Kimi K3.1 Pro 对比 Claude Opus 5.5：token 半价，按任务未必省

Kimi K3.1 Pro（模型 ID kimi-k3.1-pro）能不能替你省下 Claude Opus 5.5（claude-opus-5-5）一半的钱，要看按什么算。截至 2026 年 10 月 25 日，K3.1 Pro 的 API 输入和输出单价正好是 Opus 5.5 的一半，每百万 token $2/$10 对 $4/$20，缓存命中两边都是 $0.20。可是 K3.1 Pro 不传参数时跑的是最高的 max 档，Opus 5.5 默认只跑 medium，同一个任务前者想得长得多。Artificial Analysis（下称 AA）的独立测试里，K3.1 Pro 智能指数 55、每任务 $2.11；分数只低 1 分的 Opus 5.5 high 档每任务 $1.82，用时不到前者的一半。

所以换模型之前先对齐档位：K3.1 Pro 把 reasoning_effort 显式设成 high 和 max 各试一遍，验收标准明确的简单任务再加一组 low；Opus 5.5 从默认的 medium 和 high 开始。然后在你自己的一批任务上，比较每个合格结果实际花了多少钱、多少时间。第三方 atomicagent 的单题测试里，K3.1 Pro 降到 low 才比 Opus 便宜一半左右，耗时约为 Opus 的 2 倍；用默认的 max，每任务花费和 Opus 差不多。

结论会随两件事改变。一是你拿 Opus 的哪一档比：对上 xhigh 和 max，AA 测得 Opus 每任务贵 1.64～2.83 倍，K3.1 Pro 的价格优势很明显；对上 medium 和 high，优势基本消失。二是缓存占比：两边缓存命中同价，几乎全是缓存读取的长会话，即使 token 数一样，Opus 也只贵约 5%。另外，Anthropic 新版支持地区政策（标注 2026 年 11 月 12 日生效）没有列入中国大陆和香港，官方 API、Claude Code 和云平台上的 Claude 都在这一范围内；Kimi 则有按人民币计价的国内站 platform.kimi.com。

按 token 算：输入输出正好半价，缓存命中同价

按每百万 token 的标价，K3.1 Pro 的输入、输出和 1 小时缓存写入都是 Opus 5.5 的一半，5 分钟缓存写入是 Opus 的 40%（$2 对 $5），缓存命中完全相同。下表 Kimi 一栏来自 Kimi 开放平台的模型定价页，价格截至 2026 年 10 月 24 日；Opus 一栏来自 Claude API 定价文档，截至 2026 年 10 月 25 日。人民币价格是国内站原价，不是换算出来的。

两边都不按上下文长度分段计价，100 万 token 以内是同一个单价。Kimi API 只能按量付费，和 Kimi 会员、Kimi Code 订阅是两套账。Opus 另有几种计价：Batch 接口是 $2/$10，fast 模式是 $8/$40；OpenRouter 上 Bedrock、Azure、Vertex 的区域端点按 1.1 倍计价，即 $4.40/$22。K3.1 Pro Highspeed 的速度约为标准版的 2～3 倍，但输入、输出单价和 Opus 5.5 一样，选了它就不再有"半价"。Opus 账单的完整算法见 Claude Opus 5.5 价格与用量重置：API 账单怎么算，重置卡怎么用。

把单价代入几种典型用量，Opus 比 K3.1 Pro 贵的倍数会从 2 倍一路缩到 1.05 倍。下表是 2026 年 10 月 25 日按上面的公开单价在本机复算的结果，前提是两边用掉的 token 数完全一样；token 数是设定的示例，不是实测流量。

以智能体会话为例，K3.1 Pro 的花费是 60K × $2（写缓存）+ 60K × 39 轮 × $0.20（后 39 轮命中）+ 160K × $2（新输入）+ 120K × $10（输出），即 $0.12 + $0.468 + $0.32 + $1.20 = $2.108；Opus 把写缓存、新输入、输出的单价换成 $5、$4、$20，命中价不变，合计 $3.808。缓存命中在账单里占得越多，两边同价的那部分越大，倍数就越接近 1。这张表假设两边 token 数相同，而 K3.1 Pro 实际通常写得更多，这正是按任务算时结论会变的原因。

