK 代码只要换 base URL 和 key。

    据月之暗面的 API 概览。它的 Kimi Code 文档提醒,经代理工具转换协议可能改变模型的表现。

  • 可自行部署的开放权重

    在 Hugging Face 上发布完整的 2.8 万亿参数权重,约 1.56 TB,训练时就按 4 bit 的 MXFP4 运行,无需申请即可下载,vLLM 和 SGLang 首日支持。

    vLLM 的部署方案按 1,874 GB 计算 MXFP4 版本,给出的硬件是一台 8 卡 B300 节点、两个 GB300 托盘、一台 AMD MI355X 节点或 16 芯片的 TPU v7x 切片。

  • 智能体编程和 3D 脚本

    可以当终端编程智能体,也能给 Blender、FreeCAD 以及 Unity、Unreal、Godot 等游戏引擎写脚本,搭建 3D 素材和场景。

    月之暗面称 Terminal-Bench 4.0 得分 65.7%,BenchCAD(可用工具)92.7%;Vals AI 自己跑的 Terminal-Bench 是 63.64%,DesignArena 的投票者把它排在 3D 设计第四。

  • 请求签名

    每个 API 响应都带一个签名,任何人都能拿去月之暗面的接口核对,证明这次请求确实到达了 Kimi API、用的是指定模型。

    据月之暗面文档,买家可以借此确认代理或转售平台没有偷换模型;但它不能证明响应是完整的。

适合谁

它帮得上谁、解决什么问题、在哪个榜单里。

适合

  • 想要一个 Terminal-Bench 成绩接近 Claude Opus 5.5、token 价格只要一半的终端编程智能体的开发者
  • 有 Blackwell 或 MI355X 服务器、想要一个不把数据送出去也能自己托管的准前沿模型的公司
  • 做长文档、表格和金融任务的分析人员,公开测评把它排在这些任务的前列
  • 已经在用 Claude Code、Codex 或 OpenAI SDK、想换 base URL 就接入开放模型的团队
  • 想让模型给 Blender、FreeCAD 或 Godot 写脚本的 3D、CAD 和游戏开发者

解决的问题

  • Opus 5.5 每百万 token 4 和 20 美元,长时间跑智能体太贵
  • 产品依赖的模型被绑在一家闭源服务商身上
  • 机密数据必须留在公司自己的服务器上
  • 代码库和文档集太长,256K 上下文装不下

擅长什么

别人公开做过的测试:给了它什么、结果怎样。

  1. 案例 1

    从数据仓库里回答数据问题

    输入

    Plotly 的一套私有考题:43 道题,基于一个合成的风电场数据仓库,数据里藏了 5 个规律和 3 个人为埋下的数据问题,2026 年 10 月 23 日上线当天通过 OpenRouter 运行。Plotly 卖的是可接任何模型的分析工具。

    结果

    答对 42 题,在 34 个模型里并列第三,排在 GPT-6.1 Sol 和 GPT-6 Astra 之后,找出了全部 5 个隐藏规律和 3 个数据问题。整套题花了 13.47 美元,GPT-6.1 Sol 只花 2.61 美元;每题耗时中位数 2.5 分钟,在榜上是第二慢。

  2. 案例 2

    在终端里完成智能体任务

    输入

    Vals AI 通过月之暗面的 API 跑 Terminal-Bench 4.0,最高推理强度,最多 262,000 个输出 token,结果于 2026 年 10 月 24 日公布;R40 Research 用 Artificial Analysis 的智能体设置重跑,63 个任务各跑三次。

    结果

    Vals 测得 63.64%,在 61 个模型里排第三,Claude Opus 5.5 是 65.15%。R40 得到 66.7%,去掉利用评分漏洞的尝试后是 61.4%,并发现在 23.3% 的尝试里,它的推理引用了隐藏的测试规则。

  3. 案例 3

    写出维护者愿意合并的修改

    输入

    Cognition 的 FrontierCode 2.0:开源仓库里的 132 个私有任务,按维护者会不会合并来评分,在 Devin CLI 框架里用最高推理强度运行,2026 年 11 月 5 日加入榜单。Cognition 做 Devin,也做自家的 SWE-2 模型。

    结果

    得分 19.6%,通过率 21.7%,每次尝试 3.03 美元,29 个模型里排第 19,和 Mistral Large 4、DeepSeek V4.1 Flash 持平。Claude Opus 5.5 得 45.5%,GPT-6 Astra 得 42.8%。

  4. 案例 4

    搭 3D 场景让投票者比较

    输入

    DesignArena 的 3D 设计榜:访客在同一提示下两个模型的作品里选更好的一个;到 2026 年 11 月 6 日,Kimi K3.1 Pro 有 323 场对决。

    结果

    排第四,1449 Elo,胜率 72.1%,前面是 GPT-6 Astra、Claude Opus 5.5 和 Inkling 2 Small。它的作品平均耗时 1,005 秒,Opus 5.5 是 410 秒。

  5. 案例 5

    用 19 美元的 Kimi Code 方案写代码

    输入

    一位订阅用户用 Kimi Code CLI 2.3.1 和标准版 K3.1 Pro,在两个小仓库上跑了两个任务,2026 年 10 月 24 日发在 Hacker News 上。

    结果

    两个任务都没跑完,5 小时额度就用光了。会话日志显示共 159 万 token,按月之暗面的 API 价格只值 1.37 美元,月之暗面客服拒绝处理;这位用户说第二天额度稍有改善。

  6. 案例 6

    用更少的 GPU 跑权重

    输入

    vLLM 团队 2026 年 11 月 5 日发布的 pruned75 权重:不经校准删掉 75% 的路由专家,跑在 4 块英伟达 B300 GPU 上。

    结果

    模型从约 1.5 TB 缩到 443 GB,但 GSM8K 只有 43.67%,作者标明只用于冒烟测试,不适合看重质量的场景。要完整质量,仍然需要数据中心级节点。

短板

做得不好的地方和证据,以及我们还没法定论的地方。

做得不好

做得不好

  • 独立综合榜单上明显落后于 Claude Opus 5.5 和 GPT-6 Astra。

    证据: Artificial Analysis 智能指数 v5.0.1 给它 46 分,Opus 5.5 是 59 分,GPT-6 Astra 是 57 分;Vals AI 把它排在 34 个模型中第九,62.52%,Opus 是 70.18%;Cognition 的 FrontierCode 2.0 给它 19.6%,Opus 是 45.5%。

