在线AI教程 / AI入门
[DeepInfra] Kimi K3.1 Pro:模型概览、基准测试与 API 指南
Kimi K3.1 Pro:模型概览、基准测试与 API 指南 发布于 2026.11.17,作者 DeepInfra Kimi K3.1 Pro 是 Moonshot AI 的旗
Kimi K3.1 Pro:模型概览、基准测试与 API 指南
发布于 2026.11.17,作者 DeepInfra

Kimi K3.1 Pro 是 Moonshot AI 的旗舰开放权重模型,于 2026 年 10 月 23 日发布,面向长程 agent 工作构建:编码、3D 创作、金融研究以及文档密集型任务。它是一个 2.8 万亿参数的 Mixture-of-Experts 模型,每个 token 激活 104B 参数,输入为文本和图像,输出为文本,并拥有 1,048,576 token 的上下文窗口。
K3.1 Pro 不是一次新的预训练。Moonshot 在 Kimi K3 的基础上对它做了后训练,“后训练算力大幅增加”,并在数百个领域进行了大规模强化学习;同时把 K3 的全注意力层换成稀疏注意力,让长上下文的服务成本更低。它是 K3.1 系列的首个模型。
在 DeepInfra 上,该模型运行在 OpenAI 兼容的 API 之后,支持零数据保留、JSON 与结构化输出、function calling 和图像输入。如果你需要更便宜的模型来处理较简单的 agent 步骤,DeepSeek V4.1 Flash-1017 也在同一个 API 上。模型字符串是:
moonshotai/Kimi-K3.1-Pro
相比 Kimi K3 有哪些变化
除特别标注外,下文 Moonshot 的说法均为厂商自报。
后训练与编码
长程编码: 在 Moonshot 内部基准 Kimi Code Bench 3.0 Long-horizon 上,K3.1 Pro 得分 61.2,K3 为 55.95(发布博文)。 独立验证: 在 LiveBench 2.0(2026 年 11 月 6 日的榜单)上,编码分数从 Kimi K3 的 53.1 升到 67.8,长程 agentic 工作从 36.0 升到 38.7。这是实打实的编码提升,不过在 LiveBench 编码项目上,K3.1 Pro 在开放权重模型中仍处于中游。
事实准确性
在 Moonshot 内部的 Kimi Hallu Bench Hard 上,声明级幻觉率从 K3 的 23.4% 降到 8.3%。Moonshot 称该基准是有意设计的压力测试,因此这个比率并不代表日常的错误率。
金融与业务工作
Moonshot 内部的金融基准分别提升 7.2 分(金融建模)和 11.6 分(金融研究),其 Business Operation 模拟得分约为 K3 的 4.2 倍。在公开的 OfficeQA Pro v2 上,K3.1 Pro 得分 64.4,是 Moonshot 表格中的最高分。
注意力与长上下文
K3.1 Pro 用 Gated DeepSeek Sparse Attention(Gated DSA)替换了 K3 的全注意力 Gated MLA 层:93 层中有 24 层改用稀疏注意力,top-k 为 2,048 个索引 token,其余 69 层使用 KDA 线性注意力。目的是在完整的 1M 窗口下降低长上下文建模的成本。
网络能力,刻意设限
为这次开放权重发布,Moonshot 从中间训练和 RL 中移除了网络攻防相关数据。在其内部的 xdev-bench-hard 上,未过滤的 checkpoint 在 pass@3 下解决 90.5% 的任务;发布的模型解决 81.0%。Moonshot 表示,K3.1 Pro 的攻击性网络能力仍落后于前沿专有模型。
DeepInfra 上的价格
Kimi K3 的标价仍是每 1M token 输入 $2.85、输出 $14.25。K3.1 Pro 的促销价 $1.90 / $9.50 在两项上都低了三分之一,并且 K3.1 Pro 新增了 Flex 档位。
技术架构
组件Kimi K3.1 Pro 架构Mixture-of-Experts 总参数 / 激活参数2.8T / 104B 层数93(1 层稠密) 注意力69 层 KDA + 24 层 Gated DSA 专家896 个路由专家,每 token 选择 16 个,2 个共享 隐藏维度 / 注意力头7,168 / 96 词表160K 激活函数SiTU-GLU 视觉编码器MoonViT-V2(4.01 亿参数) 发布的权重MXFP4 权重 / MXFP8 激活(量化感知训练) 上下文窗口1,048,576 token 许可Kimi K3.1-Pro License(修改版 MIT)
来源:Hugging Face 模型卡。