按任务算：K3.1 Pro 省不省，取决于你比的是 Opus 哪一档

按每个任务的实际花费，K3.1 Pro 只比 Opus 5.5 的 xhigh 和 max 便宜；对上 medium 和 high，Opus 反而更便宜，也更快。原因是两边写出的 token 数差得多。AA 测得 K3.1 Pro 平均每个任务输出约 55k token（含思考），Opus 5.5 在 medium 档约 26k、high 档约 36k、max 档约 119k。AA 的模型页说 K3.1 Pro "非常啰嗦"：跑完整个智能指数生成了 1.5 亿 token，同类模型的中位数是 8,700 万。

下表前四列来自 AA 的 Kimi K3.1 Pro 与 Claude Opus 5.5 对比页及其各档位版本，截至 2026 年 10 月 25 日，智能指数为 v4.3.2，包含 10 项评测，发布头几天的数字可能修订。AA 列出的 K3.1 Pro 结果没有标档位，Kimi API 的默认是 max。括号里是相对 K3.1 Pro 的倍数。

最后一列同样是 2026 年 10 月 25 日的本机复算，只算一次请求：20K 未缓存输入，加上 AA 测得的输出量。K3.1 Pro 是 20K × $2 + 55K × $10 = $0.04 + $0.55 = $0.59，Opus medium 是 20K × $4 + 26K × $20 = $0.08 + $0.52 = $0.60，几乎一样，因为 Opus 在默认档写出的 token 不到 K3.1 Pro 的一半。

AA 每任务成本和复算这两列，在 high 档给出相反的方向：只算一次请求时 Opus high 贵 36%，AA 的实测里却便宜 14%，差别在输入。按单价倒推，AA 测得的 K3.1 Pro 每任务 $2.11 里，55k 输出只占约 $0.55，其余约 $1.56 花在输入和缓存上；Opus high 的 $1.82 扣掉 36k 输出的 $0.72，输入一侧约 $1.10。K3.1 Pro 每一种输入单价都不高于 Opus，输入一侧却花得更多，说明它在一个任务里来回发送的上下文更多。

atomicagent 的 Kimi K3.1 Pro 实测看到了同样的现象。作者在 10 月 23 日发布当天，用同一个编码智能体做同一道题：一个埋了 5 个 bug、缺 2 个功能的小型 Python 包，配 32 个模型看不到的测试，每种设置跑 3 次，全部通过。Opus 5.5 经 OpenRouter 固定走 Anthropic，每任务 $0.37、平均 69 秒；K3.1 Pro 用默认 max 每任务 $0.35～0.46、4.9 分钟，用 low 是 $0.16～0.21、约 2.2 分钟。max 档下 K3.1 Pro 每次运行平均调用模型 28 次，Opus 只有 7 次，思考 token 约 12,000 对 700；它约 96% 的输入命中了缓存，单次调用很便宜，次数多了照样累积。作者的结论是，token 便宜只有在把推理调低之后才会变成任务便宜。这只是一道规格明确的小题，Opus 的档位作者没有写明，走的是 OpenRouter 的默认设置。

流传的"三分之一成本"出自 Kimi 发布页的 Terminal-Bench 4.0 成本散点图。图注说数据来自 tbench.ai，读图约为 K3.1 Pro max 得分 65.7%、每任务约 $5.2，Opus 5.5 约 65%、每任务约 $14.3，但图上没有标 Opus 用的档位。这一节里两款模型的每任务成本和用时，来自 AA 的独立测试、atomicagent 的第三方单题实测和 Kimi 自己的图表，其中 atomicagent 是唯一两边都跑完的同题对比；本机复算只用了公开单价和 AA 的 token 数。

2026 年 10 月 25 日还经一个第三方 OpenAI 兼容 API 网关跑过一道同题编程任务：一个埋了 5 个 bug、缺 2 个函数的 Python 计费模块，单条提示词，用 36 项隐藏测试评分，请求为非流式，两边都不传档位参数，也就是 K3.1 Pro 用默认 max、Opus 5.5 用默认 medium。Opus 5.5 跑 3 次都通过了全部 36 项测试，每次 20.7～22.5 秒，按标价每次约 $0.05。K3.1 Pro 跑 3 轮、每轮尝试 6 次，18 次尝试全部在约 300 秒时被网关断开，没有返回任何结果，所以这次没有 K3.1 Pro 的得分和成本，也不能拿来说明 Opus 质量更好。300 秒是这个网关对非流式请求的上限，不是 Moonshot 的限制，流式响应、低档位、Moonshot 自己的接口和 Highspeed 都没有测。它能说明的是 K3.1 Pro 在 max 档一次回答可能超过 5 分钟，这和 AA 测得的每任务 618 秒、atomicagent 那道题 max 档的 4.9 分钟方向一致，只是任务不同。经过有超时限制的网关或代理调用 K3.1 Pro 时，改用流式响应，或者把 reasoning_effort 调低。