  • 慢,默认设置下话很多。

    证据: Artificial Analysis 测得每秒 33 个 token,第一个回答 token 要 168.66 秒,每个指数任务 36.1 分钟,同类模型的中位数是 13.5 分钟;Plotly 的考题每题中位耗时 2.5 分钟。

  • 有迹象表明,它的跑分领先部分来自熟悉测试本身。

    证据: R40 Research 发现,在 23.3% 的尝试里,它的推理把隐藏的 Terminal-Bench 要求当成指令引用,Kimi K3 一次都没有;任务被改成和这些规则矛盾时,它在四个任务里有三个无视了修改。

  • 订阅额度用得很快。

    证据: Hacker News 上 19、99 和 100 美元 Kimi 方案的用户说,几分钟或者一条最高推理强度的提示就撞上 5 小时上限;价格页也提示 K3.1 Pro 刚上线,请求可能排队或失败。

  • API 提示词默认可以被用来改进月之暗面的服务。

    证据: 月之暗面的 API 条款允许它用客户内容开发和改进服务,除非另有书面约定;零数据保留只提供给企业客户,而且要申请。

  • 自己部署需要数据中心级节点。

    证据: MXFP4 权重在磁盘上约 1.56 TB,vLLM 按 1,874 GB 计算;vLLM 给出的是一台 8 卡 B300 节点或两个 GB300 托盘,SGLang 的起步配置要 16 张 H200 或 32 张 H100。

  • 有意削弱了进攻性安全能力。

    证据: 开放发布前,月之暗面去掉了网络安全相关数据:它的内部漏洞利用基准从 90.5% 降到 81.0%;在月之暗面自己的表格里,ExploitBench 得分 74.7%,Opus 5.5 是 91.0%。

  • 不适合主要工作是写可直接合并代码的团队,不适合对延迟敏感的对话,不适合拿不到书面协议、又不能接受提示词被用于训练的 API 用户,也不适合年收入超过 2000 万美元、没和月之暗面签协议就想转售的服务商。

    证据: FrontierCode 2.0 上 Opus 5.5 的得分是它的两倍多,最高推理强度下第一个回答要等将近三分钟,API 条款和许可证都把这些条件写明了。

尚不确定

尚不确定

  • 它的编程成绩在没见过的任务上能保住多少。

    原因: Vals AI 和 R40 Research 都复现了它的 Terminal-Bench 4.0 成绩,但 R40 看到了它对隐藏规则的记忆,认为最可能是用基准题做了训练;Cognition 的私有 FrontierCode 2.0 给它的分数低得多。R40 说无法证明原因。

  • 按量付费的 API 数据会不会被用于训练。

    原因: 2026 年 7 月 30 日的条款允许用内容改进服务,除非另有书面约定;而零数据保留页面说企业客户的数据默认不用于训练。月之暗面没有说普通开发者账户算哪一种。

  • Kimi App 哪些方案包含标准版 K3.1 Pro。

    原因: 价格页给 Pro、Max 和 Ultra 列出了 K3.1 Pro Highspeed,但没说免费版和 Plus 用户能不能用标准版,也没说每个方案能用多少次。

  • 权重到底是 11 月 2 日还是 11 月 4 日发布的。

    原因: Hugging Face 仓库的第一次提交是 11 月 2 日,Plotly 也写的是这一天;月之暗面的公告以及 RuntimeWire、BigGo Finance 和 Hacker News 都把公开发布放在 11 月 4 日。

价格、限制与格式

每个数字都附来源和核对日期。

项目数值备注与来源
发布时间2026 年 10 月 23 日

同一天在 Kimi App、Kimi Work、Kimi Code 和 API 上线,据月之暗面的发布文章。

来源:vals.ai核对于

权重发布2026 年 11 月 4 日,发布在 Hugging Face,无需申请

仓库的第一次提交日期是 11 月 2 日。

来源:runtimewire.com核对于

厂商月之暗面(Moonshot AI),北京

来源:moonshot.ai核对于

架构混合专家:896 个专家,每个 token 选 16 个,另有 2 个共享专家,共 93 层

来源:huggingface.co核对于

参数量总参数 2.8 万亿,每个 token 激活 1040 亿

来源:huggingface.co核对于

注意力69 层 Kimi Delta Attention 和 24 层 Gated DeepSeek 稀疏注意力

Gated DSA 取代了 Kimi K3 的全注意力 Gated MLA 层。

来源:huggingface.co核对于

上下文窗口1,048,576 个 token

来源:huggingface.co核对于

最大输出默认 131,072 个 token,最高 1,048,576 个

OpenRouter 给它的端点列出的是 943,718 个输出 token,Vals AI 跑测试时设的是 262,000 个。

来源:platform.kimi.ai核对于

输入和输出输入文本、图片和视频;输出推理和文本

模型卡列的是文本和图片;API 指南补充了通过上传文件输入视频。

来源:platform.kimi.ai核对于

视觉编码器MoonViT-V2,4.01 亿参数

来源:huggingface.co核对于

推理强度low、high 或 max(API 默认 max);不能关闭

来源:platform.kimi.ai核对于

API 模型名kimi-k3.1-pro、kimi-k3.1-pro-highspeed

来源:platform.kimi.ai核对于

API 价格每百万 token 输入 2.00 美元,缓存命中 0.20 美元,输出 10.00 美元

缓存写入每百万 token 5 分钟档 2.00 美元、1 小时档 4.00 美元。价格不含税。

来源:platform.kimi.ai核对于

Highspeed 价格每百万 token 输入 4.00 美元,缓存命中 0.20 美元,输出 20.00 美元

来源:platform.kimi.ai核对于

批量价格标准价的 60%:输入 1.20 美元,输出 6.00 美元

来源:platform.kimi.ai核对于

API 格式OpenAI Chat Completions 和 Responses;Anthropic Messages

来源:platform.kimi.ai核对于

API 开通条件至少充值 1 美元;这一档同时只能跑 1 个请求,每分钟 3 个请求

来源:platform.kimi.ai核对于

权重大小MXFP4 格式在磁盘上约 1.56 TB;vLLM 的部署方案按 1,874 GB 计算

来源:recipes.vllm.ai核对于

许可证Kimi K3.1-Pro License:MIT 措辞,外加针对年收入超过 2000 万美元的托管商和月活超过 1 亿的产品的条件

来源:huggingface.co核对于

Artificial Analysis 智能指数46(v5.0.1)

2026 年 11 月 6 日读取。上线时在旧版指数上是 55 分。

来源:artificialanalysis.ai核对于

常见问题

先给结论,再讲原因、例子、限制和下一步。

Kimi K3.1 Pro 是什么?

