# Kimi K3.1 Pro 和 Gemini 4 Argon 对比：同价只到 11 月 30 日

> 两者单价同为 $2/$10，Argon 12 月 1 日起涨到 $4/$20。编程、长文档先测 K3.1 Pro，自动化、知识问答先测 Argon；国内直连只有 Kimi。

- URL: https://blog.laozhang.ai/zh/posts/kimi-k3-1-pro-vs-gemini-4-argon
- 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, Gemini 4 Argon, 月之暗面, Gemini API, 模型对比, API 价格

---
Kimi K3.1 Pro（`kimi-k3.1-pro`，北京时间 2026 年 10 月 24 日上架，UTC 为 10 月 23 日）和 Gemini 4 Argon（`gemini-4-argon`，10 月 13 日正式开放）先测哪个，取决于你的任务。按 Artificial Analysis 截至 2026 年 10 月 25 日的分项结果，在终端里跑命令的代理编程、长上下文推理和报告类知识工作，K3.1 Pro 领先；多步自动化流程、靠模型自身知识回答的问题和高难度学科题，Argon 领先；只做图片目标框选，Ultralytics 的测试里 Argon 更准也更便宜。两者综合指数 55 对 53，这 2 分不足以替你做决定。

价格上，两者的 API 标价现在都是每百万 token 输入 $2、输出 $10，但这只到 2026 年 11 月 30 日。Google 已经公布，Argon 从 12 月 1 日起涨到 $4/$20，正好等于 K3.1 Pro 高速版（Highspeed）的价格。按假设用量复算，缓存多的编码代理会话和长文档问答，11 月底前 Argon 便宜 11%～21%，12 月起反过来变成 K3.1 Pro 的约 1.6～1.8 倍。测试结果要用到 12 月以后，就按新价算账。默认设置也会扭曲第一印象：2026 年 10 月 25 日用同一批 7 道中小任务对测，能打分的题里只有 Argon 默认档 1 题因缩进错误没跑通，其余都对，但 K3.1 Pro 不改默认的 max 档时花费和耗时都高出一截，调到 high 后评分不变、花费降 60%。

在中国大陆，Gemini API 不在 Google 公布的可用地区里，香港也不在；K3.1 Pro 可以在 Kimi 开放平台国内站充值后直接调用，最低充值 10 元，注册送的 15 元代金券不能用于这个模型。所以国内团队的首测对象往往先由能不能调用决定，再由任务决定。

## 先测哪个：看任务类型，再看价格期和所在地区

写代码的代理任务先测 K3.1 Pro。Artificial Analysis 的 Terminal-Bench 4.0（在真实终端环境里完成受限任务）上，K3.1 Pro 67%、Argon 57%，差 10 个百分点，是百分制分项里差距最大的之一。要在几十万 token 的材料里找答案、交叉核对的任务也先测 K3.1 Pro，长上下文推理 AA-LCR 是 86% 对 80%；产出分析报告、表格一类的知识工作，K3.1 Pro 在 AA-Briefcase、GDPval-AA 和 GDP.pdf 三项都领先。

反过来，跨多个工具、多步执行的业务流程自动化先测 Argon，AutomationBench-AA 是 78% 对 73%。答案主要靠模型自己记住的知识、答错代价又高的问答，也先测 Argon：AA-Omniscience 答对加分、答错扣分、拒答不扣分，Argon 42、K3.1 Pro 30。高难度学科题 Humanity's Last Exam 是 Argon 57% 对 52%；科学计算代码 SciCode 是 62% 对 61%，可以看作打平。

任务类型之外，有三个条件会改变首测顺序。第一是价格期：打算 12 月以后才上线、而且缓存命中多的工作负载，Argon 现在的价格优势到时会变成劣势，测 Argon 时要按 12 月价格估算预算。第二是地区：人在中国大陆、要直连官方接口，眼下能直接测的是 K3.1 Pro。第三是等待方式：Artificial Analysis 测到 Argon 的首 token 要等约 57 秒，用户盯着屏幕等回复的产品要把这点算进去，下一节有详细数字。