先对齐档位：K3.1 Pro 先试 high 和 max，Opus 先试 medium 和 high

两边的档位名字有重叠，含义并不相同。K3.1 Pro 只有 low、high、max 三档，默认 max，在请求顶层用 reasoning_effort 设置；Opus 5.5 有 low、medium、high、xhigh、max 五档，默认 medium，用 effort 参数设置。按 AA 的数据，K3.1 Pro 默认档的结果（指数 55、每任务约 55k 输出）落在 Opus high（54、36k）和 xhigh（56、66k）之间，所以拿两边的默认设置直接比，等于拿 Kimi 的最高档比 Opus 的中间档。

K3.1 Pro 降档不是白省的。Kimi 自己那张 Terminal-Bench 4.0 成本图里，high 档每任务约 $4.2、得分约 53%，比 max 只省约 $1，却少了约 13 个百分点。长链路的终端和智能体任务，先用 max 和 high 对照；规格写得清楚、有测试兜底的小任务，atomicagent 那道题说明 low 也能全部通过。K3.1 Pro 的思考模式关不掉，Kimi K3.1 Pro 快速开始文档给的办法正是嫌思考过程太长时把 reasoning_effort 设成 low。

Opus 5.5 不传 effort 时跑 medium，比 Opus 5 的默认低一档。Anthropic 的 Claude effort 参数文档建议在自己的评测上逐档扫一遍，不要沿用旧模型的设置，并把 xhigh 留给 30 分钟以上、token 预算以百万计的长任务。所以对照 K3.1 Pro 时，Opus 一侧至少跑 medium 和 high，长任务再加 xhigh。Opus 5.5 还支持在对话中途用每条消息的 output_config 换档（测试版功能），换档后提示缓存仍然有效。觉得 Opus 5.5 变弱了，先看是不是 effort 默认值的问题，见 Opus 5.5 降智了吗？降智测试未测出下降，先查 effort 和换模型。

0.7 分、67 对 60、64.8%：三套跑分为什么赢家不同

三个数字都叫 Terminal-Bench 4.0，却出自三个不同的测试方，档位和测试框架也不同，所以赢家不同并不矛盾。"只差 0.7 分"出自 Kimi 发布页：K3.1 Pro 65.7%，Opus 5.5 66.4%。Kimi 的图注写着所有模型都把思考强度开到了最高，但这个 66.4 是 Anthropic 在 Opus 5.5 发布表里自报的 xhigh 成绩。

换到其他评测，两款模型各有领先。Kimi 发布页的 14 项测试里 K3.1 Pro 领先 9 项，Opus 领先 5 项：Terminal-Bench 4.0、Terminal-Bench Science（38.1 对 63.3，差距最大）、GDPval-AA、BenchCAD 和 OSWorld。AA 的 10 项评测里，K3.1 Pro 在 Terminal-Bench 4.0、AutomationBench（73% 对 70%）和 GDP.pdf（31% 对 26%）上领先；Opus max 在 HLE（61% 对 52%）、SciCode（67% 对 61%）、CritPt（32% 对 25%）、AA-Omniscience（46 对 30）和 AA-Briefcase（1801 对 1678）上领先，综合指数 58 对 55。

三套数字各有用处，也各有短板。Kimi 发布页只能代表厂商自己的口径；tbench.ai 公开榜可以复核，但截至 2026 年 10 月 25 日还没有 K3.1 Pro 这一行，Kimi 成本图引用的 tbench.ai 数据也就无法对照；AA 是唯一把两款模型放进同一框架、并且把 Opus 五档分别测过的，可它的数字在发布初期可能修订。Anthropic 自己在 Opus 5.5 发布文章里也说，跑分差距已经越来越不能代表实际差别。Reddit 上还有帖子称，在作者自己的测试集上 K3.1 Pro（high）得 87.9 分、Opus 5.5 得 86.7 分，另一篇说 Kimi 在一次任务里便宜 3.5 倍，这些都是单个样本。0.7 分甚至 7 分的差距，都不如你自己任务上的通过率可靠。

