月之暗面 Kimi API 测评 2026：K3.1 Pro 与完整模型阵容

月之暗面（Moonshot AI）是总部位于北京的 AI 实验室，自 2024 年起以 Kimi 品牌持续推出前沿模型。随着 2026 年 10 月底 Kimi K3.1 Pro 发布，公司现在拥有一个 3 万亿级开源权重旗舰，具备 100 万 token 上下文、同时以美元和人民币公布的每百万 token 定价，以及同时兼容 OpenAI 与 Anthropic 报文格式的 API。本测评中的每个价格、限额与端点，都在 2026 年 11 月 4-5 日对照月之暗面国际文档、国内平台价格表与实时 OpenRouter 目录逐一核实。

核心结论是：K3.1 Pro 以中国实验室的中档定价，提供了一个严肃的长上下文编码模型，并附带异常激进的缓存折扣。但细则比平时更重要：官方与 OpenRouter 价格表在旗舰款上分毫不差，在较旧的 K3 与 K2 模型上却明显分歧，而且整个 K2 世代正按公布的时间表退役。本测评将区分哪些是稳定的、哪些在变化，以及调用每个模型最便宜的方式究竟在哪。

月之暗面到底卖什么

Kimi API 开放平台是按量付费的推理服务，没有订阅方案；月之暗面明确提示应与 Kimi 会员、Kimi Code 等产品区分。计费按消耗的百万 token 进行，对缓存写入、缓存命中输入、未命中输入和输出分别计量。重复的请求前缀会自动缓存，默认缓存存活时间（TTL）为 5 分钟，对于不那么频繁回看前缀的工作负载，还提供付费的 1 小时选项。

目录横跨两代。当前 K3 系列包括 Kimi K3.1 Pro（新旗舰）、Kimi K3.1 Pro Highspeed（同模型、约 2-3 倍速度、token 价格翻倍）以及初代 Kimi K3，三者均支持 1,048,576 token 窗口。旧 K2 系列为 Kimi K2.7 Code（含 Highspeed）和 Kimi K2.6，各限 262,144 token。2026 年 10 月 31 日起，月之暗面不再向新注册用户开放 K2 模型，并计划于 12 月底退役全部 K2。老账户过渡期内仍可使用，但今天开工的项目应直接选 K3。

官方定价：美元与人民币

下表是官方国际（美元）价格表，按每百万 token 计，不含税。同一页面还为国内平台公布了人民币表；两者并非干净的汇率换算，因此我们两个都报告，而不是从一个推导另一个。

模型	上下文	输入 / 百万	缓存输入 / 百万	输出 / 百万
Kimi K3.1 Pro	1M	$2.00	$0.20	$10.00
Kimi K3.1 Pro Highspeed	1M	$4.00	$0.20	$20.00
Kimi K3	1M	$3.00	$0.30	$15.00
Kimi K2.7 Code	256K	$0.95	$0.19	$4.00
Kimi K2.6	256K	$0.95	$0.16	$4.00

国内平台上同样的位置以人民币计价：K3.1 Pro 输入 13 元、输出 68 元，缓存命中 1.30 元；K3 为 20 元与 100 元，缓存 2.00 元；K2.7 Code 与 K2.6 为 6.50 元与 27 元。K3 系列的缓存写入按两档 TTL 单独计费，例如 K3.1 Pro 5 分钟写入 13 元、1 小时写入 26 元，因此长生命周期的前缀并非免费填充。

有两个结构性亮点。第一，K3.1 Pro 的缓存命中折扣为 90%：相对于 2 美元的基础输入价，每百万仅 0.20 美元。对于携带庞大稳定系统提示或重复仓库前缀、跑很多轮的智能体，实际输入成本降低一个数量级。第二，kimi-k3.1-pro 与 kimi-k3 的 Batch API 把每个消耗 token 按同步价 6 折计费，可与离线评测和数据丰富流水线的缓存命中价叠加。

缓存成本算例

要理解为什么缓存才是关键杠杆而非标价，考虑一个编码智能体：每轮都发送固定的 20 万 token 仓库前缀，外加 5,000 token 新指令，共 100 轮。不缓存时，仅前缀在 K3.1 Pro 上的输入成本就是 100 × 200,000 / 1,000,000 × 2 美元 = 40 美元，变化的尾部可忽略。由于平台自动缓存重复前缀，第一轮付一次性缓存写入费，之后每轮以每百万 0.20 美元读取：约 99 × 0.2 × 0.20 = 约 3.96 美元加写入费，而不是 40 美元。节省随前缀大小与轮数线性放大，这正是请求排序如此重要的原因。