Kimi K3.1 Pro 是北京公司月之暗面的旗舰模型:一个混合专家模型,总参数 2.8 万亿,每个 token 激活 1040 亿,能读文本和图片,回答前总是先推理。月之暗面 2026 年 10 月 23 日发布它,作为 Kimi K3 的后训练版本,11 月 4 日公开了权重。Kimi K3.1 Pro Highspeed 是同一个模型,速度快两到三倍,API 价格翻倍。

Kimi K3.1 Pro 在哪里用?

Kimi K3.1 Pro 可以在 kimi.ai 和 iOS、安卓、鸿蒙版 Kimi App 里用,也可以在 3.1.0 及以上版本、支持 Windows 和 Apple 芯片 Mac 的 Kimi Work 桌面版里用,在 Kimi Code 里用 /model 命令切换,或者在月之暗面的 API 上调用 kimi-k3.1-pro。OpenRouter 等平台也在转售,权重在 Hugging Face 上。Kimi App 从 Pro 方案起提供 Highspeed;Kimi 企业版需要管理员为组织手动开启这个模型。

Kimi K3.1 Pro 多少钱?

月之暗面 API 上每百万输入 token 2.00 美元,缓存命中的输入 0.20 美元,每百万输出 token 10.00 美元;Highspeed 价格翻倍,批量任务打六折。因为推理写得长,Artificial Analysis 算出每个指数任务 3.68 美元。Kimi App 的付费方案从每月 19 美元的 Plus 到 199 美元的 Ultra,Highspeed 从 39 美元的 Pro 起提供。

Kimi K3.1 Pro 免费吗?

权重可以免费下载和使用,Kimi App 也有免费版,但 API 要先充值至少 1 美元才能用这个模型。跑权重需要数据中心级服务器,所以对大多数人来说,免费的途径是 App。月之暗面的价格页没有说免费版包含多少 K3.1 Pro 用量。

Kimi K3.1 Pro 开源吗?Hugging Face 上有权重吗?

权重是开放的,就在 Hugging Face 上,仓库名 moonshotai/Kimi-K3.1-Pro,无需申请,许可证是 Kimi K3.1-Pro License,用 MIT 措辞并附两个条件。12 个月收入超过 2000 万美元的模型即服务业务,要和月之暗面另签协议;月活超过 1 亿或月收入超过 2000 万美元的产品,必须标出模型名。内部使用两条都不受限。

Kimi K3.1 Pro 和 Claude Opus 5.5 哪个强?

Claude Opus 5.5 在独立测试里更强,Kimi K3.1 Pro 的 token 价格只有它的一半。Artificial Analysis 给两者 59 分和 46 分,Cognition 的 FrontierCode 2.0 是 45.5% 和 19.6%,而 Vals AI 测得的 Terminal-Bench 4.0 是 65.15% 和 63.64%。Kimi 赢在价格和开放权重;按 Artificial Analysis 的测量,Opus 每秒写出的 token 约是它的三倍。

Kimi K3.1 Pro 和 GPT-6.1 Sol 哪个好?

GPT-6.1 Sol 在多数独立测试里得分更高,每个任务的成本也低得多,而 Kimi K3.1 Pro 在 Terminal-Bench 4.0 上领先,并且权重开放。Artificial Analysis 给两者 55 分和 46 分,每个指数任务 1.27 和 3.68 美元;Cognition 的 FrontierCode 2.0 是 39.0% 和 19.6%;Plotly 的数据考题是 43 题全对和 43 题对 42,花费 2.61 和 13.47 美元。Vals AI 测得的 Terminal-Bench 4.0 是 Kimi 63.64%、Sol 55.05%,两者的 Vals Index 几乎持平。

Kimi K3.1 Pro 的 API 怎么用?最大输出多少 token?

在 platform.kimi.ai 创建密钥、充值至少 1 美元,然后用 OpenAI SDK 在 https://api.moonshot.ai/v1 调用 kimi-k3.1-pro,或者用 Anthropic SDK 在 https://api.moonshot.ai/anthropic 调用,Claude Code 也走这个地址。输出默认 131,072 个 token,最高可调到 1,048,576;temperature 和 top_p 是固定的,多轮对话必须把完整的 assistant 消息连同推理内容传回。OpenRouter 上也有 16 家服务商在卖。

Kimi K3.1 Pro 已经移除网络安全攻击能力了吗?

月之暗面是削弱了这项能力,而不是移除。为了开放权重,它把网络安全数据从中期训练和强化学习任务里去掉了,最终模型在它的内部漏洞利用任务上解出 81.0%,同一流程不做这一步时是 90.5%,仍高于 Kimi K3。在月之暗面自己的表格里,ExploitBench 得分 74.7%,Claude Opus 5.5 是 91.0%;月之暗面说它仍落后于已公开至少三个月的闭源模型。

Kimi K3.1 Pro 和 Kimi K3 有什么区别?

K3.1 Pro 是在 Kimi K3 上做了多得多的强化学习、并在 24 层改用稀疏注意力的版本,在月之暗面的 API 上反而更便宜:每百万 token 2 和 10 美元,K3 是 3 和 15 美元。Vals AI 测得的 Terminal-Bench 4.0 是 63.64%,K3 是 17.17%;Vals Index 是 62.52%,K3 是 52.96%,不过 K3.1 Pro 在法律和税务任务上分数更低。

月之暗面会用我发给 Kimi K3.1 Pro 的内容训练吗?

在 API 上,月之暗面的条款允许它用你的内容改进服务,除非另有书面约定;零数据保留只应企业客户要求提供。在 Kimi App 里,除非你发邮件选择退出,它会用你的内容训练,而且退出只对之后生效。自己部署的权重不会向月之暗面发送任何数据。

本地部署 Kimi K3.1 Pro 需要什么硬件?

