BenchLeader

Kimi K3.1 Pro

推理强度
质量第 27 / 339 名
61.8Index
前 10%
较中位数 +11.6
价格第 207 / 255 名
$4.00每百万 token
最贵的四分之一
中位数的 4.7 倍
速度第 207 / 216 名
30token/秒
后四分之一
中位数的 0.4 倍
性价比第 207 / 255 名
15.4分/$
后四分之一
中位数的 0.3 倍

性价比更高: Gemini 3.7 Flash $1.50/M 即可获得 Index 62.1,便宜 63%。

有 6 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38),另有 3 个。

截至 2026年11月16日,Kimi K3.1 Pro(Moonshot AI)在 BenchLeader Index 上得分 61.8(在 608 个已排名配置中前 100 名)。表现最好的是数学(73),最弱的是知识(58)。API 价格为输入每百万 token $2.00、输出每百万 token $10.00(按 3:1 混合为 $4.00),为 2026年11月16日的标价。输出速度约为 30 token/秒(Artificial Analysis)。发布于 2026年10月23日。

要点(截至 2026年11月16日)

  • Kimi K3.1 Pro 的 API 价格为输入每百万 token $2.00、输出每百万 token $10.00(按 3:1 混合为 $4.00)(标价,2026年11月16日)。
  • Kimi K3.1 Pro 的输出速度约为 30 token/秒(Artificial Analysis,2026年11月16日)。
  • Kimi K3.1 Pro 于 2026年10月23日发布(Moonshot AI)。

详细说明:Kimi K3.1 Pro 是 Moonshot AI 的开放权重推理模型,发布于 2026年10月23日。其最佳配置在 BenchLeader Index 上得分 61.8 ±3.0,在 608 个配置中排第 57 名,处于上半区。关键在于这个“±”:另有 162 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,数学得分最高(73),知识最低(58)。按混合价格计,每百万 token $4.00,属于已排名模型中最贵的一档。输出速度为 30 token/秒,首次回答需 157.4 秒,位于最慢的四分之一。它已在 5 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月13日。

混合价格
$4.00/M
输入 $2.00 · 输出 $10.00
来源:Artificial Analysis
输出速度
30 tok/s
由 Artificial Analysis 测量
首次回答
157 s
首 token 2.00 s
上下文
1.0M
来源:models.dev
完整回答
418 s
最近一次测量 2026年11月13日
单任务成本
$3.68
每项任务 40 min,AA Index
单任务 token 数
72k
其中 61% 为推理
发布日期
2026年10月23日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index62
  2. 推理59
  3. 编程60
  4. 智能体与工具65
  5. 数学73
  6. 知识58
  7. 多模态66
  8. 长上下文68

嵌入这个排名

更多徽章样式
[![Kimi K3.1 Pro on BenchLeader: 综合第 27 名](https://www.benchleader.com/badge/kimi-k3-1-pro.svg?style=compact)](https://www.benchleader.com/models/kimi-k3-1-pro)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Moonshot AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
low––30 tok/s157 s$0.0038
high––30 tok/s157 s$0.0038
xhigh––30 tok/s157 s$0.0038
max59.9#9630 tok/s157 s$0.0038智能体与工具 62 · 编程 68 · 综合 54 · 人类偏好 68 · 推理 67
未说明最佳61.8#5730 tok/s157 s$0.0038智能体与工具 65 · 编程 60 · 知识 58 · 长上下文 68 · 数学 73 · 多模态 66 · 推理 59

Index 走势

2026年10月24日 至 2026年11月16日
566165
  • 默认
  • max

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index33.3#239Artificial Analysis

推理

基准测试max默认来源趋势
Arena Hard Prompts1504#29–Arena (LMArena)
LiveBench 2.0 Reasoning不计入 Index91.1%#8–LiveBench
Humanity's Last Exam (AA)不计入 Index推理强度未说明–52.5%#27Artificial Analysis
HLE-Diamond (AA)推理强度未说明–37.3%#42Artificial Analysis
CritPt不计入 Index推理强度未说明–24.6%#55Artificial Analysis
CritPt v2 hard subset (AA)推理强度未说明–49.5%#47Artificial Analysis
MysteryMechanism不计入 Index26.1%#17–Vals AI
Arena Expert不计入 Index1515#25–Arena (LMArena)
LMCA不计入 Index57.6%#44–Epoch AI Benchmarking Hub
DTBench不计入 Index93.3%#69–Epoch AI Benchmarking Hub

