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

> K3.1 Pro 的 token 单价是 Opus 5.5 的一半，但默认 max 档、写得更长；AA 测得分数低 1 分的 Opus high 每任务反而便宜 14%。

- URL: https://blog.laozhang.ai/zh/posts/kimi-k3-1-pro-vs-claude-opus-5-5
- Published: 2026-10-25
- Updated: 2026-10-25
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: 模型对比
- Tags: Kimi K3.1 Pro, Claude Opus 5.5, 模型对比, API 价格, 推理强度, 编程智能体

---
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](https://platform.kimi.com/docs/pricing/chat)，价格截至 2026 年 10 月 24 日；Opus 一栏来自 [Claude API 定价文档](https://platform.claude.com/docs/en/about-claude/pricing)，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。

| 每百万 token | K3.1 Pro（国际站） | K3.1 Pro（国内站） | K3.1 Pro Highspeed（国际站） | Opus 5.5 |
| --- | --- | --- | --- | --- |
| 输入（未命中缓存） | $2.00 | ¥13.00 | $4.00 | $4.00 |
| 缓存命中 | $0.20 | ¥1.30 | $0.20 | $0.20 |
| 缓存写入，5 分钟 | $2.00 | ¥13.00 | $4.00 | $5.00 |
| 缓存写入，1 小时 | $4.00 | ¥26.00 | $8.00 | $8.00 |
| 输出 | $10.00 | ¥68.00 | $20.00 | $20.00 |

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](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-pricing-limit-reset)。

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。

| 用量示例 | K3.1 Pro | Opus 5.5 | Opus 是 K3.1 Pro 的 |
| --- | --- | --- | --- |
| 一次冷请求：输入 8K、输出 2K | $0.036 | $0.072 | 2.00 倍 |
| 智能体会话：60K 前缀写入缓存一次，共 40 轮，每轮新输入 4K、输出 3K | $2.108 | $3.808 | 1.81 倍 |
| 400K 文档写入缓存，5 分钟内问 10 个问题，每问新输入 300、输出 1,500 | $1.676 | $3.032 | 1.81 倍 |
| 读取 100 万缓存命中 token、输出 1K | $0.210 | $0.220 | 1.05 倍 |

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。

![AA 实测 Opus 5.5 五个档位与 K3.1 Pro 的智能指数、每任务成本和用时对照，Opus high 档每任务 1.82 美元、272 秒](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-claude-opus-5-5/img/per-task-cost-by-effort.webp)

下表前四列来自 [AA 的 Kimi K3.1 Pro 与 Claude Opus 5.5 对比页](https://artificialanalysis.ai/models/comparisons/kimi-k3-1-pro-vs-claude-opus-5-5)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。

| 设置 | AA 智能指数 | AA 每任务成本 | AA 每任务用时 | 每任务输出 token | 复算：20K 输入 + 该输出量 |
| --- | --- | --- | --- | --- | --- |
| K3.1 Pro（AA 所测） | 55 | $2.11 | 618 秒 | 55k | $0.59 |
| Opus 5.5 `low` | 42 | $0.55（0.26 倍） | 80 秒 | 10k | $0.28（0.47 倍） |
| Opus 5.5 `medium`（API 默认） | 51 | $1.34（0.64 倍） | 195 秒 | 26k | $0.60（1.02 倍） |
| Opus 5.5 `high` | 54 | $1.82（0.86 倍） | 272 秒 | 36k | $0.80（1.36 倍） |
| Opus 5.5 `xhigh` | 56 | $3.46（1.64 倍） | 493 秒 | 66k | $1.40（2.37 倍） |
| Opus 5.5 `max` | 58 | $5.98（2.83 倍） | 796 秒 | 119k | $2.46（4.17 倍） |

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](https://atomicagent.io/blog/kimi-k3-1-pro)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](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart)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](https://platform.claude.com/docs/en/build-with-claude/effort)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](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-nerfed)。

