Moonshot AI 的 Kimi K3.1 Pro 于 2026 年 10 月 23 日发布,截至 2026 年 11 月 17 日,已在 DeepInfra 上线,促销价格为每 100 万输入 tokens $1.90、每 100 万输出 tokens $9.50。该模型采用混合专家架构,总参数量为 2.8 万亿,激活参数量为 1040 亿,支持 1,048,576-token 上下文窗口以及文本和图像输入。DeepInfra Standard 的费率比 Moonshot 的 $2.00/$10.00 标价低 5%;在 Artificial Analysis 测量的端点中,它是成本最低且错误率为 0% 的选项。
Kimi K3.1 Pro 在 Artificial Analysis Intelligence Index v5.0.1 中得分为 46,在同等规模的 29 款开放权重模型中排名第一。与同类模型的中位数相比,该模型生成的输出量相当可观:在指数评估期间生成了 1.13 亿输出 tokens,而同类模型中位数为 1.04 亿,这会直接影响定价。对于大多数生产工作负载,推荐使用 DeepInfra Standard,它是成本最低且零错误的端点;而 DeepInfra Flex 可为批处理任务、评估和历史数据回填额外提供 20% 折扣,价格为 $1.52/$7.60,适用于可接受最长 10 分钟排队时间的任务。
DeepInfra 上 Kimi K3.1 Pro 部署的 token 费用分为四类。未缓存的输入 tokens——包括用户文本、检索到的文档、工具结果和图像等新的提示词 tokens——每 100 万个收费 $1.90。缓存的输入 tokens 是指服务提供商近期处理过的提示词前缀,例如系统提示词、工具架构和对话历史记录,每 100 万个收费 $0.19,比未缓存费率低 90%。输出 tokens 包括生成的文本和推理 tokens,每 100 万个收费 $9.50,是未缓存输入费率的五倍。在 DeepInfra 上,每次响应的最大输出量可达 943,718 tokens,不过默认上限为 65,536 tokens;按默认上限计算,输出成本约为 $0.62;按最高输出量计算,约为 $8.97。
在实际使用中,输出费率是输入费率的五倍,因此输出是最大的成本驱动因素。Artificial Analysis 将该模型描述为“有些冗长”,这意味着即使输出在总 token 数中占比较小,输出量通常仍会决定最终账单。reasoning_effort 参数可作为成本控制旋钮,范围从 none(关闭思考)到 max;Artificial Analysis 的基准测试结果采用 max,但对于提取、分类和路由等不需要扩展推理的任务,较低设置可以节省输出 tokens。缓存命中率会显著影响总成本:在 Artificial Analysis 的智能体指数工作负载中,DeepInfra 端点的缓存命中率为 92.6%,低于几个达到 98–100% 的竞争端点;尽管其单 token 费率较低,每项指数任务的成本仍为 $4.39。保持提示词结构稳定、将稳定内容放在前面,并设置 prompt_cache_key,可确保重复前缀保持缓存状态。图像会被分词,并按输入费率计费。
DeepInfra 为 Kimi K3.1 Pro 提供三个服务层级。Standard(促销价)每 100 万 tokens 收费:输入 $1.90 / 输出 $9.50 / 缓存 $0.19,面向生产应用、智能体和 RAG 工作负载,提供零数据保留,并支持 JSON 模式、结构化输出、工具调用和图像输入。Flex 每 100 万 tokens 收费:输入 $1.52 / 输出 $7.60 / 缓存 $0.152,适用于批处理任务、评估和历史数据回填;系统会为容量排队,最长 10 分钟,若无法找到容量,则返回 HTTP 429 且不收费。Priority 每 100 万 tokens 收费:输入 $2.85 / 输出 $14.25 / 缓存 $0.285,可在需求高峰期间提供优先容量,适合排队成本高于 token 费用的延迟敏感型路径。
Artificial Analysis 对来自 14 家服务商的 16 个端点进行了 Kimi K3.1 Pro 基准测试。大多数 Standard 端点采用 Moonshot 的标价:$2.00 / $10.00 / $0.20。PrimaLabs 的测得价格最低,为 $1.80 / $9.00 / $0.18,但在 Artificial Analysis 测试中的错误率为 15.4%。Moonshot 自家的 Kimi API 按标价收费($2.00 / $10.00 / $0.20),并提供独家的 Highspeed 版本,每 100 万 tokens 收费 $4.00 / $20.00,仅可通过 Moonshot 使用。DigitalOcean 和 Baseten 的价格均为标价($2.00 / $10.00 / $0.20),输出速度分别达到每秒 200.8 和 183.0 tokens,生成首个回答 token 约需 25 秒,是速度最快的标准价格端点之一。包括 Amazon Bedrock High Speed、LithosAI ULTRA 和 Inco FAST 在内的快速层级,输入价格为 $4.00–$6.00,输出价格为 $20.00–$30.00,速度最高可达每秒 258.5 tokens。OpenRouter 可通过 15 多家服务商提供 Kimi K3.1 Pro 路由服务,按各服务商自己的价格收费,并支持故障切换。DeepInfra 的端点通过兼容 OpenAI 的端点 https://api.deepinfra.com/v1/openai/chat/completions运行,模型 ID 为 moonshotai/Kimi-K3.1-Pro,需要请求头 Authorization: Bearer $DEEPINFRA_API_KEY,支持所有标准参数,并实行零数据保留且没有最低消费要求。