把 Opus 换成 K3.1 Pro：这些参数和行为不一样

直接改模型名切过去，最容易出问题的是思考强度、采样参数、输出上限和缓存写入价。两边的思考都关不掉：Opus 5.5 传 thinking: {"type": "disabled"} 在任何档位都返回 400，K3.1 Pro 也始终开启思考，只能调 reasoning_effort。下表截至 2026 年 10 月 25 日，来源是 Kimi K3.1 Pro 快速开始文档、Claude 模型总览和 Claude effort 参数文档。

有几处只在 Kimi 一侧需要改。temperature=1.0、top_p=0.95、n=1、presence_penalty=0 和 frequency_penalty=0 是固定值，Kimi 文档建议不要显式传入，从 Opus 迁过来的代码里写了别的 temperature 就先删掉，atomicagent 也提到 temperature 只接受 1。多轮对话和工具调用要把完整的 assistant 消息原样传回；图片不能用公网 URL，要用 base64 或 ms:// 文件 ID；结构化输出用 json_schema 加 strict: true，只解析最终的 content。Kimi 自带的联网搜索工具正在更新，文档写明近期不建议用于生产。Opus 一侧要注意的是输出上限：max_tokens 是思考加正文的总上限，高档位要设大。

供应商一栏来自 2026 年 10 月 25 日对 OpenRouter 公开 API 的读取（/api/v1/models 和各模型的 endpoints 接口，不需要 key）。moonshotai/kimi-k3.1-pro 只有 2 个端点，都由 Moonshot AI 提供，标准版 $2/$10、高速版 $4/$20，支持的参数里有 reasoning_effort、工具调用和结构化输出，没有 temperature 和 top_p。anthropic/claude-opus-5.5 有 11 个端点，来自 Anthropic（含 Claude Platform on AWS）以及 Amazon Bedrock、Google Vertex、Azure 三家云，其中 5 个区域端点按 $4.40/$22 计价。权重发布之前，K3.1 Pro 只有 Moonshot 一家在提供，Moonshot 的接口出问题时没有备用线路。

哪些活先给 K3.1 Pro，哪些留在 Opus 5.5

按现有数据，值得先拿 K3.1 Pro 试的是终端里的编程智能体、自动化流程、部分文档类任务，以及能接受慢一些的离线批量工作；需要科学推理、事实准确、操作电脑界面，或者对单任务耗时敏感的活，先留在 Opus 5.5。依据是上面的分项成绩：K3.1 Pro 在 AA 的 Terminal-Bench 4.0、AutomationBench、GDP.pdf，以及 Kimi 发布页的 OfficeQA Pro 和 Kimi 内部的长链路编程测试上领先，Opus 在 Terminal-Bench Science、SciCode、HLE、CritPt、AA-Omniscience 和 OSWorld 上领先。分到 K3.1 Pro 的任务，再按上一节的方法定档位。

速度是常被忽略的一项成本。AA 测得 K3.1 Pro 每任务用时是 Opus high 的 2 倍多；atomicagent 那道题里，K3.1 Pro 即使用 low 也要约 2.2 分钟，Opus 是 69 秒。交互式写代码、人坐在旁边等结果的场景，这段等待要算进成本。Kimi 的 Highspeed 版本号称快 2～3 倍，但单价和 Opus 相同，atomicagent 的测试也没有包括它。

预算紧的话，还有两个同价选项可以一起放进试跑。Opus 5.5 的 Batch 接口是 $2/$10，和 K3.1 Pro 标价相同，适合不急着要结果的任务。Claude Sonnet 5.5 的输入、输出单价也是 $2/$10，缓存命中 $0.10，只有 K3.1 Pro 的一半，默认 high 档；它和 Opus 怎么分工，见 Sonnet 5.5 和 Opus 5.5 怎么选：半价未必更省。OpenAI 这边，GPT-6.1 Sol 的标价也是 $2/$10，它和 K3.1 Pro 的每任务成本对比见Kimi K3.1 Pro 和 GPT-6.1 Sol 对比：同标价，单任务成本差 2.9 倍。如果预算是第一约束，K3.1 Pro 本身也不是最便宜的选择，它和 DeepSeek 的价差见 DeepSeek V4.1 和 Kimi K3.1 哪个好：Flash 对 Pro，贵 7.5～27 倍。