月之暗面按精确前缀匹配，因此只有把稳定内容放前面、易变内容放后面，缓存才有效。把系统提示、工具定义、参考材料和代码库放最前；把用户最新问题、工具结果、时间戳或随机标识放最后。前缀中任何 token 一变，其后的全部内容都会失配。默认 5 分钟 TTL 每次命中都会续期，因此来回对话的智能体可免费保温；而每小时才回看前缀的定时任务应购买 1 小时写入档。缓存按组织隔离，无法手动清除，未使用的条目只会自然过期。

官方价对 OpenRouter：务必看细则

由于 Kimi 也可通过 OpenRouter 调用，我们把中继目录与官方列表做了对比。结果是一个关于"不要假设只有一个价格"的有益提醒。旗舰款上两个来源完全一致：OpenRouter 上 moonshotai/kimi-k3.1-pro 为输入 2 美元、缓存 0.20 美元、输出 10 美元，与文档分毫不差。旧模型上两份列表差异明显：OpenRouter 显示 Kimi K3 约为输入 0.19 美元、输出 16 美元，而官方为 3 美元与 15 美元；K2.7 Code 约 0.60 与 3.50 美元，官方为 0.95 与 4 美元；K2.6 约 0.65 与 3.41 美元，官方为 0.95 与 4 美元。

这里并不存在通过选一个数字来解决的矛盾。对于直接签约、国内人民币定价、限速阶梯和 Batch API，官方平台是权威计费面；OpenRouter 列表则是实时第三方市场费率，依模型不同，输入可能更便宜或输出略贵。直接集成时按官方表做预算，把任何中继报价当作购买时重新核实的独立条目，而不是永久折扣。

限速与充值阶梯

K3 系列模型需成功充值后才能调用，累计充值金额决定账户等级。平台提供少量新用户额度用于评估，但不能花在 K3 上，因此在任何生产工作负载前要先给账户充值。公布的阶梯从 Tier0 到 Tier5：

等级	累计充值	并发	RPM	TPM	TPD
Tier0	$1	1	3	500,000	1,500,000
Tier1	$10	15	100	2,000,000	无限
Tier2	$20	40	100	3,000,000	无限
Tier3	$100	50	200	3,000,000	无限
Tier4	$1,000	60	200	4,000,000	无限
Tier5	$3,000	100	300	5,000,000	无限

最大的跃升在最初的 10 美元：账户从 3 RPM、每日 150 万 token 上限，变为 100 RPM、每日 token 不限。联网搜索按每秒查询数单独计量，不占用这些限额。代金券和赠送额度明确不计入累计充值总额，月之暗面保留对异常流量施加风控限速的权利。

模型细节与请求参数

月之暗面把 K3.1 Pro 描述为其最强的 3 万亿级开源权重模型，从 Kimi K3 后训练而来，后训练算力大幅增加，在编码、3D 创作、金融研究与建模方面提升尤为明显。思考始终开启，通过顶层 reasoning_effort 字段设置推理深度，接受 low、high、max，默认 max；K3 系列无法关闭推理。模型支持通过 tool_choice（含 required）调用工具、把完整工具定义放进系统消息的动态工具加载、JSON Schema 结构化输出，以及 Responses、Chat Completions、Messages 三种 API。

若干采样参数固定且必须省略：temperature 1.0、top_p 0.95、n 1、presence_penalty 0、frequency_penalty 0，传入其他值会报错。max_completion_tokens 默认 131,072，最高可到 1,048,576。视觉接受内容部件数组而非序列化字符串，图像或视频可作为内联 base64 数据、公开 URL，或通过平台文件 API 用 ms:// 引用协议提供；SVG 会被拒绝，应改为粘贴 XML 文本。

Highspeed 变体是同一模型，参数约束完全一致，仅输出速度不同。对于交互式编码助手和延迟敏感的聊天，2 倍 token 溢价值得；对于批量文档处理则不划算，标准 K3.1 Pro 加 Batch 折扣价值更好。

