# Kimi K3.1 Pro 和 GPT-6.1 Sol 对比：同标价，单任务成本差 2.9 倍

> 标价同为每百万 token $2/$10，AA 测试中 K3.1 Pro 每任务 $2.11、Sol 最高档 $0.72；超长提示用 K3.1 Pro，缓存循环、批处理用 Sol。

- URL: https://blog.laozhang.ai/zh/posts/kimi-k3-1-pro-vs-gpt-6-1-sol
- 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, GPT-6.1 Sol, 模型对比, API 价格, 推理强度, Codex

---
截至 2026 年 10 月 25 日，Kimi K3.1 Pro（`kimi-k3.1-pro`，10 月 23 日发布）和 GPT-6.1 Sol（`gpt-6.1-sol`）的 API 标价完全一样：每百万 token 输入 $2、输出 $10。差别在每个任务花掉多少 token。Artificial Analysis（下称 AA）用同一套方法测了两者：K3.1 Pro 在默认的 `max` 推理强度下智能指数 55，每道题成本 $2.11；Sol 推理强度开到 `max` 是 52 分、$0.72，开到 `high` 是 50 分、$0.32。K3.1 Pro 的分数确实高过 Sol 的每一档，代价是每任务贵 2.9 倍（对 Sol `max`）到 6.6 倍（对 Sol `high`）。

所以，已经在用 `gpt-6.1-sol` 跑 API 或 Codex 的话，不必整体迁移：把 Sol 留作默认，只把两类任务分给 `kimi-k3.1-pro`。一类是 Sol 提高推理强度后仍然做不好的 Agent 长任务，AA 的 Terminal-Bench 4.0 里 K3.1 Pro 是 67%，Sol `max` 是 56%；另一类是单次输入超过 272K token 的长提示，Sol 在这里整单涨价而 K3.1 Pro 不涨，同样 500K 的提示便宜约一半。带缓存的多轮循环、能走批量接口的离线任务、需要高并发的服务，继续用 Sol 更省。在国内直接调用时，OpenAI API 的支持地区里没有中国大陆和香港；K3.1 Pro 可以在 Kimi 国内平台充值 10 元后按人民币计费使用。

实际跑过的有四项，都在 2026 年 10 月 25 日：读取 OpenRouter 公开 API 里两个模型的托管端点，用本机脚本按两家标价复算几种负载的成本，读取 laozhang.ai 的模型列表，以及通过同一个 laozhang.ai key、两个模型都走 Chat Completions 做了一次 8 道小题的同题测试。这次小测里凡是跑完的答案全部通过，所以它只量出了成本和延迟，分不出谁更聪明；质量判断仍以 AA 的数据为准，条件随每处数字给出。

*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。*

## 同样 $2/$10，K3.1 Pro 每任务 $2.11、Sol 最高档 $0.72

每 token 同价不等于每个任务同价，因为两者完成同一道题输出的 token 数差很多，而输出里包含推理 token。按 AA 截至 2026 年 10 月 25 日的 [Kimi K3.1 Pro 与 GPT-6.1 Sol 对比页](https://artificialanalysis.ai/models/comparisons/kimi-k3-1-pro-vs-gpt-6-1-sol)，K3.1 Pro 平均每道题输出约 55,000 个 token（其中约 35,000 个是推理），Sol `max` 约 38,000 个，Sol `high` 只有约 13,000 个。AA 的每任务成本按两家标价把输入、缓存命中、缓存写入、推理和回答 token 都算了进去。

| 配置 | AA 智能指数 | 每任务成本 | 每任务输出 token | 每任务耗时 |
| --- | ---: | ---: | ---: | ---: |
| K3.1 Pro，默认 `max` | 55 | $2.11 | 约 55,000 | 618 秒 |
| Sol `max` | 52 | $0.72 | 约 38,000 | 680 秒 |
| Sol `xhigh` | 51 | $0.39 | 约 18,000 | 342 秒 |
| Sol `high` | 50 | $0.32 | 约 13,000 | 257 秒 |
| Sol `medium`（默认） | 48 | $0.21 | 约 8,000 | 168 秒 |
| Sol `low` | 42 | $0.13 | 约 4,000 | 83 秒 |