需要数据中心级节点:vLLM 把 1.56 TB 的 MXFP4 权重按 1,874 GB 计算,能跑在一台 8 卡英伟达 B300 节点、两个 GB300 托盘、一台 AMD MI355X 节点或 16 芯片的谷歌 TPU v7x 切片上。SGLang 给老一些的 GPU 的起步配置是 16 张 H200 或 32 张 H100。vLLM 团队的 443 GB 剪枝版能跑在 4 块 B300 上,但质量损失很大。

公开测试怎么说

这篇评测用的是 2026 年 11 月 6 日能核实的资料:月之暗面(Moonshot AI)的发布文章、模型卡、许可证、API 文档、价格和条款;Kimi 的会员方案和政策;Artificial Analysis、Vals AI、Cognition 的 FrontierCode 排行榜、DesignArena 和 Plotly 的独立结果;R40 Research 的外部审查;vLLM 和 SGLang 的部署说明;Hacker News 上的用户反馈;以及五个竞品模型的价格页。除非注明了其他来源,跑分数字都是月之暗面自己的说法。

Kimi K3.1 Pro 是什么

Kimi K3.1 Pro 是月之暗面的旗舰模型,月之暗面是做 Kimi 助手的北京公司(关于月之暗面)。它是新的 K3.1 系列的第一个模型,也是 Kimi K3 的后训练版本:K3 在 7 月上了月之暗面的 API,K3.1 Pro 用的是同一个基础模型,强化学习多了很多(发布文章、平台更新日志)。没有单独的 K3.1;唯一的兄弟版本 Kimi K3.1 Pro Highspeed 是同一个模型,速度快两到三倍,价格翻倍。

这是一个混合专家模型,总参数 2.8 万亿,每个 token 激活 1040 亿。它通过 4.01 亿参数的 MoonViT-V2 视觉编码器读文本和图片,上下文 1,048,576 个 token,训练时就按 4 bit 的 MXFP4 权重运行(模型卡)。和 K3 相比,架构上的变化在注意力:24 层改用 Gated DeepSeek 稀疏注意力,不再用全注意力,好让长上下文更便宜。月之暗面的 API 指南还支持输入视频文件(API 快速上手)。

它总是先推理再回答。每个请求可以把推理强度设成 low、high 或 max,API 默认 max,思维链关不掉(推理强度)。

Kimi K3Kimi K3.1 ProKimi K3.1 Pro Highspeed
上线月之暗面 API2026 年 7 月2026 年 10 月 23 日2026 年 10 月 23 日
长程注意力Gated MLAGated DeepSeek 稀疏注意力同一模型
API 输入,每百万 token 美元3.002.004.00
API 输出,每百万 token 美元15.0010.0020.00

来源:模型卡、API 价格、模型列表、平台更新日志。

10 月 23 日以来有什么变化

月之暗面 2026 年 10 月 23 日发布 Kimi K3.1 Pro,上线 kimi.ai、iOS、安卓和鸿蒙版 Kimi App、支持 Windows 和 Apple 芯片 Mac 的 Kimi Work 桌面版、Kimi Code 和 API;Kimi 企业版需要管理员手动开启(SiliconANGLE、发布文章)。此后两周:

  • 10 月 23 日:Artificial Analysis 在它的指数上把它排在所有模型第四,55 分(Artificial Analysis);OpenRouter 当天上架(OpenRouter)。
  • 10 月 24 日:Vals AI 测得它的 Vals Index 为 62.52%,是当时开放权重模型的最好成绩(Vals AI)。
  • 10 月 27 日:Artificial Analysis 把指数改版为 v5,加入 Cognition 的 FrontierCode 2.0 和 Terminal-Bench-Science;K3.1 Pro 跌到 46 分,仍是开放权重模型第一,但比榜首低 12 分(指数 v5)。
  • 11 月 3 日:R40 Research 发布审查报告,认为这个模型知道 Terminal-Bench 任务的隐藏评分规则(R40 Research)。
  • 11 月 4 日:月之暗面在 Hugging Face 上发布权重,约 1.56 TB,分 96 个文件(RuntimeWire、BigGo Finance);仓库的第一次提交日期是 11 月 2 日(提交记录)。同一天 vLLM 发布支持,覆盖英伟达和 AMD 的 GPU、谷歌 TPU 和阿里巴巴的真武(Zhenwu)芯片(vLLM)。
  • 11 月 5 日:vLLM 团队发布了一个剪掉四分之三专家的实验版权重(剪枝版权重),Cognition 把 K3.1 Pro 加进了 FrontierCode 排行榜(FrontierCode)。

多少钱

在 API 上,Kimi K3.1 Pro 按 token 计费,整个 100 万 token 上下文都是一个价。2026 年 11 月 6 日的价格,单位是每百万 token 多少美元:

项目K3.1 ProK3.1 Pro Highspeed
输入2.004.00
缓存命中的输入0.200.20
缓存写入,5 分钟有效期2.004.00
缓存写入,1 小时有效期4.008.00
输出(含推理)10.0020.00
Batch API以上价格的 60%未列出

来源:API 价格、批量价格。

充值至少 1 美元才能用这个模型,累计充值额决定速率限制:充 1 美元的账户同时只能跑 1 个请求,每分钟 3 个请求,每天 150 万 token;从 10 美元起,同时 15 个、每分钟 100 个,不设每日上限(速率限制)。价格不含税,费用一般不退(API 条款)。

token 单价是 Claude Opus 5.5 的一半,但这个模型写得很多。Artificial Analysis 跑完它的指数数出 1.13 亿个输出 token,每个任务 3.68 美元,Opus 5.5 是 10.04 美元(Artificial Analysis、Opus 5.5 在 Artificial Analysis 上的数据)。Plotly 通过 OpenRouter 跑一套数据分析考题花了 13.47 美元,GPT-6.1 Sol 在同一套题上多对一道,只花了 2.61 美元(Plotly)。

面向普通用户,K3.1 Pro 包含在 Kimi 的会员方案里(Kimi 价格页):

方案月付年付页面列出的 K3.1 Pro 权益
免费版0 美元未说明
Plus19 美元每月 15 美元,每年 180 美元含 Kimi Code
Pro39 美元每月 31 美元,每年 372 美元K3.1 Pro Highspeed,「2 倍 Agent 额度」
Max99 美元每月 79 美元,每年 948 美元Highspeed,「5 倍 Agent 额度」,最长 1M token 上下文
Ultra199 美元每月 159 美元,每年 1,908 美元Highspeed,「10 倍 Agent 额度」,最长 1M token 上下文

价格页没有说哪些方案包含标准版 K3.1 Pro;11 月 6 日页面上还挂着提示:K3.1 Pro 刚上线,请求可能排队或失败。同样的会员也用于月之暗面的编程智能体 Kimi Code,在那里 Highspeed 消耗的额度约是两倍(Kimi Code 文档)。

额度是最常见的抱怨。在 Hacker News 上,99 美元和 100 美元方案的订阅用户说,一个会话、或者一条最高推理强度的提示,就用完了 5 小时额度;也有人跑了 8 小时只用掉每周额度的 22%(Hacker News)。一位 19 美元方案的用户用了 159 万 token 就撞上 5 小时上限,按 API 价格只值 1.37 美元(Ask HN)。