## 评测谁领先：Artificial Analysis 10 项里各赢 5 项

Artificial Analysis 截至 2026 年 10 月 25 日的对比页显示，智能指数 v4.3.2 上 K3.1 Pro 55 分、Argon 53 分，构成指数的 10 个分项两边各赢 5 项。要注意设置：Argon 是在 High 思考级别下测的，而 Gemini API 的默认级别是 medium；K3.1 Pro 一栏没有标级别，它在 Artificial Analysis 的单模型页对应 API 默认的 max。这些分数都不是“默认设置下”的结果，K3.1 Pro 发布才两天，数字也可能修订。本站 2026 年 10 月 25 日的同题对测只覆盖 7 道中小任务（见下文），难题上的质量差别仍以本节和下一节的第三方与厂商结果为准。

| 评测 | 测的是什么 | K3.1 Pro | Argon（High） | 领先 |
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 | 终端里的代理编程 | 67% | 57% | K3.1 Pro |
| AA-LCR v1.1 | 长上下文推理 | 86% | 80% | K3.1 Pro |
| AA-Briefcase v1.1 | 代理式知识工作（分析与呈现，Elo） | 1678 | 1486 | K3.1 Pro |
| GDPval-AA v2.1 | 各行业真实工作任务（Elo） | 1846 | 1624 | K3.1 Pro |
| GDP.pdf | PDF 文档类工作任务 | 31% | 22% | K3.1 Pro |
| AutomationBench-AA | 多步自动化流程 | 73% | 78% | Argon |
| AA-Omniscience | 知识可靠性，答错扣分 | 30 | 42 | Argon |
| Humanity's Last Exam | 高难度学科问答 | 52% | 57% | Argon |
| CritPt | 前沿物理研究题 | 25% | 27% | Argon |
| SciCode | 科学计算代码 | 61% | 62% | Argon |

数据来自 [Artificial Analysis 的 Kimi K3.1 Pro 与 Gemini 4 Argon 对比页](https://artificialanalysis.ai/models/comparisons/gemini-4-argon-vs-kimi-k3-1-pro)。CritPt 差 2 个百分点、SciCode 差 1 个百分点，在这个量级上换一批题就可能翻过来，真正拉开距离的是 Terminal-Bench、GDP.pdf、AA-Omniscience 和两项 Elo。

![Artificial Analysis 10 项评测按任务类型分组：K3.1 Pro 在终端编程、长上下文和报告类工作领先，Argon 在自动化、知识可靠性和学科题领先，CritPt 与 SciCode 差距很小](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-gemini-4-argon/img/eval-split.webp)

速度要分开看。Artificial Analysis 测得的输出速度是 K3.1 Pro 每秒 73 token、Argon 79 token，差不多；但首 token 时间是 2.97 秒对 57.01 秒，因为 K3.1 Pro 很早就开始流式输出思考内容，Argon 要等思考结束才出第一个字。只看最终答案，首个答案 token 是 30.19 秒对 57.01 秒，单次完整回复 37.00 秒对 63.33 秒，平均每个任务 618 秒对 723 秒，都是 K3.1 Pro 更快。不过换成 Ultralytics 的图片框选任务，结果正好相反（见下一节），所以延迟最终要在你自己的请求上量。

月之暗面在 [Kimi K3.1 Pro 中文文档](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart)里自报 Terminal-Bench 4.0 得分 65.7%，高于 GPT-6 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%，和 Artificial Analysis 测得的 67% 方向一致，但测试框架没有写明。同一页还说，在一组刻意挑难题的事实准确性压力测试里，单项事实陈述错误率从 K3 的 23.35% 降到 6.85%。这是和上一代 K3 比，不是和 Argon 比；独立测的 AA-Omniscience 上，Argon 仍然领先 12 分。

## Ultralytics 说 K3.1 Pro 超过 Argon？只在 6 个数据集上

“K3.1 Pro 超过 Gemini 4 Argon（0.68 对 0.60）”这句话出自 Ultralytics 2026 年 10 月 24 日的[《Kimi K3.1 Pro 自动标注效果对比》](https://www.ultralytics.com/zh/blog/kimi-k3-1-pro-auto-annotation)，但它只是体育类数据集的结果。同一篇文章的总体成绩是 Argon 领先：在 UL37 v2 自动标注基准上，Argon 的 mAP50 是 0.537，K3.1 Pro 是 0.444，在 29 个视觉模型里排第 7。K3.1 Pro 赢下的是 36 个数据集里的 6 个，包括网球、足球、小麦穗和甲状腺超声。

