在线AI教程 / AI上云
[DeepInfra] Kimi K3.1 Pro API 基准测试:提供商、速度与成本
Kimi K3.1 Pro API 基准测试:提供商、速度与成本 DeepInfra 发布于 2026.11.17 Kimi K3.1 Pro 是 Moonshot AI 新的 o
Kimi K3.1 Pro API 基准测试:提供商、速度与成本
DeepInfra 发布于 2026.11.17

Kimi K3.1 Pro 是 Moonshot AI 新的 open-weights 旗舰模型,在同等规模 open-weights 模型的 Artificial Analysis Intelligence Index 上位居榜首。它同时是一个体量大、话多的推理模型,所以在哪里运行它,账单和等待时间都会随之改变。本指南对本文覆盖的 14 家提供商的 16 个 endpoint 的 Artificial Analysis 数据做了比较,价格优先。
Kimi K3.1 Pro 提供商对比数据
价格按每 1M tokens 计。混合价格采用 Artificial Analysis 对缓存命中、输入和输出 token 的 7:2:1 加权。
提供商(endpoint)输入输出混合(7:2:1)错误率输出速度(t/s)首个答案 token 时间(s)每个 Index 任务成本最适合 DeepInfra$1.90$9.50$1.460.0%46.9109.82$4.39成本与可靠性: 在 0% 错误率的 endpoint 中价格最低;Flex 层级 PrimaLabs$1.80$9.00$1.3915.4%109.821.16$2.94标价最低 Modal$2.00$10.00$1.540.0%118.044.64$3.19缓存密集型 agent 运行 Baseten$2.00$10.00$1.540.0%183.025.53$3.26标价下的吞吐 Databricks$2.00$10.00$1.541.9%111.769.25$3.29Databricks 原生技术栈 DigitalOcean$2.00$10.00$1.540.0%200.825.35$3.42标价下的速度与延迟 Wafer$2.00$10.00$1.540.0%112.381.11$3.50首个 token 时间低(1.41 s) Kimi(第一方)$2.00$10.00$1.548.0%31.0152.69$3.68基线;Moonshot 自家 API Parasail$2.00$10.00$1.540.0%112.154.07$4.22中游全能型 Nebius$2.00$10.00$1.542.0%94.661.52$4.38中游全能型 SiliconFlow$2.00$10.00$1.540.0%45.5105.62$4.68标价兜底 Inco$3.00$15.00$2.315.8%134.238.91$4.79快于标价,低于快速层级 Amazon Bedrock(High Speed)$4.00$20.00$2.940.0%218.224.93$4.37AWS 原生快速层级 Kimi High Speed$4.00$20.00$2.944.9%69.474.05$4.42Moonshot 自家快速层级 LithosAI(ULTRA)$6.00$30.00$4.410.0%258.517.87$6.32输出与首答案最快 Inco(FAST)$6.00$30.00$4.620.0%187.027.22$9.55高端速度层级
方法论。 数据来自 Artificial Analysis 提供商页面中 Kimi K3.1 Pro 在最高 reasoning effort 下的记录,拉取于 2026 年 11 月 17 日。Artificial Analysis 使用它的“Performance v3”方法:头条速度和延迟取单请求与多轮 agentic 工作负载的平均值,错误率则汇总这些运行。混合价格对缓存命中、输入和输出 token 按 7:2:1 加权。每个任务的成本和时间来自 Artificial Analysis 的 Intelligence Index 工作负载,并取决于各 endpoint 实测的缓存命中率及其价格。DeepInfra 的数字是当前的促销价(比其 $2.00 / $10.00 标价低 5%)。数字会随时间变化。定价截至 2026-11-17。
Kimi K3.1 Pro API 评测摘要