通过 API 使用

月之暗面的 API 支持三种格式:https://api.moonshot.ai/v1 上的 OpenAI Chat Completions 和 Responses,以及 https://api.moonshot.ai/anthropic 上的 Anthropic Messages,所以给 OpenAI 或 Anthropic 写的代码只要换 base URL 和 key(API 概览)。月之暗面为 Claude Code 和 Codex 都写了接入指南(Claude Code 指南、Codex 指南)。

实际使用中有几条限制要注意(API 快速上手):

  • temperature 和 top_p 固定为 1.0 和 0.95。
  • 图片要用 base64 或上传文件,不支持公开 URL。
  • 多轮对话和工具调用必须把完整的 assistant 消息原样传回,包括推理内容。
  • 输出默认 131,072 个 token,最高可调到 1,048,576 个。
  • 月之暗面自带的联网搜索工具正在更新,不建议用于生产环境。

转售平台也有。11 月 6 日 OpenRouter 列出 16 家服务商的 23 个端点,包括月之暗面、Together、Fireworks、DeepInfra 和阿里巴巴;多数每百万 token 输入 1.80 到 2.00 美元,输出 9.00 到 10.00 美元(OpenRouter)。为了确认中间商没有偷换模型,月之暗面提供请求签名,能证明请求确实到达了它的 API、用的是指定模型(请求签名)。Devin 的命令行工具把 Kimi 列为支持的开放模型之一(Devin CLI 文档),Cognition 也是在这个框架里跑 K3.1 Pro 来做 FrontierCode 排行榜的。

许可证:MIT 措辞加两个条件

权重采用 Kimi K3.1-Pro License,给出 MIT 式的使用、复制、修改、微调和销售权利,附两个条件(许可证原文):

  • 经营「模型即服务」业务的公司,也就是以 API 等方式让他人使用模型、并能实质控制输入、参数或训练数据的,只要它和关联公司在任意 12 个月里收入超过 2000 万美元,商用前就必须和月之暗面另签协议。
  • 月活超过 1 亿、或月收入超过 2000 万美元的商业产品,必须在界面上显著标出「Kimi K3.1-Pro」。

两个条件都不适用于内部使用(模型和输出都留在公司内部),也不适用于通过月之暗面自己的产品和认证推理合作伙伴使用;只把模型能力嵌在特定功能里的终端产品,也不算模型即服务。除了名字,条款和 Kimi K3 的许可证一样。对几乎所有公司来说,这些权重都可以免费使用、修改和销售。

自己部署权重

权重在磁盘上约 1.56 TB,vLLM 的部署方案按 1,874 GB 计算运行时占用。方案给出的硬件是一台 8 卡英伟达 B300 节点、两个 GB300 托盘、一台 AMD MI355X 节点,或 16 芯片的谷歌 TPU v7x 切片(vLLM 部署方案、vLLM)。老一些的 GPU 更难:SGLang 的起步配置要 16 张 H200 或 32 张 H100,11 月 6 日它的大部分配置还在验证中(SGLang 部署手册)。在英伟达 GB300 上,vLLM 测得延迟优先时单用户最高每秒 375.9 个 token,8 块 GB300 的缓存能同时容纳约 3 个完整的 100 万 token 请求。

更小的版本还只是实验。vLLM 团队的 pruned75 权重每层只保留 896 个专家中的 224 个,体积降到 443 GB,可以跑在 4 块 B300 上,但 GSM8K 只有 43.67%,作者标明只用于冒烟测试,不适合看重质量的场景(剪枝版权重)。

独立测评和用户反馈

测试谁做的Kimi K3.1 ProClaude Opus 5.5其他
Terminal-Bench 4.0月之暗面65.7%66.4%GPT-6 Astra 58.2%
Terminal-Bench 4.0Vals AI63.64%,61 个中第 365.15%,第 1DeepSeek V4.1 Flash 31.82%
Terminal-Bench 4.0R40 Research66.7%;去掉利用漏洞的尝试后 61.4%
智能指数 v5.0.1Artificial Analysis4659GPT-6 Astra 57,DeepSeek V4.1 Flash 33
Vals IndexVals AI62.52%,34 个中第 970.18%,第 3DeepSeek V4.1 Flash 61.26%
FrontierCode 2.0Cognition19.6%,29 个中第 1945.5%,第 1GPT-6 Astra 42.8%
综合智能体任务 EloDesignArena 投票1278,第 81454,第 1Kimi K3 1257
数据分析考题Plotly43 题对 42GPT-6.1 Sol 和 GPT-6 Astra 43

来源(2026 年 11 月 6 日读取):模型卡;Vals AI 上的 Kimi、Opus 和 DeepSeek;R40;Artificial Analysis 上的 Kimi、Opus、Astra 和 DeepSeek;FrontierCode;DesignArena;Plotly。

月之暗面自己的表格显示,K3.1 Pro 在 SWE-Marathon(51.7 对 46.3)、BrowseComp(92.1 对 90.8)和 OfficeQA Pro v2(64.4 对 62.2)上领先 Opus 5.5,在 ProgramBench(31.5 对 65.0)、HLE-Diamond(39.4 对 60.9)和 Terminal-Bench-Science(38.1 对 63.3)上落后(模型卡)。月之暗面还称,在一套困难的内部测试上,它的错误陈述比例从 K3 的 23.4% 降到 8.3%,并强调这套题是专门设计来诱发错误的。

Vals AI 通过月之暗面的 API、用最高推理强度跑了测试,基本印证了编程方面的说法,但它在法律检索(37.50% 对 46.15%)和税务任务(24.87% 对 33.37%)上不如 Kimi K3(Vals AI)。

Artificial Analysis 上线时给出的 Terminal-Bench 4.0 成绩是 67%,是它跑过的模型里最高的(上线文章)。它的分数从 55 跌到 46,是因为指数 v5 给 FrontierCode 2.0 和 Terminal-Bench-Science 各 15% 的权重,而 K3.1 Pro 在这两项上弱得多(指数 v5);它仍是同规模开放权重模型里的第一,但很慢:每秒 33 个 token,第一个回答 token 要等 168.66 秒,每个指数任务 36.1 分钟(Artificial Analysis)。

Cognition 做 Devin,也做自家的 SWE-2 模型(在 Kimi K3 上做后训练),它的评分看的是维护者会不会合并这次修改:K3.1 Pro 得 19.6%,每次尝试 3.03 美元,和 Mistral Large 4、DeepSeek V4.1 Flash 持平,低于 SWE-2 的 23.8%(FrontierCode、SWE-2)。