表里有两个容易看错的地方。第一，AA 只测了 K3.1 Pro 的默认档 `max`，它的 `low` 和 `high` 花多少钱、得多少分都没有公布，所以“同一推理强度下谁更便宜”在 AA 里没有可比数据，下一节的同题小测补了 K3.1 Pro `high` 的一组小样本；Sol 没有任何一档到 55 分。第二，“默认对默认”并不是同强度：K3.1 Pro 默认 `max`，Sol 默认 `medium`，代码里不写推理强度时，K3.1 Pro 每任务的花费约是 Sol 的 10 倍（$2.11 对 $0.21），分数高 7 分。

K3.1 Pro 的 3 分领先值不值，可以换算成通过率来判断。每个合格结果的成本等于每任务成本除以通过率，所以在你的任务上，K3.1 Pro 的通过率至少要达到 Sol `max` 的 2.93 倍、Sol `high` 的 6.6 倍，每个合格结果才不比 Sol 贵。比如 Sol `max` 只能做对 30% 的任务，K3.1 Pro 要做对约 88% 才打平；Sol `max` 能做对约 34% 以上（对 `high` 约 15% 以上）的任务时，K3.1 Pro 即使全部做对，每个合格结果也比 Sol 贵。只有在一次失败的返工代价远高于 API 费用时，这条线才可以放宽。

速度上，AA 测得 K3.1 Pro 2.97 秒开始输出推理，约 30 秒才出现第一个回答 token；Sol `max` 的首个 token 要 162 秒，因为它的推理过程不作为回答流式输出。K3.1 Pro 和 Sol `max` 跑完一道题都要 10 分钟左右，对延迟敏感的对话场景，Sol 的 `low`、`medium` 每任务 83 秒和 168 秒更合适；K3.1 Pro 降到 `low` 后的耗时 AA 没有测。下一节的同题小测里，同样 5 道题 K3.1 Pro 两档的总耗时是 Sol 对应配置的 3～6 倍，默认档遇到难题时首个回答 token 要等 400 秒以上。Kimi 另有一个模型 ID `kimi-k3.1-pro-highspeed`，官方称速度是 K3.1 Pro 的 2～3 倍，价格翻倍，它是单独的模型，不是请求里的开关。

## 同题小测：8 道题全部通过，第一轮 K3.1 Pro 默认档成本是 Sol 默认的 2.94 倍

2026 年 10 月 25 日，通过同一个 laozhang.ai key、两个模型都走 Chat Completions，按四种配置跑了 8 道事先写好验收标准的题：1 道应用题、5 道用隐藏 pytest 测试验收的编程题、1 篇 6,723 词长文按格式要求总结、1 道数位和计数题。第一轮 5 道题每种配置各跑 1 次，第二轮 3 道较难的题各跑 2 次。凡是跑完的答案全部通过检查，四种配置在这 8 道题上看不出质量差别，所以下面的数字只说明同样做对时各花多少钱、多少时间。成本按各自标价和接口返回的 token 用量计算。

*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。*

| 第一轮 5 道题 | 通过 | 输出 token | 按标价成本 | 相对 Sol 默认 | 总耗时 |
| --- | ---: | ---: | ---: | ---: | ---: |
| Sol 默认（`medium`） | 5/5 | 1,759 | $0.0387 | 1.00 倍 | 39 秒 |
| Sol `high` | 5/5 | 3,209 | $0.0532 | 1.37 倍 | 51 秒 |
| K3.1 Pro `high` | 5/5 | 5,312 | $0.0748 | 1.93 倍 | 160 秒 |
| K3.1 Pro 默认（`max`） | 5/5 | 9,194 | $0.1136 | 2.94 倍 | 251 秒 |