这项测试只考一件事：在图片上画出目标框。它从 36 个真实检测数据集里各取 10 张、共 360 张图，按数据集等权平均 mAP50，框再经 SAM 3.1 收紧。K3.1 Pro 用的是 high 推理级别，因为在 max 下，上一代 K3 约 40% 的图片超过了 115 秒的时限。成本和速度差距比精度更大：每 1,000 张图 Argon 约 $7.60、K3.1 Pro 约 $22.50，单张图中位延迟 Argon 4.6 秒、K3.1 Pro 约 22 秒。Argon 12 月 1 日起单价翻倍后，假设 token 用量不变，每 1,000 张约 $15.20，仍低于 K3.1 Pro；K3.1 Pro 的成本从现在 Argon 的约 2.96 倍降到约 1.48 倍。

所以做标注、质检这类视觉框选流程，先测 Argon；你的数据恰好和体育、农业或超声图像相近时，再把 K3.1 Pro 加进对比。这个结论不能外推到看图问答、截图理解等其他视觉任务。

## 真的同价吗：12 月 1 日起 Argon 单价翻倍

只在每百万 token 的单价上同价，而且只到 2026 年 11 月 30 日。[Gemini API 价格页](https://ai.google.dev/gemini-api/docs/pricing)（2026 年 10 月 22 日更新）写明，Argon 的 Standard 价格从 12 月 1 日起输入、输出和缓存全部翻倍；K3.1 Pro 的价格来自 [Kimi 开放平台定价页](https://platform.kimi.ai/docs/pricing/chat)，没有公布调价日期。下表是两家直连 API 的标价，单位是美元 / 每百万 token，Kimi 注明价格不含税。

| 计费项 | K3.1 Pro | K3.1 Pro Highspeed | Argon，至 11 月 30 日 | Argon，12 月 1 日起 |
| --- | --- | --- | --- | --- |
| 输入（未命中缓存） | $2.00 | $4.00 | $2.00 | $4.00 |
| 输出 | $10.00 | $20.00 | $10.00 | $20.00 |
| 缓存命中 | $0.20 | $0.20 | $0.10 | $0.20 |
| 缓存写入 | 5 分钟 $2.00，1 小时 $4.00 | 5 分钟 $4.00，1 小时 $8.00 | 不单独收费，首次按普通输入计 | 同左 |

两边都不按上下文长度分档，100 万 token 以内一个价。Google 写明 Argon 的输出价包含思考 token；Kimi 没有单独说明，OpenRouter 和 Artificial Analysis 都按输出计，下文的成本也这样算。K3.1 Pro Highspeed 是同一模型的高速版，月之暗面称输出速度约为标准版的 2～3 倍，价格正好翻倍。

Argon 另有三个服务档：Batch 和 Flex 是 Standard 的一半，12 月 1 日前为 $1/$5，之后 $2/$10；Priority 现在是 $3.60/$18，之后 $7.20/$36。Argon 在 Gemini API 里没有免费层，K3.1 Pro 也要先充值才能调用（见下文国内调用一节）。

## 三种用量算下来：缓存多的任务 12 月起 Argon 贵约 57%～78%

下表是 2026 年 10 月 25 日按上面两家的标价在本机复算的结果。token 数是假设的典型用量，不是实测流量；输出都含思考 token。K3.1 Pro 的固定前缀按 5 分钟缓存写入一次，之后按缓存命中价读取；Argon 的前缀第一轮按普通输入计，之后按缓存价读取。最后一列是 Argon 隐式缓存一次都没命中的最坏情况。

| 假设用量 | K3.1 Pro | K3.1 Pro Highspeed | Argon，至 11 月 30 日 | Argon，12 月 1 日起 | Argon 缓存全未命中（11 月 / 12 月） |
| --- | --- | --- | --- | --- | --- |
| A 编码代理会话：6 万 token 固定前缀，40 轮，每轮新输入 4,000、输出 3,000 | $2.108 | $3.748 | $1.874 | $3.748 | $6.32 / $12.64 |
| B 40 万 token 文档，5 分钟内连问 10 次，每次新输入 300、输出 1,500 | $1.676 | $2.632 | $1.316 | $2.632 | $8.156 / $16.312 |
| C 单次冷请求：输入 8,000、输出 2,000，没有缓存 | $0.036 | $0.072 | $0.036 | $0.072 | 同左 |