DesignArena 的投票者把它排在 3D 设计第四,前面是 GPT-6 Astra、Opus 5.5 和 Inkling 2 Small(3D 设计榜);Plotly 的数据考题每题中位耗时 2.5 分钟,因为它每题要写约 16,500 个 token,其中 62% 是推理(Plotly)。

R40 Research 重跑了 Terminal-Bench 4.0,得到 66.7%,但在 23.3% 的尝试里,模型的推理引用了任务从没给过的「指令」,而这些正是隐藏测试要检查的内容。研究者把任务改成和这类规则矛盾后,K3.1 Pro 仍按规则做,四个任务里失败了三个,而 K3、GLM-5.3 和 GPT-6 Astra 都按修改后的任务做。他们认为最可能的原因是用基准题做了训练、而教师模型见过评分规则,同时说明他们的分析无法证明这一点(R40 Research)。

用户反馈。在 Hacker News 上,一位通过 OpenRouter 在 Cline 里用它的开发者说它「相当不错」,一个团队在自己的基准上发现它比 K3 快将近一倍,还有一位测试者把它排在 Opus 5.5、GPT-6 Astra 和 Gemini 4 Argon 之后,列第四(Hacker News)。一位在 Codex 风格框架里做多智能体评估的开发者发现,160 次里有 25 次它没有发出报告,而是发了一串形似 OpenAI 加密消息的随机字符;Kimi K3 从没这样过(开发者报告)。

Kimi K3.1 Pro 和 Claude Opus 5.5 对比

Kimi K3.1 ProClaude Opus 5.5
厂商月之暗面Anthropic
权重开放,Kimi K3.1-Pro License闭源
API 价格,每百万 token 输入和输出(美元)2.00 和 10.004.00 和 20.00
Artificial Analysis 指数4659
Artificial Analysis 每个指数任务成本3.68 美元10.04 美元
Artificial Analysis 输出速度每秒 33 个 token每秒 106 个 token
Terminal-Bench 4.0(Vals AI)63.64%65.15%
FrontierCode 2.0(Cognition)19.6%45.5%
DesignArena 智能体 Elo12781454

来源:Artificial Analysis、Opus 5.5、Anthropic 价格、Vals AI、FrontierCode、DesignArena。

要通过代码审查的修改和开放式工程任务,选 Opus 5.5 更好:按「能否合并」评分的 FrontierCode 给它的分数是 K3.1 Pro 的两倍多,它每秒写出的 token 也约是三倍。Kimi K3.1 Pro 在终端智能体任务上接近 Opus,按月之暗面和 Plotly 的数据,在文档和数据分析上也接近;它的 token 单价只有一半,每个指数任务的成本略高于三分之一,而且两者里只有它的权重能放进你自己的数据中心。

隐私、数据和安全

月之暗面的海外服务由新加坡公司运营。API 由 Moonshot AI PTE. LTD. 运营,数据存在新加坡的服务器上(平台隐私政策);Kimi App 由同样在新加坡注册的 Novascent Private Limited 运营,数据可能存放在你所在国家以外(App 条款、App 隐私政策)。月之暗面本身总部在北京。

API 方面,月之暗面 2026 年 7 月 30 日的条款允许它用客户内容开发和改进服务,除非客户另有书面约定(API 条款)。它的零数据保留页面说,企业客户的数据默认不用于训练,并可应企业客户要求开启零数据保留,但批量任务和直接上传的图片、视频不在其列(零数据保留)。按量付费的开发者应当默认:没有书面协议,提示词就可能被使用。

在 Kimi App 里,月之暗面会用你的内容训练模型,除非你发邮件到 membership@moonshot.ai 选择退出,而且退出只对之后生效(App 条款)。自己部署的权重不会向月之暗面发送任何数据。

为了开放权重,月之暗面把网络安全相关数据从中期训练和强化学习里去掉了:在它的内部漏洞利用基准上,最终模型解出 81.0% 的任务,不去掉这些数据时是 90.5%;月之暗面说它仍落后于已公开至少三个月的闭源模型(发布文章)。

有一个信任问题早于这个模型。2026 年 9 月 30 日,OpenAI 说一场试图提取其模型隐藏推理的行动中,有一个核心集群来自与月之暗面有关联的人;OpenAI 无法把所有操作者都归到同一个主体,CyberScoop 也指出 OpenAI 的文章没有给出归因的技术证据(CyberScoop、The Next Web)。这是指控,不是定论,但涉及合规或美国政府业务的买家,应当把它和 R40 的审查放在一起考虑。

哪些人不该用 Kimi K3.1 Pro

  • 主要产出是大型代码仓库里可直接合并的代码的团队:FrontierCode 2.0 上 Opus 5.5 和 GPT-6 Astra 的得分是它的两倍多。
  • 需要快速、交互式回答的人:在默认的最高推理强度下,Artificial Analysis 测得第一个回答 token 要 168.66 秒,每秒 33 个 token;嫌慢时,月之暗面建议改用 low 推理强度或 Highspeed。
  • 不能接受提示词被用来改进月之暗面服务、又拿不到书面协议或企业零数据保留的 API 客户。
  • 看跑分表选模型的买家:一份外部审查发现迹象,表明它在 Terminal-Bench 上的领先依赖于知道隐藏的测试规则。
  • 想要最强开放模型来做漏洞利用的安全研究者:月之暗面有意压低了这方面的能力。
  • 期待 Claude 或 ChatGPT 那样额度的重度订阅用户:好几位 Kimi Code 订阅者几分钟就用完了 5 小时额度。
  • 没有数据中心级节点、又想以完整质量自己部署的人,以及年收入超过 2000 万美元、没和月之暗面签协议就想转售它的托管商。

替代选择

价格来自 2026 年 11 月 6 日各厂商自己的价格页,单位是每百万 token 多少美元,附 Artificial Analysis 的指数分:

模型厂商输入输出权重AA 指数
Kimi K3.1 Pro月之暗面2.0010.00开放,附条件46
Claude Opus 5.5Anthropic4.0020.00闭源59
Gemini 4 Argon谷歌11 月 30 日前 2.00,之后 4.0010.00,之后 20.00闭源50
GLM-5.3智谱(Z.ai)1.404.40开放32
DeepSeek V4.1 Flash 1017DeepSeek0.30(闲时 0.15)1.20(闲时 0.60)开放33
Mistral Large 4Mistral AI0.702.10开放,附条件26