排序和 AA 一致：Sol 默认最便宜，K3.1 Pro 默认最贵。K3.1 Pro 的 `high` 是 AA 没有公布的一档，在这 5 道题上它的输出 token 比 `max` 少约四成，成本从 2.94 倍降到 1.93 倍，答案同样全部通过，所以简单任务没必要让 K3.1 Pro 用默认的 `max`。这里的 2.94 倍比 AA 里 K3.1 Pro 对 Sol 默认的约 10 倍小得多，倍数会随任务长短和难度变化，不能直接套到你的账单上。

第二轮 3 道较难的题暴露了一个实际问题。K3.1 Pro 默认 `max` 做表达式解析那道题时，两次非流式请求都在约 300 秒被服务端断开，没有返回任何内容；改成 `stream: true` 后，两次都完成并通过，分别用了 421 秒和 465 秒，首个回答 token 到第 410 秒和 450 秒才出现，输出 15,342 和 16,624 个 token，每次约 $0.15～$0.17。同一道题 Sol 默认约 14 秒、约 1,000 个输出 token、约 $0.01 就做对了。这一轮其余配置的成本是 Sol 默认 $0.0368、Sol `high` $0.0604、K3.1 Pro `high` $0.1121，后者约为 Sol 默认的 3 倍。所以用 K3.1 Pro 默认档时，请求要开流式并把客户端超时设到 10 分钟以上，或者干脆改用 `high`。

这次小测的范围很窄：8 道容易到中等难度的题，每题 1～2 次，一个网关，一天之内；Sol `max` 和 K3.1 Pro `low` 没有测。约 300 秒的断开只在这个网关的非流式请求上出现过，直连 Moonshot 时是否一样没有测；被断开的两次请求是否计费也不清楚。它能说明的是成本和延迟的量级，谁在难任务上更强，仍然要看前面 AA 的每任务数据、下一节的 AA 子项对比和你自己的任务。

## “超越 GPT-6”说的是谁：AA 子项里 K3.1 Pro 赢 Agent，Sol 赢知识可靠性

“多项测试超越 GPT-6”出自 Kimi 发布时的成绩表，那张表对比的是 GPT-6 Astra 和 Claude Opus 5.5，没有 GPT-6.1 Sol。比如厂商公布的 Terminal-Bench 4.0 成绩是 K3.1 Pro 65.7%、GPT-6 Astra 58.2%，测法和 AA 不同，不能拿来和 AA 给 Sol 的分数直接比。能把 K3.1 Pro 和 Sol 放在同一套方法下比较的，截至 2026 年 10 月 25 日只有 AA：总分 55 对 52，K3.1 Pro 在 AA 的 215 个模型配置里排第 4，Sol `max` 排第 13。

| AA 子项 | K3.1 Pro | Sol `max` | 领先方 |
| --- | ---: | ---: | --- |
| GDPval-AA v2.1 | 1846 | 1596 | K3.1 Pro |
| AA-Briefcase v1.1 | 1678 | 1555 | K3.1 Pro |
| AutomationBench-AA | 73% | 65% | K3.1 Pro |
| Terminal-Bench 4.0 | 67% | 56% | K3.1 Pro |
| SciCode | 61% | 54% | K3.1 Pro |
| AA-LCR v1.1（长文阅读推理） | 86% | 83% | K3.1 Pro |
| Humanity's Last Exam | 52% | 53% | 基本持平 |
| GDP.pdf | 31% | 31% | 持平 |
| CritPt（物理研究级推理） | 25% | 32% | Sol |
| AA-Omniscience（知识可靠性） | 30 | 42 | Sol |

K3.1 Pro 的优势集中在 Agent 类任务：AA-Briefcase 是 AA 自己做的 Agent 知识工作测试，Terminal-Bench 考的是在终端里完成任务，加上同属 Agent 类的 GDPval-AA 和 AutomationBench，K3.1 Pro 在这四项上全部领先，Terminal-Bench 差了 11 个百分点。Sol 领先的两项方向不同：AA-Omniscience 是 AA 的知识可靠性指数，同时看答对率和不编造的比例，Sol 高 12 分；CritPt 是研究级物理推理，Sol 高 7 个百分点。如果你的任务以查事实、写需要引用的报告为主，K3.1 Pro 的总分领先不一定兑现。