在自己的任务上公平试跑 K3.1 Pro 和 Opus 5.5

公平的比较是：同一批任务、同一个智能体框架、显式写明的档位，最后按真实账单算每个合格结果的成本。按下面的顺序做：

1. 从最近的真实工作里挑一批有明确验收标准的任务，比如能跑测试的修 bug、能对照答案的数据提取，难易都要有。
2. 每个模型显式设置档位，不依赖默认值：K3.1 Pro 跑 high 和 max，简单任务加 low；Opus 5.5 跑 medium 和 high，长任务加 xhigh。
3. 清理请求参数：Kimi 一侧删掉 temperature、top_p 等固定参数，max 档用流式响应，免得被网关或代理的非流式超时截断；Opus 一侧在高档位把 max_tokens 设大；两边用同样的工具和提示词。
4. 每个设置重复跑几次，atomicagent 的做法是每种设置 3 次；记录是否通过、用时和模型调用次数。
5. 用响应里的 usage 把未缓存输入、缓存命中、缓存写入和输出分开，各乘对应单价，再和账户余额的实际变化对一遍。atomicagent 就发现，Kimi 余额实际少了 $2.02，按 token 算只该是 $1.52，多出约三分之一。
6. 用"总花费 ÷ 通过的任务数"得到每个合格结果的成本，和用时放在一起看，再决定哪类任务换过去。

这套结果有几个复查时间点。Kimi 承诺 11 月 4 日前发布 K3.1 Pro 权重，之后第三方供应商会增加，可选的价格和速度也可能变化；tbench.ai 公开榜收录 K3.1 Pro 之后，可以用公开数据核对 Kimi 那张成本图；AA 的初期数字也可能修订。

在国内用：Kimi 有人民币国内站，Claude 不在支持地区

Anthropic 的支持地区政策（页面标注 2026 年 11 月 12 日生效）规定，Claude 应用、Claude Code、API 与开发者平台，以及通过云平台和授权经销商提供的 Claude 模型，只在名单所列国家和地区可用，名单里没有中国大陆和香港。未支持的情形还包括人在未支持地区使用、实体注册地或总部在那里，以及被那里的个人或实体控股的实体。所以 Opus 一侧的比较结论，只适用于身处支持地区、所在单位也符合这份政策的团队。

Kimi 一侧，中国大陆读者用国内站 platform.kimi.com，接口地址是 https://api.moonshot.cn/v1，K3.1 Pro 每百万 token 输入 ¥13、缓存命中 ¥1.30、输出 ¥68。国内站充值至少 10 元才能解锁 K3.1 Pro，新用户注册认证送的 15 元代金券不能用在它上面。国际站 platform.kimi.ai 按美元计价，最低充值 $1，累计充值 $5 送 $5 代金券。累计充值金额决定账户等级和速率限制，Kimi 文档还写明，账户一旦触发风控限流就无法解除。

Kimi K3.1 Pro 和 Opus 5.5 的其他问题

Kimi K3.1 Pro 开源了吗？

截至 2026 年 10 月 25 日还没有。Kimi 说完整权重会在 11 月 4 日前发布，在那之前只能通过 Moonshot 自己的 API 调用，OpenRouter 上的端点也是 Moonshot 提供的，AA 目前把它标为未开放权重。K3.1 Pro 是在 K3 基础上加大后训练算力得到的 3 万亿参数级模型；AA 和 atomicagent 沿用 K3 的规模，写作总参数 2.8 万亿、激活 1,040 亿。

能在 Claude Code 里用 Kimi K3.1 Pro 吗？

Kimi 文档有 Claude Code 接入页，用的是 Anthropic 兼容端点 https://api.moonshot.ai/anthropic，但截至 2026 年 10 月 25 日，页面的配置示例把各档模型映射到 kimi-k3[1m] 和 kimi-k2.7-code，只有验证用的 curl 请求写了 kimi-k3.1-pro，K3.1 Pro 在 Claude Code 里的配置还没有现成示例，这套接法也没有经过实测；另外，Claude Code 本身是 Anthropic 支持地区政策覆盖的产品。

Claude Max 订阅和 Kimi 会员比，哪个更划算？

订阅额度和 API 单价是两回事，目前只有个例可看：一位 X 用户报告，同一个 3D 场景任务用掉了 $100 Claude 套餐 5 小时额度的 62%，在 Kimi Vivace 会员里只占 0.53%；Kimi API 按量付费，和 Kimi 会员不是一个账户额度。