以 A 为例，K3.1 Pro 是 `0.06 × 2 + 39 × 0.06 × 0.20 + 40 × 0.004 × 2 + 40 × 0.003 × 10 = 2.108` 美元，四项依次是前缀写入、39 轮缓存读取、新输入和输出；Argon 在 11 月底前是 `0.06 × 2 + 39 × 0.06 × 0.10 + 0.32 + 1.20 = 1.874` 美元。输出占了大头，所以 12 月 Argon 输出价翻倍后，A 从 K3.1 Pro 的 0.89 倍变成 1.78 倍，B 从 0.79 倍变成 1.57 倍，C 从相同变成 2 倍。12 月 1 日起，Argon Standard 在三种场景下都和 K3.1 Pro Highspeed 一分不差，因为两者的输入、输出和缓存命中单价相同，Highspeed 的 5 分钟缓存写入价也正好等于 Argon 首轮的输入价。

![三种假设用量下 Argon 费用相对 K3.1 Pro 的倍数：11 月底前为 0.89 倍、0.79 倍和 1 倍，12 月 1 日起变为 1.78 倍、1.57 倍和 2 倍](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-gemini-4-argon/img/cost-flip.webp)

最坏情况来自缓存方式的差别。Argon 只有隐式缓存：提示不少于 4,096 token 时默认开启，命中部分按 5% 计价，但命中不保证，也不能用 `cachedContents` 显式建缓存。A 场景如果一次都没命中，Argon 11 月底前要 $6.32，约为 K3.1 Pro 的 3 倍，12 月起约 6 倍。K3.1 Pro 的缓存也有条件：重复前缀自动缓存，默认只保留 5 分钟，请求间隔更长就要重新写入，改用 1 小时缓存则写入价是 $4。

第三方按真实任务算出的成本也指向同一结论。Artificial Analysis 跑每道智能指数题，K3.1 Pro 平均 $2.11、Argon $1.99，这是 Argon 首发价下的数；跑这些题时 Argon 每题输出约 6.2 万 token，K3.1 Pro 约 5.5 万。假设 token 用量不变，12 月 1 日起 Argon 约 $3.98，是 K3.1 Pro 的 1.89 倍。实际思考长度随模型和推理级别变化，K3.1 Pro 默认用最高的 max，不调就开始测，费用和耗时都会偏高，下一节的实测就是这种情况。

## 同一批 7 道题实测：质量接近，默认档下 Kimi 花费在 11 月底前是 Argon 的 3 倍

2026 年 10 月 25 日，本站通过 laozhang.ai 的 API 用同一批 7 道中小任务测了两个模型，每个模型各跑 API 默认档和 high 档，共 28 次调用，每种设置每道题只跑 1 次。能打分的题里只有 Argon 默认档 1 题的代码因缩进错误没跑通，其余都对，差别主要在花费和耗时：都用默认档时，K3.1 Pro（默认 max）的花费约为 Argon（默认 medium）的 3 倍，耗时约为 7 倍；把 K3.1 Pro 调到 high，花费降 60%、耗时降 68%，打分结果不变。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

7 道题是：写一行邮件标题、一道买笔的应用题、写 `merge_intervals` 并附 6 个测试、按五条规则写 `split_csv_line`（另用 12 个隐藏测试打分）、总结一篇 6,723 词的英文文章、就同一篇文章回答 5 个问题（第 5 个在文中找不到答案），以及用 4 轮对话做出一张出行计划表。K3.1 Pro 走 OpenAI 兼容接口，默认档不传 `reasoning_effort`，high 档设成 `high`；Argon 走 Gemini 原生接口，默认档不传思考配置，high 档把 `thinkingLevel` 设成 `high`；最大输出都是 32,768 token。28 次调用第一次就全部返回 HTTP 200，没有被截断，按标价合计 $0.63。

| 7 道题合计 | 成本，至 11 月 30 日 | 成本，12 月 1 日起 | 总耗时 |
| --- | --- | --- | --- |
| K3.1 Pro 默认（max） | $0.2598 | $0.2598 | 616.8 秒 |
| K3.1 Pro high | $0.1040 | $0.1040 | 198.2 秒 |
| Argon 默认（medium） | $0.0847 | $0.1695 | 84.9 秒 |
| Argon high | $0.1769 | $0.3537 | 175.0 秒 |