另外，社区帖里流传的“K3.1 Pro 55 分超过 GPT-6 Sol 52 分”写错了型号：AA 的 52 分属于 GPT-6.1 Sol 的 `max` 档，GPT-6 Sol 是它之前的上一个型号。如果你要比的是 K3.1 Pro 和 Opus 5.5，同样按每任务成本算的对比见[Kimi K3.1 Pro 对比 Claude Opus 5.5：token 半价，按任务未必省](https://blog.laozhang.ai/zh/posts/kimi-k3-1-pro-vs-claude-opus-5-5)。

## 哪些负载 K3.1 Pro 反而便宜：超过 272K 的提示约省一半

同一批 token 下，两者只在三个地方算出不同的账：缓存命中价、缓存写入价，以及 Sol 超过 272K 输入后的整单涨价。2026 年 10 月 25 日用本机脚本按两家国际标价复算了几种典型负载，token 数相同、只看计价规则，结果如下（美元，Sol/K3.1 小于 1 表示 Sol 更便宜）：

| 负载情形 | K3.1 Pro | GPT-6.1 Sol | Sol/K3.1 |
| --- | ---: | ---: | ---: |
| 短请求：输入 20K，输出 2K | $0.060 | $0.060 | 1.00 |
| Agent 中间轮：新输入 10K + 缓存命中 140K，输出 3K | $0.078 | $0.064 | 0.82 |
| Agent 首轮：写入 140K 前缀缓存，新输入 10K，输出 3K | $0.330 | $0.400 | 1.21 |
| 长提示：输入 500K 不走缓存，输出 5K | $1.050 | $2.075 | 1.98 |
| 长提示带缓存：新输入 50K + 命中 450K，输出 5K | $0.240 | $0.365 | 1.52 |
| 50 轮会话，两边每轮都输出 3K | $4.15 | $3.54 | 0.85 |
| 50 轮会话，Sol 按 `max` 的输出比例每轮约 2.1K | $4.15 | $3.07 | 0.74 |
| 50 轮会话，Sol 按 `high` 的输出比例每轮约 0.7K | $4.15 | $2.39 | 0.58 |
| 离线批处理 10,000 份，每份输入 20K、输出 2K | $600 | $300（Batch/Flex） | 0.50 |

这张表的假设都摆在明面上：价格是 Kimi 国际平台和 OpenAI 直连 Standard 档的标价；两边的输出 token 都包含推理 token；50 轮会话指首轮写入 140K 前缀，之后 49 轮每轮命中这 140K 并新增 10K 输入。“按 `max` 的输出比例”是把 K3.1 Pro 每轮 3K 输出乘以 AA 的 38/55，“按 `high`”乘以 13/55，只是示意，你的任务输出比例要自己量。表里任何一行都能按这些规则自己重算，例如长提示一行：K3.1 Pro 是 500K × $2 + 5K × $10，每百万计，等于 $1.05；Sol 因为超过 272K，整单按输入 $4、输出 $15 计，等于 $2.075。

读这张表可以得到三条规则。第一，Agent 循环大部分输入都命中缓存时，Sol 便宜，因为它的缓存命中价是每百万 $0.10，K3.1 Pro 是 $0.20；即使两边输出一样多，50 轮下来 Sol 也便宜约 15%；按 AA 的输出比例，Sol 每轮输出更少，差距会拉大到 26%～42%。第二，单次输入超过 272K 时 K3.1 Pro 便宜，因为 Sol 的规则是“输入超过 272K 的请求，整单输入和缓存按 2 倍、输出按 1.5 倍计”，而 K3.1 Pro 到 1,048,576 token 都是一个价；需要把整个代码仓库或几百页文档一次塞进去的任务，这一条比指数差更重要。Sol 各档价格和 272K 规则的完整说明见[GPT-6.1 Sol 怎么用：价格变化、迁移改动与可用入口](https://blog.laozhang.ai/zh/posts/gpt-6-1-sol)。第三，能等几个小时出结果的离线任务应该留在 Sol：OpenAI 的 Batch 和 Flex 都打五折，而 [Kimi Batch API 的计价说明](https://platform.kimi.ai/docs/pricing/batch)写明它只支持 `kimi-k2.7-code` 和 `kimi-k2.6`，不支持 K3.1 Pro，K2 系列还将从 10 月 31 日起停止对新用户开放。