以下五种生产场景除非另有说明,均按 DeepInfra Standard 促销费率($1.90 / $9.50 / $0.19)计算,并与 Moonshot 标价($2.00 / $10.00 / $0.20)进行比较。一个拥有 25 人、每天运行智能体会话的编程智能体团队,每月产生 30 亿输入 tokens(其中 27 亿为缓存,缓存命中率为 90%;3 亿未缓存)和 6000 万输出 tokens,在 DeepInfra Standard 上的成本为 $1,653.00:未缓存输入 $570.00 + 缓存输入 $513.00 + 输出 $570.00。同样的工作负载按标价计算为 $1,740.00,每月相差 $87.00;当缓存命中率降至 80% 时,DeepInfra 账单会上升至 $2,166.00,表明缓存管理对成本的影响大于单 token 费率差异。
一个针对文档库的长上下文 RAG 工作负载,每月处理 100,000 次查询,每次包含 60,000-token 提示词(50,000-token 缓存前缀、10,000 个新检索 tokens)和 800-token 响应,每月共生成 60 亿输入 tokens(50 亿缓存、10 亿未缓存)和 8000 万输出 tokens。在 DeepInfra Standard 上成本为 $3,610.00:未缓存输入 $1,900.00 + 缓存输入 $950.00 + 输出 $760.00,约合每次查询 $0.036。相同工作负载按标价计算为 $3,800.00,相差 $190.00。每晚在 DeepInfra Flex 上运行的智能体评估和数据回填任务,包含 20 亿输入 tokens(16 亿缓存、4 亿未缓存)和 1 亿输出 tokens,成本为 $1,611.20:未缓存输入 $608.00 + 缓存输入 $243.20 + 输出 $760.00。同样的任务使用 Standard 成本为 $2,014.00,因此 Flex 每月可节省 $402.80;若使用 Standard 并按标价计费,成本则为 $2,120.00,Flex 比标价 Standard 便宜 $508.80。
一个使用 JSON 和工具调用的后端,每月处理 500,000 个请求,每个请求包含 2,000-token 缓存系统提示词和架构、1,000 个新 tokens 以及 400-token 响应,且所有请求的 reasoning_effort 均设为 low。该后端每月生成 15 亿输入 tokens(10 亿缓存、5 亿未缓存)和 2 亿输出 tokens,在 DeepInfra Standard 上成本为 $3,040.00:未缓存输入 $950.00 + 缓存输入 $190.00 + 输出 $1,900.00。相同工作负载按标价计算为 $3,200.00,相差 $160.00;每个请求额外增加 1,000 个推理 tokens,每月就会多出 5 亿输出 tokens,成本增加 $4,750.00。一个生产级智能体平台将 80% 流量路由至 Standard、20% 路由至 Priority,每月共生成 80 亿输入 tokens(70 亿缓存、10 亿未缓存)和 3 亿输出 tokens,月成本为 $6,688.00:Standard 成本为 $4,864.00(未缓存输入 $1,520.00 + 缓存输入 $1,064.00 + 输出 $2,280.00),Priority 成本为 $1,824.00(未缓存输入 $570.00 + 缓存输入 $399.00 + 输出 $855.00)。全部使用 Standard 的成本为 $6,080.00;所有请求均按标价计费时,成本为 $6,400.00;与仅使用 Standard 的路由方式相比,采用 Priority 会增加 $608.00。
DeepInfra 提供三个层级:Standard 每 100 万 tokens 收费 $1.90 / $9.50 / $0.19,适用于生产应用;Flex 收费 $1.52 / $7.60 / $0.152,适用于批处理和异步工作,排队时间最长为 10 分钟;Priority 收费 $2.85 / $14.25 / $0.285,适用于延迟敏感型路径。Flex 比 Standard 便宜 20%,而 Priority 的价格是 Standard 的 1.5 倍,高于 Moonshot 的标价。Standard 的缓存输入费率为 $0.19,适用于系统提示词和对话历史记录等重复提示词前缀;在 Artificial Analysis 测量的智能体工作负载中,缓存命中率达到 92.6%。
缓存命中率是影响成本的主要因素,其影响甚至超过单 token 费率差异。在使用 DeepInfra Standard 测算的 25 人编程智能体场景中,缓存命中率为 90% 时月账单为 $1,653.00,而命中率降至 80% 时,账单升至 $2,166.00——在流量总量不变的情况下,每月增加 $513。这 $513 的差额高于 DeepInfra 相比标价提供的 5% 费率折扣所能带来的全部月度节省。保持提示词前部内容稳定并设置 prompt_cache_key,可确保重复前缀保持缓存状态。DeepInfra 在 Artificial Analysis 智能体指数工作负载中测得的缓存命中率为 92.6%,低于竞争端点的 98–100%,部分抵消了其单 token 费率优势。
Flex 适用于批处理任务、评估扫描、合成数据生成以及历史数据重新处理等可接受最长 10 分钟排队延迟的工作。Flex 的价格为每 100 万 tokens $1.52 / $7.60 / $0.152,比 Standard 低 20%,是运行 Kimi K3.1 Pro 成本最低的方式。在每晚评估场景中,Flex 将月账单从 Standard 的 $2,014.00 降至 $1,611.20,节省 $402.80。Flex 无法在 10 分钟内安排执行的请求会返回 HTTP 429,且不产生费用。Flex 只需设置一个请求字段("service_tier": "flex"),并使用与 Standard 相同的模型 ID 和端点,因此只需简单切换,即可用于可安排时间的工作负载。
相关快讯