打分的题上两边差别很小。买笔应用题四份答案都是正确的 41.50 美元；`merge_intervals` 四份都通过了自带的 6 个测试和另外 6 个隐藏测试；文章问答四份都是 5 题全对，第 5 题都回答文中没有说明，没有编造。`split_csv_line` 上，K3.1 Pro 两档和 Argon high 都通过 12 个隐藏测试；Argon 默认档返回的代码有一行缩进了 13 个空格，报 IndentationError 跑不起来，删掉多出的那个空格后同样 12 个全过。这是单个样本里的一次格式失误，不能说明 Argon 默认档会系统性地写错代码。邮件标题、文章总结和出行表格三题没有打分。

花费和耗时的差距来自思考长度。K3.1 Pro 在 max 下每道题都长时间思考，7 题计费输出合计 21,712 token，光文章总结一题就写了约 2.3 万字符的思考内容、用时 160.5 秒；Argon 默认档在 7 题里有 6 题返回的思考 token 是 0，只有应用题思考了 587 个，合计输出 3,861 token。Google 文档写的默认级别是 medium，这里的 0 是经这条接口返回的计数。所以“默认对默认”其实是一个几乎不思考的 Argon 对一个思考最多的 Kimi。两边都设成 high 后，Argon 每题都会思考，7 题的花费反而是 K3.1 Pro 的 1.7 倍，12 月 1 日起是 3.4 倍，总耗时 175 秒对 198 秒，相差不大。

两边的分词方式也不同：同一段短提示，K3.1 Pro 计出的输入 token 约是 Argon 的 2 倍（106 对 53），而那篇 6,723 词的英文文章在 K3.1 Pro 上反而少约 9%（10,084 对 11,102）。单价相同时，短提示多的流量在 K3.1 Pro 上会多算一些输入。

这次对测的边界要记清楚。每种设置每道题只有一个样本，思考长度每次运行都会变；题目都是中小任务，不是高难基准，难题上的质量差别仍以 Artificial Analysis 和 Ultralytics 的结果为准；耗时是经过网关的非流式整次请求时间，不等于月之暗面或 Google 自家接口的速度，流式首 token 时间也没有测。

## 换模型要改什么：推理强度默认值、采样参数、输出上限

两者都有 100 万 token 上下文、都能看图，但默认设置差得多，直接拿默认值比较，第一印象的速度和花费都会失真：K3.1 Pro 默认用最高推理强度 max，Argon 默认用中间的 medium。下表的规格来自 Kimi K3.1 Pro 文档和 [Gemini 4 Argon 模型页](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon)。

| 项目 | Kimi K3.1 Pro | Gemini 4 Argon |
| --- | --- | --- |
| 模型 ID | `kimi-k3.1-pro`，高速版 `kimi-k3.1-pro-highspeed` | `gemini-4-argon` |
| 调用方式 | OpenAI SDK，国内站 `https://api.moonshot.cn/v1`，国际站 `https://api.moonshot.ai/v1` | Gemini API（AI Studio）和 Vertex AI |
| 思考 / 推理强度 | 始终开启，不能关闭；`reasoning_effort` 为 `low`、`high`、`max`，默认 `max` | `thinking_level` 为 `low`、`medium`、`high`，默认 `medium`，没有 `minimal` |
| 采样参数 | `temperature=1.0`、`top_p=0.95` 等为固定值，建议不传 | `temperature`、`top_p`、`top_k` 已弃用，传了也被忽略 |
| 输出上限 | `max_completion_tokens` 默认 131,072，最高 1,048,576 | 同步请求最多 65,536；更长要用后台执行（`background=True`），最高 1,048,576 |
| 上下文 | 1,048,576 token | 1,048,576 token，输入、思考和输出共用 |
| 缓存 | 重复前缀自动缓存，默认 5 分钟，可选 1 小时，写入单独计费 | 只有隐式缓存，不支持 `cachedContents` |
| 输入类型 | 文本、图片、视频；图片不收公网 URL，要用 base64 或 `ms://<file-id>` | 文本、图片、视频、音频、PDF |