许可证是 MIT 风格,附带两个条件。任何 12 个月内集团收入超过 2000 万美元、经营模型即服务业务的公司,在商用前需要与 Moonshot 另签协议。月活跃用户超过 1 亿或月收入超过 2000 万美元的产品,必须在其界面中显示“Kimi K3.1-Pro”。内部使用不受这两条限制。如果你的产品可能触及任一门槛,发布前请先读许可证原文。
基准测试
Moonshot 运行 K3.1 Pro 时使用 reasoning effort max、temperature 1.0 和 top_p 0.95,且大多在 Claude Code 或 Kimi Code harness 中运行。部分对比分数引自排行榜或其他实验室的报告,闭源模型运行时启用了 fallback,标注“internal”的行使用 Moonshot 自己的基准。本表中的所有内容都应视为厂商自报。下面只列出一部分;模型卡里有全部 47 项。
基准测试Kimi K3.1 ProClaude Opus 5.5GPT-6 AstraClaude Fable 5.1DeepSeek V4.1 Flash-1017GLM-5.3 Terminal-Bench 4.065.766.458.257.942.341.8 SWE Marathon v1.151.746.342.545.640.042.5 DeepSWE v1.175.574.274.167.477.066.9 ProgramBench31.565.050.053.529.119.0 HLE-Full(无工具)51.159.853.657.642.643.0* HLE-Full(带工具)70.067.757.265.658.862.5 GPQA-Diamond94.293.996.193.792.291.7 BrowseComp92.190.891.5——— Agents’ Last Exam(全部)43.242.641.8—37.726.2 AutomationBench-AA73.369.568.559.466.662.2 GDPval-AA v2.1(Elo)184618661573175417461650 APEX-Agents69.473.564.768.669.856.6 OfficeQA Pro v264.462.254.454.540.431.1 OSWorld V2.179.681.875.880.769.3— MMMU-Pro(使用 python)90.089.887.888.482.5— ExploitGym20.734.542.430.4—15.0 Kimi Hallu Bench Hard(带工具,内部基准,越低越好)8.315.05.523.323.322.6
来源:Kimi K3.1 Pro 模型卡。粗体表示每行的最佳分数。 GLM-5.3 的 HLE 分数取自纯文本子集。*
谁在各行领先。 K3.1 Pro 在 agentic 和工具使用类工作上得分最高:SWE Marathon、HLE(带工具)、BrowseComp、Agents’ Last Exam、AutomationBench、OfficeQA Pro v2 以及 MMMU-Pro(使用 Python)。Claude Opus 5.5 在 Terminal-Bench 4.0 上领先 0.7 分,另外还在 ProgramBench、HLE(无工具)、GDPval-AA、APEX-Agents 和 OSWorld 上领先。
它在哪里落后。 差距最大的是 ProgramBench(31.5 对 Opus 5.5 的 65.0)、无工具的 HLE-Diamond(39.4 对 GPT-6 Astra 的 65.8)以及网络攻防那几行——Moonshot 有意压低了这部分能力(ExploitGym 20.7 对 42.4)。在表中的开放权重模型里,DeepSeek V4.1 Flash-1017 在 DeepSWE(77.0 对 75.5)和 APEX-Agents(69.8 对 69.4)上胜出,而价格只是它的一小部分。
独立视角。 Artificial Analysis 给 K3.1 Pro 的 Intelligence Index v5.0.1 打分为 46,在 29 个规模相近的开放权重模型中排名第一(同类别中位数 23)。同一页面称它“与规模相近的其他开放权重模型相比价格尤其昂贵”,并且“略显啰嗦”:运行该指数消耗 1.13 亿输出 token,而中位数是 1.04 亿。你可以在模型对比页面上把它与 DeepInfra 上的其他模型比较。
定价
以下为 2026-11-17 的定价,按每 1M token 计(模型页面、定价页面):
档位输入输出缓存输入 Standard,促销价(降 5%)$1.90$9.50$0.19 Standard,标价$2.00$10.00$0.20 Flex(0.8×)$1.52$7.60$0.152 Priority(1.5×)$2.85$14.25$0.285
折扣如何叠加。 5% 的促销是在标价基础上减免,Flex 则在促销价基础上再打 8 折:$1.90 × 0.8 = $1.52 输入,$9.50 × 0.8 = $7.60 输出。Priority 在促销价基础上乘以 1.5。每个档位的缓存输入都是输入价格的 10%。促销没有公布结束日期。