实验室与发布: Moonshot AI,2026 年 10 月 23 日发布;open weights 于 11 月初跟进。 智能: Artificial Analysis Intelligence Index v5.0.1 得分 46,在同等规模的 open-weights 模型中排名第 1 / 共 29(同类中位数 23)。 DeepInfra 价格: 每 1M tokens 输入 $1.90 / 输出 $9.50 / 缓存 $0.19(比标价低 5%);Flex $1.52 / $7.60 / $0.152。 混合价格: DeepInfra 上每 1M $1.46,是所有录得 0% 错误率的 benchmark endpoint 中最低的。 可靠性: DeepInfra 在 Artificial Analysis 的测量窗口内录得 0.0% 错误率。 标价下的速度领先者: DigitalOcean(200.8 t/s,25.35 秒到首个答案 token)和 Baseten(183.0 t/s,25.53 秒)。 话痨程度: 跑完 Intelligence Index 用了 1.13 亿输出 token,同类中位数为 1.04 亿。 上下文与输出: 1,048,576 token 上下文;在 DeepInfra 上最多输出 943,718 token(若未设置 max_tokens,默认 65,536)。 模态: 文本和图像输入,文本输出。 规模: Mixture-of-Experts,总参数 2.8T,激活参数 104B(Hugging Face)。 许可证: 自定义 Kimi K3.1-Pro License;允许商业使用,但对超大型 model-as-a-service 运营商和超大型消费级产品有额外条款。 覆盖的提供商: 来自 14 家提供商的 16 个 endpoint。
关于 Kimi K3.1 Pro
Kimi K3.1 Pro 由 Kimi K3 post-train 而来,使用了多得多的强化学习算力。主要架构变化在 attention:K3 的全注意力 Gated MLA 层被替换为 Gated DeepSeek Sparse Attention,以更低的成本处理长上下文,同时保留其 KDA 层。它保持了 1M token 上下文,并通过一个 401M 参数的 vision encoder 读取图像。
Moonshot 自己的结果(厂商自报,在最高 reasoning effort 下运行)让它在 HLE-Full with tools(70.0)、BrowseComp(92.1)和 AutomationBench-AA(73.3)等 agentic 任务上位居其对比表首位。闭源模型在无工具推理(HLE-Full 51.1 对 Claude Opus 5.5 的 59.8)、Terminal-Bench 4.0(65.7 对 66.4,差距微弱)以及网络安全几行上仍然领先。相比上一代,Moonshot 报告 Kimi Code Bench 3.0 Long-horizon 为 61.2,而 Kimi K3 为 55.95。我们的 Kimi K3 API 提供商分析覆盖了上一代模型。
有两个服务细节会左右提供商的选择。第一,这个模型推理很长:Artificial Analysis 统计完成其 index 需要 1.13 亿输出 token,而 reasoning token 按输出计费,所以输出价格主导成本。第二,每个 endpoint 到首个答案的延迟都很长(17.87 秒到 152.69 秒),因此首个答案 token 时间远比首个 token 时间重要。
DeepInfra:总体最推荐提供商
DeepInfra 是在价格和可靠性上最推荐的 Kimi K3.1 Pro API。每 1M tokens 输入 $1.90、输出 $9.50,比 16 个 benchmark endpoint 中有 9 个收取的 $2.00 / $10.00 标价低 5%;其 $1.46 的混合价格是所有录得 0% 错误率的 endpoint 中最低的。在 Artificial Analysis 评测的提供商中,只有 PrimaLabs 的标价更低。
Flex 服务层级把价格压得更低:输入 $1.52、输出 $7.60、缓存 $0.152。这个输出价率比标价低 24%。按 Artificial Analysis 使用的同一套 7:2:1 加权,Flex 折算约为 $1.17 混合价(我们的计算)。发送 "service_tier": "flex";Flex 请求最多会等 10 分钟获取容量,之后返回 HTTP 429,被拒绝的请求不计费。此外还有 Priority 层级,价格是促销价的 1.5 倍。
由于输出占这个模型账单的大头,每 token 的差价会累积起来。一个生成 1 亿输出 token 的批处理任务,在 DeepInfra Standard 上花费 $950,在 Flex 上 $760,在标价下 $1,000。
如果响应速度就是你的产品,可以在标准标价下测试 DigitalOcean 或 Baseten;对于批处理、agents 和对成本敏感的工作,DeepInfra 的每 token 差价会继续放大。