## 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。

| 来源 | 谁跑的 | K3.1 Pro | Opus 5.5 | 口径 |
| --- | --- | --- | --- | --- |
| Kimi 发布页 | Moonshot，Opus 一栏引用他方成绩 | 65.7% | 66.4% | Opus 数字是 Anthropic 自报的 `xhigh` |
| [tbench.ai 的 Terminal-Bench 4.0 公开榜](https://www.tbench.ai/leaderboard/terminal-bench/4.0) | Terminal-Bench 公开排行榜 | 未收录 | 64.8% ± 3.1% | Opus `max`，Claude Code 框架 |
| AA | Artificial Analysis 自己跑 | 67% | 60%，`high` 档 57% | AA 自己的框架，K3.1 Pro 未标档位 |

![Terminal-Bench 4.0 三个来源的分数与口径：Kimi 发布页 65.7% 对 66.4%，tbench.ai 未收录 K3.1 Pro，AA 测得 67% 对 60%](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-claude-opus-5-5/img/terminal-bench-4-sources.webp)

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](https://platform.claude.com/docs/en/models/overview)和 Claude effort 参数文档。

| 项目 | Kimi K3.1 Pro | Claude Opus 5.5 |
| --- | --- | --- |
| 模型 ID | `kimi-k3.1-pro`，高速版 `kimi-k3.1-pro-highspeed` | `claude-opus-5-5`，Bedrock 上是 `anthropic.claude-opus-5-5` |
| 接口地址 | 国际站 `https://api.moonshot.ai/v1`，国内站 `https://api.moonshot.cn/v1`；另有 Anthropic 兼容端点 `https://api.moonshot.ai/anthropic` | Claude API，以及 Bedrock、Google Cloud、Microsoft Foundry、Claude Platform on AWS |
| 思考模式 | 始终开启，不能关闭 | 自适应思考始终开启，关闭会返回 400 |
| 思考强度 | `low` / `high` / `max`，默认 `max` | `low` / `medium` / `high` / `xhigh` / `max`，默认 `medium` |
| 单次最大输出 | `max_completion_tokens` 默认 131,072，最大 1,048,576 | 128K；Message Batches 加 beta 头 `output-300k-2026-03-24` 可到 300K |
| 缓存 | 自动缓存，默认保留 5 分钟，`prompt_cache_options.ttl` 可设 1 小时 | 5 分钟和 1 小时两档写入，价格高于 Kimi |
| 可选供应商（OpenRouter） | 2 个端点，都由 Moonshot AI 提供 | 11 个端点，来自 Anthropic 和三家云 |
| 开放权重 | 承诺 11 月 4 日前发布，目前不能下载 | 不开放 |

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](https://blog.laozhang.ai/zh/posts/claude-sonnet-5-5-vs-opus-5-5)。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](https://blog.laozhang.ai/zh/posts/kimi-k3-1-pro-vs-gpt-6-1-sol)。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](https://blog.laozhang.ai/zh/posts/deepseek-v4-1-vs-kimi-k3-1)。

## 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](https://www.anthropic.com/legal/supported-regions)（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。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-10-25。

- [Kimi 开放平台的模型定价页](https://platform.kimi.com/docs/pricing/chat) (platform.kimi.com)
- [Claude API 定价文档](https://platform.claude.com/docs/en/about-claude/pricing) (platform.claude.com)
- [AA 的 Kimi K3.1 Pro 与 Claude Opus 5.5 对比页](https://artificialanalysis.ai/models/comparisons/kimi-k3-1-pro-vs-claude-opus-5-5) (artificialanalysis.ai)
- [atomicagent 的 Kimi K3.1 Pro 实测](https://atomicagent.io/blog/kimi-k3-1-pro) (atomicagent.io)
- [Kimi K3.1 Pro 快速开始文档](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart) (platform.kimi.com)
- [Claude effort 参数文档](https://platform.claude.com/docs/en/build-with-claude/effort) (platform.claude.com)
- [tbench.ai 的 Terminal-Bench 4.0 公开榜](https://www.tbench.ai/leaderboard/terminal-bench/4.0) (tbench.ai)
- [Claude 模型总览](https://platform.claude.com/docs/en/models/overview) (platform.claude.com)
- [支持地区政策](https://www.anthropic.com/legal/supported-regions) (anthropic.com)