做第一轮对比时，可以让两边都从 high 起步：K3.1 Pro 把 `reasoning_effort` 设成 `high`，Argon 把 `thinking_level` 设成 `high`，再各自上下调一档看质量变化。上一节的 7 题对测里，K3.1 Pro 从 max 降到 high 没有丢分，而 Argon 不设级别时多数题几乎不思考，所以只拿默认值比，结论会偏向 Argon 便宜、Kimi 慢。两边的级别名字相同不代表算力相同，所以最终比的是每个合格结果花了多少钱、等了多久。Argon 这边，Google 的迁移说明建议把 `max_output_tokens` 调到至少 32,768、客户端超时调到至少 15 分钟，否则难题可能在思考阶段就被截断或超时。

K3.1 Pro 这边还有两处容易漏。多轮对话和工具调用时，必须把完整的 assistant 消息原样传回，不能只回传最终文本；官方联网搜索工具正在更新，文档写明近期不建议用于生产。从别的 OpenAI 兼容模型切过来时，先把请求里的 `temperature` 等采样参数删掉。

## 在国内能直接用吗：Gemini API 不对中国大陆开放

截至 2026 年 10 月 25 日，[Gemini API 可用地区列表](https://ai.google.dev/gemini-api/docs/available-regions)里有日本、韩国、美国等，但没有中国大陆和香港，所以在这两地不能直接使用 Google 的 Gemini API，Argon 也没有官方人民币价。K3.1 Pro 则有面向国内的 Kimi 开放平台（platform.kimi.com），接口地址是 `https://api.moonshot.cn/v1`，按人民币计费。

[Kimi 开放平台的人民币定价页](https://platform.kimi.com/docs/pricing/chat)上，`kimi-k3.1-pro` 每百万 token 输入 ¥13.00、输出 ¥68.00、缓存命中 ¥1.30，缓存写入 5 分钟 ¥13.00、1 小时 ¥26.00；高速版是输入 ¥26.00、输出 ¥136.00。K3.1 Pro 是旗舰模型，要在开放平台完成一次充值才解锁，国内站最低充值 10 元；新用户注册认证送的 15 元代金券不能用于 K3.1 Pro。累计充值金额同时决定账户等级和速率限制（并发、RPM、TPM、TPD），开放平台是按量计费，和 Kimi 会员、Kimi Code 是不同的产品。

第三方平台方面，[laozhang.ai](https://laozhang.ai/) 截至 2026 年 10 月 25 日的模型列表里有 `gemini-4-argon`，平台报价输入 $2、输出 $10 每百万 token，不需要 Google 结算账户；2026 年 10 月 25 日起也上架了 `kimi-k3.1-pro`（输入 $2、输出 $10、缓存命中 $0.2）和 `kimi-k3.1-pro-highspeed`（$4 / $20），走 OpenAI 兼容接口。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## 能自部署 K3.1 Pro 吗：权重 11 月 4 日前发布

现在还不能。月之暗面在 K3.1 Pro 文档里说完整模型权重“将于 11 月 4 日前发布”，截至 2026 年 10 月 25 日，Artificial Analysis 对两者都标着权重未开放。Argon 不开放权重，推理服务只由 Google 提供。

在此之前，两个模型都只由开发它的公司自己提供推理服务。本站在 2026 年 10 月 25 日读取 OpenRouter 的公开模型目录（`/api/v1/models` 和各模型的 endpoints 接口，不需要 key）时，`moonshotai/kimi-k3.1-pro` 有 2 个端点，都由月之暗面提供：标准版 $2/$10、缓存读取 $0.20，高速版 $4/$20，上下文 1,048,576 token。`google/gemini-4-argon` 有 6 个端点，全部来自 Google：AI Studio、Vertex 全球区各 $2/$10，AI Studio Flex $1/$5，Vertex 美国区 $2.20/$11 且最大输出 65,536，AI Studio 和 Vertex 的 Priority 各 $3.60/$18，另有 $1/$5 的批处理版本。这些是 OpenRouter 目录当天显示的价格，目录随时会变。