![按负载分流：500K 长提示和带缓存的长提示 K3.1 Pro 更省，50 轮缓存循环和离线批处理 GPT-6.1 Sol 更省](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-gpt-6-1-sol/img/workload-routing.webp)

缓存的写入规则也不一样，会影响首轮和长间隔的成本。按 [Kimi 上下文缓存文档](https://platform.kimi.ai/docs/guide/context-caching)，重复前缀自动缓存，默认保留 5 分钟，写入价等于普通输入价 $2；请求里加 `prompt_cache_options: {"mode": "implicit", "ttl": "1h"}` 可以保留 1 小时，写入价 $4，缓存时长在首次写入时就锁定。按 [OpenAI 提示缓存指南](https://developers.openai.com/api/docs/guides/prompt-caching)，Sol 默认保留 30 分钟，写入价是输入价的 1.25 倍即 $2.50，设成 12 小时写入价 $5.00，最少 1,024 token 才缓存。所以 Agent 两次调用之间常隔 5 到 30 分钟（例如等人工确认）的话，K3.1 Pro 的默认缓存会过期重写，要么开 1 小时档，要么接受这部分差价。

## 从 gpt-6.1-sol 换到 kimi-k3.1-pro，代码要改哪些地方

两者都能用 OpenAI 风格的 SDK 调用，但只改模型名不够：推理强度的参数位置和取值不同，K3.1 Pro 的多轮请求必须原样回传完整的 assistant 消息，入门账号的限速也差了三个数量级。下表把迁移时要逐项核对的地方列在一起，Kimi 一列来自 [Kimi K3.1 Pro 快速入门](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart)和推理强度、缓存、限速文档，Sol 一列来自 [OpenAI 的 GPT-6.1 Sol 模型页](https://developers.openai.com/api/docs/models/gpt-6.1-sol)与价格页。

![从 GPT-6.1 Sol 换到 Kimi K3.1 Pro 要改的三处：推理强度取值与默认值、整条 assistant 消息回传、入门限速每分钟 3 次对 5,000 次](https://blog.laozhang.ai/posts/zh/kimi-k3-1-pro-vs-gpt-6-1-sol/img/migration-changes.webp)

| 维度 | Kimi K3.1 Pro | GPT-6.1 Sol |
| --- | --- | --- |
| 模型 ID | `kimi-k3.1-pro`；高速版是另一个 ID `kimi-k3.1-pro-highspeed` | `gpt-6.1-sol` |
| 推理强度 | 请求顶层 `reasoning_effort`：`low`、`high`、`max`，默认 `max`；思考模式始终开启，关不掉 | `reasoning.effort`：`low`、`medium`、`high`、`xhigh`、`max`，默认 `medium`；不支持 `none`、`minimal` |
| 接口 | Chat Completions（支持工具调用）、Responses API、兼容 Anthropic Messages 的接口 | 工具调用要走 Responses API；Chat Completions 可用，但不支持工具调用 |
| 采样参数 | `temperature=1.0`、`top_p=0.95` 等是固定值，官方建议不要传；OpenRouter 的端点不提供 `temperature`、`top_p`、`seed` | 2026 年 10 月 5 日的一次测试中，Chat Completions 传 `temperature: 0.2` 被拒绝，提示只支持默认值 1 |
| 上下文与最大输出 | 上下文 1,048,576 token；`max_completion_tokens` 默认 131,072，最大可设 1,048,576 | 上下文 1,050,000 token，最大输出 128,000 |
| 长提示计价 | 整个上下文范围一个价 | 输入超过 272K，整单输入和缓存按 2 倍、输出按 1.5 倍计 |
| 缓存 | 自动；默认 5 分钟，可选 1 小时；命中 $0.20 | 默认 30 分钟，可选 12 小时；命中 $0.10 |
| 批量与低价档 | Batch API 不支持 K3.1 Pro | Batch、Flex 五折 |
| 入门限速 | 国际平台累计充值 $1：并发 1、每分钟 3 次请求、每天 150 万 token | Build 档：每分钟 5,000 次请求、100 万 TPM；免费档不能调用 |
| 托管方 | OpenRouter 上 2 个端点，都由 Moonshot AI 提供 | OpenRouter 上 8 个端点：OpenAI 四档、Azure 三个、Amazon Bedrock 一个 |
| 模型权重 | 官方称 11 月 4 日前发布完整权重 | 不开放 |