与其他提供商对比。 在 Artificial Analysis 的提供商基准上,DeepInfra 的 $1.90 / $9.50 是其所测提供商中输入、输出和混合价格的第二低,也是零错误提供商中最低的:DeepInfra 实测错误率为 0.0%,而唯一更便宜的端点(PrimaLabs,$1.80 / $9.00)有 15.4% 的请求失败。大多数提供商收取 Moonshot 自己的 $2.00 / $10.00,高速档位则是输入 $4.00–$6.00、输出 $20–$30。如果你的产品卖点是响应速度,可以试试 DigitalOcean 或 Baseten,它们在标准 $2.00 / $10.00 费率下实测约 200 和 183 token/秒,而 DeepInfra 是 47;对于批处理、agent 和成本敏感的工作,每 token 的差距会在长输出上不断放大。
Flex 是工作可以等待时运行该模型最便宜的方式。发送 "service_tier": "flex":容量不足时,请求最多等待 10 分钟,然后返回 HTTP 429,被拒绝的 Flex 请求不计费。过夜评测、批量抽取和后台 agent 都很适合。详见 Flex 服务档位公告。
Priority("service_tier": "priority")面向不应排队的流量。价格为 $2.85 / $14.25,高于 Moonshot 的标价,因此只在排队代价高于溢价时使用。
对于一个啰嗦的模型和长时间的 agent 会话,缓存很重要:缓存输入成本为 $0.19,而全新输入是 $1.90。用 prompt_cache_key 把重复的前缀路由到同一份缓存,用 prompt_cache_options 让它保持更久的温热(参见 prompt 缓存保留)。
想要完整的月度成本示例,请看 Kimi K3.1 Pro 定价指南。初创公司可以通过 DeepStart 申请免费额度。
快速开始
该 API 与 OpenAI 兼容:
Base URL: Endpoint: POST /chat/completions Auth header: Authorization: Bearer $DEEPINFRA_API_KEY
完整的请求 schema 在模型的 API 页面上。
参数
先讲模型特有的参数。非标准字段请通过 OpenAI Python SDK 中的 extra_body 发送。
参数默认值说明 reasoning_effort模型默认none、minimal、low、medium、high、xhigh、max。"none" 关闭思考。Moonshot 的基准测试使用 max。推理 token 按输出计费 reasoning—对象形式:{"effort": "...", "enabled": true/false} temperature1Moonshot 的评测使用 1.0 top_p1Moonshot 的评测使用 0.95 service_tierstandardflex(0.8×,最多排队 10 分钟,然后返回 429)或 priority(1.5×) fail_fastfalse立即返回 429,而不是排队 models—最多 4 个备用模型,当前模型无容量时按顺序尝试 prompt_cache_key, prompt_cache_options—在请求之间共享 prompt 缓存;例如 {"ttl": "1h"} model(必填)moonshotai/Kimi-K3.1-Pro messages(必填)聊天消息;用户内容可以包含图像 max_tokensmin(上下文 − 输入,65,536)最高 943,718 streamfalse服务端发送事件 stop—最多 16 个序列 n1最高 4 top_k, min_p0可选的采样控制 presence_penalty, frequency_penalty0−2 到 2 response_formattextjson_object、json_schema 或 regex tools, tool_choice—OpenAI 风格的 function calling
Python
import os from openai import OpenAI
client = OpenAI( api_key=os.environ["DEEPINFRA_API_KEY"], base_url="https://api.deepinfra.com/v1/openai", )