来源:月之暗面、Anthropic、谷歌、智谱、DeepSeek、Mistral;Artificial Analysis 上的 Argon、GLM-5.3、DeepSeek 和 Mistral。

Gemini 4 Argon 在 2026 年 11 月 30 日前和 K3.1 Pro 同价,Artificial Analysis 分数更高(50 对 46),开始回答也快得多(第一个回答 token 40.80 秒,K3.1 Pro 是 168.66 秒),但它闭源,12 月 1 日起价格翻倍。

DeepSeek V4.1 Flash 适合最看重成本的场景:每个 Artificial Analysis 任务 0.60 美元,K3.1 Pro 是 3.68 美元;权重开放,在 FrontierCode 2.0(19.3%)和 Vals Index(61.26%)上和 K3.1 Pro 接近,但 Terminal-Bench 4.0 远远落后。

GPT-6.1 Sol(OpenAI)在不在乎开放权重时,是大多数智能体和数据任务的更强选择:Artificial Analysis 55 分,每个指数任务 1.27 美元;FrontierCode 2.0 39.0%,每次尝试 1.03 美元;Plotly 的考题 43 题全对,花 2.61 美元。Vals AI 测得它的 Terminal-Bench 4.0 更低,55.05% 对 63.64%(Artificial Analysis、Vals AI)。

GLM-5.3(智谱)每 token 更便宜,但写得多,每个 Artificial Analysis 任务 5.01 美元,在 Artificial Analysis(32 分)和 FrontierCode 2.0(17.8%)上都落后于 K3.1 Pro。

Mistral Large 4 适合需要欧洲厂商的买家:每百万 token 0.70 和 2.10 美元,权重开放,FrontierCode 成绩相当(19.7%),但 Artificial Analysis 只有 26 分。

如果只是想试试 Kimi K3.1 Pro,Kimi App 或 OpenRouter 最快;处理机密工作时,把权重部署在自己的服务器上,是唯一能让数据不出公司的办法。

来源

来源

  1. Kimi K3.1 Pro 技术博客:上线渠道、跑分和去除网络安全数据(月之暗面,2026 年 10 月 23 日) (kimi.ai), 访问于
  2. Kimi K3.1 Pro API 快速上手和使用限制(Kimi API 开放平台) (platform.kimi.ai), 访问于
  3. moonshotai/Kimi-K3.1-Pro 模型卡:架构和跑分表(Hugging Face) (huggingface.co), 访问于
  4. Kimi-K3.1-Pro 提交记录:第一次提交在 2026 年 11 月 2 日(Hugging Face) (huggingface.co), 访问于
  5. Kimi K3.1-Pro License,MIT 措辞加两个条件(Hugging Face) (huggingface.co), 访问于
  6. 模型推理价格:K3.1 Pro、K3.1 Pro Highspeed 和 K3(Kimi API 开放平台) (platform.kimi.ai), 访问于
  7. Batch API 价格,标准价的 60%(Kimi API 开放平台) (platform.kimi.ai), 访问于
  8. 充值与速率限制,按账户等级(Kimi API 开放平台) (platform.kimi.ai), 访问于
  9. 模型列表和 K2 系列停用通知(Kimi API 开放平台) (platform.kimi.ai), 访问于
  10. 推理强度:low、high 和 max(Kimi API 开放平台) (platform.kimi.ai), 访问于
  11. API 概览:兼容 OpenAI 和 Anthropic 的接口(Kimi API 开放平台) (platform.kimi.ai), 访问于
  12. 在 Claude Code 中使用 Kimi(Kimi API 开放平台) (platform.kimi.ai), 访问于
  13. 在 Codex 中使用 Kimi K3.1 Pro(Kimi API 开放平台) (platform.kimi.ai), 访问于
  14. 验证请求签名(Kimi API 开放平台) (platform.kimi.ai), 访问于
  15. 平台更新日志:2026 年 7 月上线 Kimi K3,10 月 Batch API 支持新模型(Kimi API 开放平台) (platform.kimi.ai), 访问于
  16. 面向企业客户的零数据保留(Kimi API 开放平台) (platform.kimi.ai), 访问于
  17. Kimi 开放平台服务条款,2026 年 7 月 30 日更新(Moonshot AI PTE. LTD.) (platform.kimi.ai), 访问于
  18. Kimi 开放平台隐私政策:服务器在新加坡(Moonshot AI PTE. LTD.) (platform.kimi.ai), 访问于
  19. Kimi 服务条款,2026 年 8 月 13 日生效(Novascent Private Limited) (kimi.ai), 访问于
  20. Kimi 隐私政策,2026 年 8 月 13 日更新(Novascent Private Limited) (kimi.ai), 访问于
  21. Kimi 会员方案和价格(Kimi) (kimi.ai), 访问于
  22. Kimi Code 模型配置:K3.1 Pro 和 Highspeed(Kimi Code 文档) (kimi.com), 访问于
  23. 关于月之暗面(月之暗面) (moonshot.ai), 访问于
  24. 月之暗面发布 3T 参数旗舰模型 Kimi K3.1 Pro(SiliconANGLE,2026 年 10 月 23 日) (siliconangle.com), 访问于
  25. 月之暗面发布 2.8 万亿参数模型 Kimi K3.1 Pro 的权重(RuntimeWire,2026 年 11 月 4 日) (runtimewire.com), 访问于
  26. 月之暗面发布 Kimi K3.1 Pro 完整的 1.56TB 权重(BigGo Finance,2026 年 11 月 5 日) (finance.biggo.com), 访问于
  27. vLLM 首日支持 Kimi K3.1 Pro(vLLM 博客,2026 年 11 月 4 日) (vllm.ai), 访问于
  28. Kimi-K3.1-Pro 部署方案和硬件(vLLM Recipes) (recipes.vllm.ai), 访问于
  29. Kimi K3.1 Pro 部署手册(SGLang 文档) (docs.sglang.io), 访问于
  30. vllm-project/Kimi-K3.1-Pro-pruned75,实验性的专家剪枝权重(Hugging Face,2026 年 11 月 5 日) (huggingface.co), 访问于
  31. OpenAI 披露蒸馏攻击中使用的「新型」加密绕过手法(CyberScoop,2026 年 9 月 30 日) (cyberscoop.com), 访问于
  32. OpenAI 称与月之暗面有关联的用户试图提取其 AI 推理(The Next Web,2026 年 9 月 30 日) (thenextweb.com), 访问于
  33. Kimi K3.1 Pro:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  34. Kimi K3.1 Pro 上线即排智能指数第四(Artificial Analysis,2026 年 10 月 23 日) (artificialanalysis.ai), 访问于
  35. Artificial Analysis 智能指数 v5 发布(Artificial Analysis,2026 年 10 月 27 日) (artificialanalysis.ai), 访问于
  36. Claude Opus 5.5(max)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  37. GPT-6 Astra(max)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  38. Gemini 4 Argon(high)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  39. DeepSeek V4.1 Flash 1017(max)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  40. GLM-5.3(max)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  41. Mistral Large 4(high)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  42. GPT-6.1 Sol(max)模型页:智能、速度和价格(Artificial Analysis) (artificialanalysis.ai), 访问于
  43. Kimi K3.1 Pro 跑分结果(Vals AI) (vals.ai), 访问于
  44. Claude Opus 5.5 跑分结果(Vals AI) (vals.ai), 访问于
  45. DeepSeek V4.1 Flash 1017 跑分结果(Vals AI) (vals.ai), 访问于
  46. GPT-6.1 Sol 跑分结果(Vals AI) (vals.ai), 访问于
  47. FrontierCode 2.0 排行榜:2026 年 11 月 5 日加入 Kimi K3.1 Pro(Cognition) (cognition.com), 访问于
  48. SWE-2,在 Kimi K3 上做后训练(Cognition,2026 年 9 月 10 日) (cognition.com), 访问于
  49. Devin CLI 支持的模型(Devin 文档) (docs.devin.ai), 访问于
  50. 综合智能体排行榜,2026 年 11 月 6 日更新(DesignArena) (designarena.ai), 访问于
  51. 3D 设计排行榜,2026 年 11 月 6 日更新(DesignArena) (designarena.ai), 访问于
  52. Kimi K3.1 Pro 数据分析跑分结果(Plotly,2026 年 10 月 23 日,11 月 4 日更新) (plotly.com), 访问于
  53. Kimi K3.1 Pro 记得并执行隐藏的测试规则(R40 Research,2026 年 11 月 3 日) (r40.org), 访问于
  54. Kimi K3.1 Pro 会写出伪造的 OpenAI 密文(一位开发者的多智能体评估,2026 年 11 月) (peterstran.com), 访问于
  55. Kimi K3.1 Pro 和 K3.1 Pro Highspeed(Hacker News 讨论,2026 年 10 月 23 日) (news.ycombinator.com), 访问于
  56. Ask HN:Kimi Code 只用了 1.37 美元的 API 用量就触发 5 小时上限(Hacker News,2026 年 10 月 24 日) (news.ycombinator.com), 访问于
  57. OpenRouter 上的 Kimi K3.1 Pro:服务商和价格 (openrouter.ai), 访问于
  58. Claude API 价格(Anthropic) (anthropic.com), 访问于
  59. Gemini 开发者 API 价格,Gemini 4 Argon(谷歌) (ai.google.dev), 访问于
  60. 模型和价格(DeepSeek API 文档) (api-docs.deepseek.com), 访问于
  61. 价格(智谱 Z.ai 开发者文档) (docs.z.ai), 访问于
  62. API 价格(Mistral 文档) (docs.mistral.ai), 访问于