推理强度的映射要特别注意。Sol 的默认 `medium` 在 K3.1 Pro 上没有对应值，代码里写死了 `medium` 或 `xhigh` 的，迁移时要改成 `low`、`high` 或 `max` 之一；反过来，K3.1 Pro 不写推理强度就是 `max`，这是它每任务成本高的主要原因，想压低成本就显式传 `high` 或 `low`，再用自己的任务确认质量还够不够。多轮回传是另一个常见坑：很多 Sol 的代码只把上一轮的文本 `content` 拼回对话，在 K3.1 Pro 上要连同 `reasoning_content` 和 `tool_calls` 整条放回。

限速对 Agent 循环的影响最直接。按 [Kimi 国际平台的充值与限速说明](https://platform.kimi.ai/docs/pricing/limits)，只充了 $1 的账号是 Tier0，并发 1、每分钟 3 次请求、每天 150 万 token；用 AA 每道题约 55,000 个输出 token 粗算，一天只够跑约 27 个同等规模的任务，这还没算输入 token。累计充值到 $10 进入 Tier1，并发 15、每分钟 100 次请求、每日 token 不限；累计充值满 $5 送的 $5 代金券不计入累计金额。

托管方的差别来自 2026 年 10 月 25 日调用 OpenRouter 公开 API（`/api/v1/models/{id}/endpoints`，不需要 key）的结果：K3.1 Pro 只有 Moonshot AI 自己的标准和 highspeed 两个端点，OpenRouter 标注的单次最大输出是 943,718 token；Sol 有 OpenAI 的标准、flex、fast、ultrafast 四档，加上 Azure、Azure EU、Azure US 和 Amazon Bedrock us-east-1，后三者标价 $2.20/$11。也就是说，现在用 K3.1 Pro 只能依赖 Moonshot 一家的容量，权重发布之后托管方可能会增加。

## Codex 里接 Kimi K3.1 Pro：config.toml 怎么写

Codex 可以直接换成 K3.1 Pro。[Kimi 的 Codex 接入指南](https://platform.kimi.ai/docs/guide/codex-kimi)说明，Kimi 开放平台原生支持 Codex 使用的 Responses API，不需要协议转换或本地代理。先把 key 放进环境变量 `KIMI_API_KEY`（不要写进配置文件），再在 `~/.codex/config.toml`（Windows 是 `%USERPROFILE%\.codex\config.toml`）里加入下面的配置，已有的 `model` 和 `model_provider` 直接替换：

```toml
model = "kimi-k3.1-pro"
model_provider = "kimi"
model_context_window = 1048576

[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.ai/v1"
env_key = "KIMI_API_KEY"
wire_api = "responses"
```

这段配置照搬自 Kimi 文档，Codex 接 Kimi 的组合没有实际运行过。改完要完全退出再重启 Codex，桌面版的模型选择器可能显示为“Custom”，CLI 启动时提示 `Model metadata for kimi-k3.1-pro not found` 都属正常；`model_context_window` 不能省，否则 Codex 会按默认元数据处理上下文。在 platform.kimi.ai 创建的 key 只能配 `https://api.moonshot.ai/v1`，混用会报 401。国内平台另有一份[Kimi 国内平台的 Codex 接入指南](https://platform.kimi.com/docs/guide/codex-kimi)，配置相同，只是 `base_url` 换成 `https://api.moonshot.cn/v1`，`wire_api` 仍是 `"responses"`；在 platform.kimi.com 创建的 key 只能配这个地址。配好后先发一句 `hello` 确认能正常回复，再跑真正的任务。最容易遇到的是 429：Tier0 账号并发只有 1，Codex 一次任务会连续调用很多次，最好先充到 Tier1。