混合价格: 每 1M $1.46(输入 $1.90、输出 $9.50、缓存 $0.19);Flex 约 $1.17 输出速度: 46.9 t/s 延迟(TTFT): 2.09 s;109.82 秒到首个答案 token 最佳工作负载: 批处理推理、后台 agents 和评测运行,在这些场景里价格和干净的错误率比到首个答案的秒数更重要
Kimi K3.1 Pro 模型页面列出了 JSON mode、structured output、tool calling、图像输入、零数据保留和私有 endpoint。API 兼容 OpenAI,地址为 Authorization: Bearer $DEEPINFRA_API_KEY;参数见 API 页面。
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": "user", "content": "Plan the migration steps for this schema change."}], temperature=1.0, top_p=0.95, max_tokens=32768, extra_body={ "reasoning_effort": "high", "service_tier": "flex", # remove for standard tier }, ) print(response.choices[0].message.content)copy
DigitalOcean:标价下的速度与延迟领先者
DigitalOcean 是在标准 $2.00 / $10.00 价格下最快的 endpoint:输出 200.8 t/s,25.35 秒到首个答案 token,错误率 0%。它用 6.0 分钟完成一个 Intelligence Index 任务,每个任务花费 $3.42。
混合价格: 每 1M $1.54 输出速度: 200.8 t/s 延迟(TTFT): 1.71 s;25.35 秒到首个答案 token 最佳工作负载: 用户需要等待答案的交互式编程助手和聊天
Baseten:高吞吐替代方案
Baseten 紧随其后,183.0 t/s,25.53 秒到首个答案,同样按标价且错误率 0%。在 Artificial Analysis 的 agentic 工作负载上 99.6% 的缓存命中率把它的每任务成本压到 $3.26,在整组中第三低。
混合价格: 每 1M $1.54 输出速度: 183.0 t/s 延迟(TTFT): 1.44 s;25.53 秒到首个答案 token 最佳工作负载: 同样需要低延迟的吞吐密集型 agent 流水线
LithosAI ULTRA 与 Amazon Bedrock High Speed:高端速度层级
如果速度比价格更重要,有两个快速层级领跑表格。LithosAI ULTRA 拥有最高的输出速度(258.5 t/s)和最短的首答案时间(17.87 s),价格 $6.00 / $30.00,是标价的三倍。Amazon Bedrock High Speed 达到 218.2 t/s 和 24.93 s,价格 $4.00 / $20.00。两者都录得 0% 错误率。
混合价格: $4.41(LithosAI ULTRA);$2.94(Bedrock High Speed) 输出速度: 258.5 / 218.2 t/s 延迟(TTFT): 1.75 / 4.00 s;17.87 / 24.93 秒到首个答案 token 最佳工作负载: 预算足以支付速度溢价、对延迟敏感的产品
PrimaLabs:标价最低
PrimaLabs 在 Artificial Analysis 上标价最低($1.80 / $9.00,混合 $1.39),每个 Index 任务成本也最低($2.94),109.8 t/s,21.16 秒到首个答案。它在测量窗口内 15.4% 的错误率是整组中最高的,所以如果你把流量路由过去,要准备好重试或兜底。
混合价格: 每 1M $1.39 输出速度: 109.8 t/s 延迟(TTFT): 0.95 s;21.16 秒到首个答案 token 最佳工作负载: 已备好重试逻辑、成本优先的工作负载
Kimi(Moonshot 第一方 API):基线
Moonshot 自家 API 收取 $2.00 / $10.00 标价,实测 31.0 t/s,152.69 秒到首个答案 token,错误率 8.0%。Moonshot 还以 $4.00 / $20.00 出售 Kimi K3.1 Pro Highspeed(在 Artificial Analysis 上 69.4 t/s)。第一方 API 是定价和 Moonshot 专属功能的参照。
混合价格: 每 1M $1.54(Highspeed $2.94) 输出速度: 31.0 t/s(Highspeed 69.4) 延迟(TTFT): 4.03 s;152.69 秒到首个答案 token 最佳工作负载: 想要 Moonshot 自家 API 和产品的团队