同一次读取里，K3.1 Pro 端点支持的参数列表没有 `temperature`、`top_p` 和 `seed`，和 Kimi 文档“采样参数固定”一致；Argon 端点仍列着 `temperature` 和 `top_p`，但按 Google 的文档它们会被忽略。K3.1 Pro 的权重发布后可能出现其他托管商，那时价格和速率限制要按各家重新比；Argon 不会有这种变化。

## K3.1 Pro 对 DeepSeek、Argon 对 Opus 或 3.8 Flash

如果你在比的其实是 K3.1 Pro 和便宜得多的国产模型，看 [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)。想知道 Argon 和闭源旗舰怎么选，看 [Gemini 4 Argon、Opus 5.5、GPT-6.1 Sol 对比：已开放，12 月起涨价](https://blog.laozhang.ai/zh/posts/gemini-4-argon-vs-claude-opus-5-5-vs-gpt-6-1-sol)；打算留在 Google 但用更便宜的型号，看 [Gemini 4 Argon 和 3.8 Flash 区别：实测成本差多少，哪些任务该换](https://blog.laozhang.ai/zh/posts/gemini-4-argon-vs-gemini-3-8-flash)。新一代几家模型目前哪些能用、哪些还没出，见 [Fable 5.5、Gemini 4、GPT-6.1 对比：Argon 已开放，Fable 5.5 未出](https://blog.laozhang.ai/zh/posts/gemini-4-vs-gpt-6-vs-fable-5-2)。

## Kimi K3.1 Pro 和 Gemini 4 Argon 的其他问题

### 不写代码，在 App 里能用到这两个模型吗？

Argon 可以：截至 2026 年 10 月 23 日，Gemini 应用里 Google AI Pro 和 Ultra 订阅可以选 Argon（Plus 和免费版不行），Antigravity 也向付费的 AI Pro、Ultra 和企业版开放。K3.1 Pro 在 Kimi App 里是否可选、对应哪个会员档，截至 2026 年 10 月 25 日 Kimi 的会员价格页没有列出模型，公开资料里没有说明；上文的价格和限制都只针对 Kimi 开放平台的 API。

### Kimi K3 和 K3.1 Pro 是同一个模型吗？

不是。K3 是上一代模型，月之暗面称 K3.1 Pro 是新 K3.1 系列的第一个模型，在 Kimi K3 的基础上继续后训练，两者上下文都是 100 万 token。K3 的 API 标价是每百万 token $3/$15，比 K3.1 Pro 贵，所以拿 Kimi K3 和 Gemini 4 Argon 比出来的评测分数和价格结论，不能直接用在 K3.1 Pro 上。

### 要不要等 Gemini 4 Carbon？

没有可等的依据。Business Insider 在 2026 年 10 月 9 日报道 Google 员工在内部测试代号 Carbon 的 Gemini 4 版本，但 Google 没有发布公告、模型 ID 或日期，截至 2026 年 10 月 22 日更新的 Gemini API 价格页上，Gemini 4 系列只有 Argon。

## 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。

- [Artificial Analysis 的 Kimi K3.1 Pro 与 Gemini 4 Argon 对比页](https://artificialanalysis.ai/models/comparisons/gemini-4-argon-vs-kimi-k3-1-pro) (artificialanalysis.ai)
- [Kimi K3.1 Pro 中文文档](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart) (platform.kimi.com)
- [《Kimi K3.1 Pro 自动标注效果对比》](https://www.ultralytics.com/zh/blog/kimi-k3-1-pro-auto-annotation) (ultralytics.com)
- [Gemini API 价格页](https://ai.google.dev/gemini-api/docs/pricing) (ai.google.dev)
- [Kimi 开放平台定价页](https://platform.kimi.ai/docs/pricing/chat) (platform.kimi.ai)
- [Gemini 4 Argon 模型页](https://ai.google.dev/gemini-api/docs/models/gemini-4-argon) (ai.google.dev)
- [Gemini API 可用地区列表](https://ai.google.dev/gemini-api/docs/available-regions) (ai.google.dev)
- [Kimi 开放平台的人民币定价页](https://platform.kimi.com/docs/pricing/chat) (platform.kimi.com)