如果你现在是用 ChatGPT 的 Plus、Pro 等订阅在 Codex 里用 Sol，改成 Kimi 之后就从订阅额度变成按 token 付费，上面的每任务成本要全部自己承担，先算清楚再换，可以参考[Codex API Key 和 ChatGPT 订阅怎么选？额度与 credits 按美元算](https://blog.laozhang.ai/zh/posts/codex-api-key-vs-subscription)。Base URL、鉴权报错等通用的自定义 provider 问题，见[Codex 自定义 API 配置：Key、Base URL 与 Provider 怎么选](https://blog.laozhang.ai/zh/posts/codex-config-toml)。

## 国内怎么用：K3.1 Pro 充值 10 元解锁，代金券不能用

在国内用 K3.1 Pro，走 Kimi 国内平台 platform.kimi.com，按人民币计价。截至 2026 年 10 月 24 日的 [Kimi 国内平台模型推理价格说明](https://platform.kimi.com/docs/pricing/chat)，K3.1 Pro 每百万 token 输入 ¥13、输出 ¥68，缓存命中 ¥1.30，缓存写入 5 分钟档 ¥13、1 小时档 ¥26；Highspeed 版输入 ¥26、输出 ¥136。国内快速入门写明，完成充值（最低 10 元）后才解锁调用，新用户注册认证送的 15 元代金券不能用于 K3.1 Pro。国内平台的限速等级同样由累计充值决定，但具体数值和国际平台不一定相同，以 [Kimi 国内平台充值与限速页](https://platform.kimi.com/docs/pricing/limits)为准。人民币价和上文的美元价是两张独立的价目表，不要按汇率互相换算后比较。

GPT-6.1 Sol 这边，截至 2026 年 10 月 25 日，[OpenAI API 支持的国家和地区列表](https://developers.openai.com/api/docs/supported-countries)里没有中国大陆和香港。Sol 也可以通过 ChatGPT 的 Plus、Pro、Business、Enterprise、Edu 套餐在 ChatGPT 工作模式和 Codex 里使用。另外，laozhang.ai 的 `/v1/models` 列表有 `gpt-6.1-sol`，2026 年 10 月 25 日又上架了 `kimi-k3.1-pro` 和 `kimi-k3.1-pro-highspeed`，价格与 Kimi 国际平台标价一致（每百万 token：`kimi-k3.1-pro` 输入 $2、输出 $10，缓存写入 5 分钟 $2、1 小时 $4；高速版输入 $4、输出 $20，缓存写入 $4、$8；缓存读取两者都是 $0.20），通过 Chat Completions 调用，一个 key 就能同时调用两个模型。

*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。*

## 换之前用自己的任务测一轮：按合格结果算成本

AA 的分数只能告诉你平均水平，上面的同题小测又因为题目太简单而分不出高下，值不值得换要看你自己的任务。Kimi 国际平台充值 $1 就能开始测，不过 Tier0 每分钟只有 3 次请求，测试要串行跑，几十个任务按 K3.1 Pro 每题十分钟左右估算，要留出大半天。K3.1 Pro 用默认 `max` 时记得开流式、把超时设到 10 分钟以上，否则难题可能在出答案之前就被断开；在本站经 laozhang.ai 的测试里，它返回的用量没有单独的推理 token 字段，`completion_tokens` 已经包含推理，同样短的提示每次还比 Sol 多计约 80 个输入 token；直连 Moonshot 时是否一样没有测，用自己的通道先确认一次。