Batch 机制与限制

Batch API 值得当作独立产品而非价格开关看待。批处理任务以请求文件形式提交，异步并发处理，因此不受限制交互流量的实时并发上限约束；这使其成为批量评测、离线标注和回填的实用路径，否则这些任务要排队数小时。已完成任务中消耗的每个 token（含输出）都按标准价 6 折计费。模型定价主页把 kimi-k3.1-pro 与 kimi-k3 标为支持批量的模型；专门的批量页面也列出了反正都要退役的 K2.7 Code 与 K2.6，因此新的批量流水线应以 K3 为目标。

有三个操作注意事项。第一，K3.1 Pro 与 K3 的批量任务仍收缓存写入费，而 K2 模型不支持缓存写入；且由于任务并发处理，批量内缓存命中是尽力而为、不保证，因此预测时应按标价计算折扣。第二，每个任务都有完成窗口，窗口到期仍未完成的工作会丢失而非自动重试。第三，6 折费率不改变每请求 100 万 token 的上下文上限，因此特别大的请求仍需在提交前拆分。最有效的模式是先在少量样例上同步开发验证提示，再把整组通过 Batch 铺开、任务完成后取回结果。

Kimi K3.1 Pro 的横向对比

在对本受众最关键、由厂方公布的 Terminal-Bench 4.0 基准上，月之暗面报告 K3.1 Pro 为 65.7%，领先 OpenAI GPT-6 Astra 的 58.2%，仅以微弱差距落后 Anthropic Claude Opus 5.5 的 66.4%。在其内部的 Kimi Code Bench 3.0 长程基准上，K3.1 Pro 为 61.2%，初代 K3 为 55.95%。这些都是厂方自报数字，应随榜单变化重新核实，但它们把 K3.1 Pro 定位在前沿编码智能体集群之内，而非预算边缘。

价格上定位更清晰。GPT-6 Astra 在 OpenRouter 上每百万输入 10 美元、输出 50 美元，因此 2 美元与 10 美元的 K3.1 Pro 输出成本约为其五分之一，同时在月之暗面引用的基准上得分更高。Claude Opus 5.5 为 4 美元与 20 美元，两项都约为 K3.1 Pro 的两倍，Terminal-Bench 领先 0.7 个点。对比最便宜的开放 API 编码模型，权衡则反转：DeepSeek V4.1 Flash 也提供 1M 窗口，但每百万输入约 0.045 美元、输出 0.50 美元，只是 K3.1 Pro 价格的零头；其更旧的 V3.2 为 128K 上下文。客观的解读是：DeepSeek 仍是原始成本冠军，GPT-6 Astra 与 Opus 5.5 设定能力天花板，而 K3.1 Pro 占据长上下文智能体工作性价比的中段，尤其在 90% 缓存折扣生效后。

快速上手

给账户充值，在控制台创建 API key，把任意 OpenAI 兼容 SDK 指向国际基础 URL。国内平台使用独立主机，因此应选择与账户和计费所在地匹配的端点。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_KIMI_API_KEY",
    base_url="https://api.moonshot.ai/v1"
)

completion = client.chat.completions.create(
    model="kimi-k3.1-pro",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Write a haiku about distributed systems."}
    ],
    reasoning_effort="high"
)
print(completion.choices[0].message.content)

切换到 Highspeed 时只改 model id，参数约束完全相同。从 K2 迁移的团队应移除旧的 K2 专用 thinking 配置，并在多轮调用中把完整的助手消息（含 reasoning_content）传回 messages，因为 K3 强制使用保留思考。

适合谁

Kimi K3.1 Pro 非常适合构建长上下文编码智能体、仓库级评审工具和金融研究流水线的团队，这些场景能以中档价格受益于 1M token 窗口。90% 缓存折扣、40% Batch 折扣与公布的限速经济学组合，让前缀稳定的持续智能体工作负载运营成本异常低；而 OpenAI/Anthropic 双重兼容使迁移摩擦很小。

当你需要不思考的快速回复、想要不充值即可使用的免费层，或纯优化 token 成本（此时廉价开放 API 模型已足够好）时，它就不那么合适。国内团队应使用人民币计价的国内平台，而非国际美元端点。对其他人来说，K3.1 Pro 是运营透明度最高的长上下文模型之一：价格、等级、缓存条款，甚至旧世代的退役日期全部公布，这比大多数前沿实验室做得更多。

来源：月之暗面国际文档（模型推理定价、充值与限速、Kimi K3.1 Pro 快速开始、模型参数参考、视觉输入指南）、Kimi API 开放平台人民币定价表，以及实时 OpenRouter 模型目录。所有价格与限额于 2026 年 11 月 4-5 日核实；基准分数为厂方自报。