技术深潜:开发者需要知道什么
- 首个答案 token 时间才是真正重要的延迟数字
16 个 endpoint 的首 token 时间在 0.95 到 6.54 秒之间,但首个答案 token 时间在 17.87 到 152.69 秒之间,因为模型会先推理再回答。对于任何面向用户的东西,比较提供商时要看首个答案时间,并考虑对交互式调用降低 reasoning_effort:DeepInfra 的 API 接受从 none 到 max 的取值,而 Artificial Analysis 的数字全部是在 max 下测得的。
- 输出价格驱动账单
跑完 Artificial Analysis 的 index 需要 1.13 亿输出 token(同类中位数 1.04 亿),Kimi K3.1 Pro 算是偏话痨的,而它的输出价格是输入价格的五倍。在输出密集的工作上,要比较的数字是输出价率:DeepInfra 上 $9.50、Flex 上 $7.60、标价下 $10.00、快速层级 $20.00–$30.00。
- 每任务成本取决于你的缓存命中率
Artificial Analysis 的混合价格假设 70% 的 token 是缓存命中,其每任务成本反映的是各 endpoint 在长 agentic 工作负载上实测的缓存命中率。如果你的流量主要是全新 prompt 或输出密集的推理,每 token 价格比每任务数字更能预测你的账单。在 DeepInfra 上用 prompt_cache_key 让重复上下文在多个 agent 轮次间保持缓存。
- 输出限制与长上下文
DeepInfra 提供完整的 1,048,576 token 上下文,并允许最多 943,718 输出 token。如果你不设置 max_tokens,它默认取剩余上下文与 65,536 中的较小者。
- API 功能对齐
上面所有提供商都通过兼容 OpenAI 的 API 提供同样的 open weights,所以你只需更改 base URL 和模型名,就能把对成本敏感的流量路由到一个 endpoint,把对延迟敏感的流量路由到另一个。
结论
0% 错误率下的最低价格: DeepInfra($1.90 / $9.50,混合 $1.46;Flex 输出 $7.60) 标价下的速度与延迟: DigitalOcean(200.8 t/s,25.35 秒到首个答案);Baseten 紧随其后 不计价格的最快: LithosAI ULTRA(258.5 t/s,17.87 s)和 Amazon Bedrock High Speed 标价最低: PrimaLabs,但要为 15.4% 的错误率做好准备 基线: Moonshot 第一方 Kimi API,$2.00 / $10.00
完整定价场景见 Kimi K3.1 Pro 定价指南;模型本身见 Kimi K3.1 Pro 模型概览。我们的最佳开源编程模型盘点把 K3.1 Pro 与它的 open-weights 同侪并列。要开始使用,在 DeepInfra 上调用 Kimi K3.1 Pro,或把它部署到私有 endpoint 上获得专用 GPU 容量。
相关文章
最佳 OpenClaw 替代品:Hermes Agent、ZeroClaw 与 NemoClaw
OpenClaw 有 362,000 个 GitHub star,以及一个拥有超过 44,000 条社区贡献的 skill marketplace。这种采用量不会凭空发生。不过,在生产环境中运行它的团队仍不断撞上同一个抱怨: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 […]
最佳 MiMo-V2.5 API 提供商排名
执行摘要:为小米的 MiMo-V2.5 选择合适的 API 提供商,对优化生产工作流至关重要。基于 benchmark 研究,DeepInfra 是原始速度和低延迟(130+ tokens/秒)方面最好的提供商,而小米的第一方 API 最具成本效益,提供无可匹敌的 prompt caching 折扣。本指南拆解该模型的 MoE 架构 […]
MiMo-V2.6-Pro 指南:性能、定价与提供商
API 评测摘要(2026 年 10 月)属性 值 开发者 Xiaomi 发布日期 2026 年 9 月 21 日 模型类型 推理模型(open weights) Artificial Analysis Intelligence Index 30——在 AA 的“Large”(超过 150B 参数)类 21 个模型中排名第 3,该类中位数为 23 速度 53.4 输出 tokens/秒(类中位数:73.9 t/s) 延迟(TTFT)3.16s(类 […]
查看全部