*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。*

1. 挑 20～50 个真实任务，一半是 Sol 现在做得好的，一半是 Sol 做不好、你考虑换模型的原因；每个任务先写好验收标准，例如测试通过、字段完整、结论有出处。
2. Sol 分别用 `high` 和 `max` 跑一遍，K3.1 Pro 用默认 `max` 跑一遍，想压成本再加一轮 `high`；K3.1 Pro 的多轮任务记得回传完整 assistant 消息，否则测出来的是接错了的结果。
3. 每次请求记下 API 返回的输入、缓存命中、输出 token 数（输出含推理 token）和耗时，按各自标价算出每任务成本。
4. 用“总成本 ÷ 通过数”算每个合格结果的成本，再分别看两组任务：Sol 已经做得好的那一半通常没理由换，Sol 做不好的那一半如果 K3.1 Pro 的合格成本更低，就只把这类任务路由给它。
5. 上线前按真实并发再压一次，确认 Kimi 账号等级的并发和每分钟请求数够用，不够就先提升充值等级。

## Kimi K3.1 Pro 和 GPT-6.1 Sol 的其他问题

**Kimi K3.1 Pro 是开源模型吗，能自己部署吗？**
截至 2026 年 10 月 25 日还不能。Kimi 官方表示完整模型权重将在 11 月 4 日前发布，在那之前 AA 把它标为非开放权重，OpenRouter 上也只有 Moonshot AI 自己提供的端点。AA 给出的规模是总参数 2.8T、激活 104B，权重发布后要自己部署，硬件门槛也很高。

**嫌 K3.1 Pro 每任务太贵，有便宜一档的替代吗？**
有。想要明显更便宜的档位，可以看 DeepSeek V4.1 Flash，它和 K3.1 Pro 的价格与能力对比见[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)。如果想在同价位的其他旗舰里找 Sol 的替代，见[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)。

**K3.1 Pro 比上一代 kimi-k3 便宜吗？**
标价便宜三分之一。Kimi 国际平台上 `kimi-k3` 每百万 token 输入 $3、输出 $15、缓存命中 $0.30，K3.1 Pro 是 $2、$10、$0.20（截至 2026 年 10 月 25 日）。Kimi 的推理强度文档对 K3 同样要求用请求顶层的 `reasoning_effort`，多轮和工具调用时原样回传完整的 assistant 消息，所以从 `kimi-k3` 升级时这两处写法不用改；各档取值和默认值以 K3.1 Pro 的文档为准。

## 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 K3.1 Pro 与 GPT-6.1 Sol 对比页](https://artificialanalysis.ai/models/comparisons/kimi-k3-1-pro-vs-gpt-6-1-sol) (artificialanalysis.ai)
- [Kimi Batch API 的计价说明](https://platform.kimi.ai/docs/pricing/batch) (platform.kimi.ai)
- [Kimi 上下文缓存文档](https://platform.kimi.ai/docs/guide/context-caching) (platform.kimi.ai)
- [OpenAI 提示缓存指南](https://developers.openai.com/api/docs/guides/prompt-caching) (developers.openai.com)
- [Kimi K3.1 Pro 快速入门](https://platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart) (platform.kimi.com)
- [OpenAI 的 GPT-6.1 Sol 模型页](https://developers.openai.com/api/docs/models/gpt-6.1-sol) (developers.openai.com)
- [Kimi 国际平台的充值与限速说明](https://platform.kimi.ai/docs/pricing/limits) (platform.kimi.ai)
- [Kimi 的 Codex 接入指南](https://platform.kimi.ai/docs/guide/codex-kimi) (platform.kimi.ai)
- [Kimi 国内平台的 Codex 接入指南](https://platform.kimi.com/docs/guide/codex-kimi) (platform.kimi.com)
- [Kimi 国内平台模型推理价格说明](https://platform.kimi.com/docs/pricing/chat) (platform.kimi.com)
- [Kimi 国内平台充值与限速页](https://platform.kimi.com/docs/pricing/limits) (platform.kimi.com)
- [OpenAI API 支持的国家和地区列表](https://developers.openai.com/api/docs/supported-countries) (developers.openai.com)