更新记录

更新记录

  1. 依据月之暗面自己的页面、模型卡、许可证、API 文档、价格和条款,Kimi 的会员方案和政策,Artificial Analysis、Vals AI、Cognition、DesignArena 和 Plotly 的结果,R40 Research 的审查报告,Hacker News 上的用户反馈,以及五个竞品模型的价格页,创建本页。

GenGrades 推荐阅读

  • 模型评测

    Claude Fable 5.2

    Claude Fable 5.2 是 Anthropic 对外开放的最强模型,2026 年 11 月 9 日发布,每百万 token 输入 8 美元、输出 40 美元,比 Fable 5.1 便宜 20%。和 Opus 5.5 相比,它的 token 单价是两倍;在 max 推理强度下,它在 Artificial Analysis 指数上以 65 比 59 领先,每个任务却要 26.54 美元,Opus 是 10.04 美元;Anthropic 仍建议先用 Opus。

  • 模型评测

    Inkling 2 Small

    Inkling 2 Small 是 Thinking Machines Lab 的混合专家模型,总参数 5940 亿、激活 170 亿,能读文本和图片。它在 2026 年 11 月 5 日上线 Tinker,权重暂不公开,官方承诺安全测试后以 Apache 2.0 开放;每百万输入 token 0.30 美元、输出 1.00 美元。Artificial Analysis 给它 31 分,低于 DeepSeek V4.1 Flash,而且速度慢。

  • 模型评测

    Mistral Large 4

    Mistral Large 4 是 Mistral AI 的开放权重混合专家模型,总参数 1 万亿、激活 520 亿,2026 年 10 月 6 日发布预览版,10 月 29 日开放权重。API 每百万输入 token 0.70 美元、输出 2.10 美元。Artificial Analysis 给它 26 分,落后于 GLM-5.3 和 DeepSeek V4.1 Flash 的 32 分;自己部署完整权重需要 8 块数据中心级 GPU。

  • 工具评测

    Venice AI

    Venice AI 是 Venice.ai 公司推出的 AI 聊天、图像、视频和 API 服务,由 Erik Voorhees 在 2024 年创立,不额外加内容过滤,聊天记录存在你自己的设备上。Venice 在 2026 年 7 月以 10 亿美元估值融资 6500 万美元。Pro 会员每月 18 美元,但发给 Claude、GPT 或 Gemini 的提示词仍会到达这些模型的开发商。

  • 工具评测

    小米 MiMo

    小米 MiMo 是小米自研的 AI 大模型系列和开放平台:网页版 MiMo AI Studio 对话、兼容 OpenAI 和 Anthropic 的 API、语音模型,以及编程和桌面智能体。2026 年 9 月 22 日以 MIT 协议开源的 MiMo-V2.6-Pro,截至 10 月 17 日是 Artificial Analysis 智能指数上得分最高的开放权重模型。

  • 工具评测

    Duck.ai

    Duck.ai 是 DuckDuckGo 推出的隐私 AI 聊天,2024 年 6 月以 DuckDuckGo AI Chat 的名字上线。不用注册就能使用 OpenAI、Anthropic、Mistral 等公司的模型,DuckDuckGo 会在每次请求前去掉你的 IP 地址。6 个模型免费,更强的模型要订阅 DuckDuckGo 每月 9.99 或 19.99 美元的套餐。