response = client.chat.completions.create( model="moonshotai/Kimi-K3.1-Pro", messages=[ {"role": "system", "content": "You are a senior equity research analyst."}, { "role": "user", "content": [ {"type": "text", "text": "Summarize the revenue trend in this chart and list three risks."}, {"type": "image_url", "image_url": {"url": "https://example.com/revenue-chart.png"}}, ], }, ], temperature=1.0, top_p=0.95, max_tokens=32768, extra_body={ "reasoning_effort": "high", # none | minimal | low | medium | high | xhigh | max "service_tier": "flex", # remove this line for the standard tier }, )
print(response.choices[0].message.content) print(response.usage)copy
对于分类、抽取或路由这类短小、定义明确的步骤,先用 "reasoning_effort": "low" 或 "none"。K3.1 Pro 在高 effort 下很啰嗦,而推理 token 在 Standard 档按输出计费,每 1M $9.50。
输出上限
该模型没有 16,384 token 的输出上限。你最多可以请求 943,718 个输出 token。如果不设置 max_tokens,DeepInfra 会在 65,536 token 与 1,048,576 token 窗口在输入之后剩余的部分之间取较小值。输入与输出合起来必须放进这个窗口。
Moonshot 公布的结果使用 max effort,在这种设置下,长时间的 agent 运行可能在最终答案开始之前就花掉数万个 token 用于推理。要更接近 Moonshot 的设置,请显式把 max_tokens 设为高于 65,536 的默认值、使用 max effort,并流式返回响应,以免长生成触发客户端超时。不保证完全复现,因为 Moonshot 的大部分基准是在自己的 harness 中运行的。
结论
Kimi K3.1 Pro 在 29 个同规模开放权重模型中拥有最高的 Artificial Analysis Intelligence Index 分数,而 Moonshot 自己的表格也把它放在 agentic、工具使用和文档工作的首位或接近首位。它的弱点同样清楚:闭源模型在无工具的知识、ProgramBench 和网络攻防任务上仍然领先,而且它很啰嗦,输出 token 占账单的大头。
因此,每个输出 token 的价格是最该盯住的数字。在 DeepInfra 上,按当前促销价,K3.1 Pro 每 1M 输出 token 花费 $9.50,Flex 档为 $7.60。这低于 Moonshot 的标价,也低于它所取代的模型,且实测错误率为 0%。
后续步骤
用 Flex 和更长效的 prompt 缓存削减批处理与评测流量的账单。 用 function calling、结构化输出以及按步骤设置的 reasoning_effort 构建 agent。 在 Kimi K3.1 Pro API 基准和最佳 Kimi K3.1 Pro API 提供商中对比提供商,或从 Kimi K3.1 Pro 发布博文开始。 从 Kimi K3 过来?Kimi K3 概览介绍了基础模型。 需要专属容量?私有部署该模型,或联系销售。
相关文章
GLM-5.3-Flash API 现已在 DeepInfra 上线
Z.ai 的 GLM-5.3-Flash 在推理时仅激活其 3200 亿参数中的 180 亿;按 Z.ai 报告的结果,它在要求严苛的软件工程基准 DeepSWE v1.1 上以 63.4 对 58.0 超过 Claude Opus 4.8。它是 GLM-5 系列中首个原生多模态模型,把文本、图像和视频输入与 100 万 token 的上下文结合在一起 […]
最佳 OpenClaw 替代品:Hermes Agent、ZeroClaw 与 NemoClaw
OpenClaw 在 GitHub 上有 36.2 万颗星,其 skill 市场有超过 4.4 万条社区贡献。这样的采用度不是偶然。不过,在生产环境使用它的团队反复遇到同一个抱怨:模型列表是固定的。OpenClaw 的引导式设置向导覆盖 OpenAI、Anthropic、Google、DeepSeek 和本地 Ollama。你可以 […]
GLM-5.1 定价指南:API 成本对比与分析
2026 年 11 月更新。对 GLM-5.1 来说,选哪家提供商是一个实实在在的经济决策。在 10 家被基准测试的 API 提供商中,混合价格从每 1M token $0.74 到 $1.70,输出速度从 33.8 到 175.2 t/s,最快的提供商比最慢的快 5.2 倍。对规模化部署的团队来说,这个差距决定了该模型是否 […]
查看全部