编程

基准测试lowhighxhighmax默认来源趋势
SciCode推理强度未说明––––60.8%#12SciCode
Arena Coding–––1530#23–Arena (LMArena)
Arena WebDev–––1687#12–Arena (LMArena)
LiveBench 2.0 Coding不计入 Index–––67.8%#24–LiveBench
SciCode (AA)不计入 Index推理强度未说明––––60.8%#12Artificial Analysis
IOI–––81.9%#11–Vals AI
Vibe Code Bench v1.1不计入 Index–––84.9%#20–Vals AI
SWE Atlas v1.1不计入 Index推理强度未说明––––61.1%#14Scale AI SEAL
SWE Atlas v1.1: Codebase QnA不计入 Index推理强度未说明––––70.2%#12Scale AI SEAL
SWE Atlas v1.1: Test Writing不计入 Index推理强度未说明––––58.9%#16Scale AI SEAL
SWE Atlas v1.1: Refactoring不计入 Index推理强度未说明––––54.3%#12Scale AI SEAL
ALE-Bench不计入 Index–––1932.8#14–Epoch AI Benchmarking Hub
WeirdML v3不计入 Index––9.9%#14––WeirdML
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明––––67.2%#1Artificial Analysis
GameBench 2 Overall不计入 Index跨设置––––78.3#8DuelLab GameBench 2
GameBench 2 by reasoning setting不计入 Index79.3#2271.5#36–84.0#16–DuelLab GameBench 2
Design Arena Website不计入 Index推理强度未说明––––1321#11Design Arena
FrontierCode 1.1 (AA)不计入 Index推理强度未说明––––47.1%#12Artificial Analysis
FrontierCode 2.0 (AA)推理强度未说明––––25.4%#51Artificial Analysis

智能体与工具

基准测试max默认来源趋势
Terminal-Bench59.7%#22–Terminal-Bench
APEX-Agents推理强度未说明–65.5%#12Mercor
Arena Agent4.9#15–Arena (LMArena)
LiveBench Long Agentic不计入 Index38.7%#16–LiveBench
LiveBench Browser不计入 Index75.9%#13–LiveBench
HiL-Bench推理强度未说明–61.3%#11Scale AI SEAL
GDPval-AA v2.1, normalised score不计入 Index推理强度未说明–67.3%#3Artificial Analysis
GDPval-AA v2.1不计入 Index推理强度未说明–1861#2Artificial Analysis
Analyst Agent (AA)不计入 Index推理强度未说明–38.8%#25Artificial Analysis
Finance Agent v2.1不计入 Index61.5%#21–Vals AI
Harvey's Legal Agent Benchmark v1.1不计入 Index11.7%#20–Vals AI
Legal Research Bench不计入 Index37.5%#47–Vals AI
SREBench不计入 Index27.1%#9–Vals AI
Tax Agent Bench不计入 Index24.9%#45–Vals AI
Terminal-Bench 4.0 (Vals)不计入 Index63.6%#4–Vals AI
Terminal-Bench Science不计入 Index31.4%#9–Vals AI
Arena Agent Task Completion不计入 Index2.7#24–Arena (LMArena)
AutomationBench不计入 Index推理强度未说明–73.3%#9Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明–31.4%#6Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明–1674#10Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–1301#10Design Arena
Terminal-Bench-Science 0.1 (AA)不计入 Index推理强度未说明–34.3%#34Artificial Analysis
CWE-Bench (AA)推理强度未说明–60.8%#9Artificial Analysis
DeepSec-Bench (AA)推理强度未说明–36.7%#4Artificial Analysis
CyberGym end-to-end (AA)推理强度未说明–94.7%#1Artificial Analysis
MKA (AA)不计入 Index推理强度未说明–43.9%#9Artificial Analysis

数学

基准测试max默认来源趋势
ProofBench推理强度未说明–91.0%#10Vals AI
ArXivMath不计入 Index58.3%#5–MathArena
BrokenArXiv不计入 Index61.9%#5–MathArena

知识

基准测试xhighmax默认来源趋势
LiveBench 2.0 Data Analysis不计入 Index–79.1%#14–LiveBench
LiveBench Research不计入 Index–82.1%#17–LiveBench
AA-Omniscience v1.1推理强度未说明––29.9#40Artificial Analysis
PRBench Finance推理强度未说明––47.5%#16Scale AI SEAL
PRBench Legal推理强度未说明––47.9%#20Scale AI SEAL
BioMysteryBench不计入 Index–75.6%#8–Vals AI
Excel Modeling Benchmark v1.1不计入 Index–70.0%#18–Vals AI
Access to Justice Benchmark不计入 Index–69.5%#18–Vals AI
DrugDiscoveryBench不计入 Index63.4%#4––Scale AI SEAL
AA-Omniscience v1.1: accuracy不计入 Index推理强度未说明––48.9%#38Artificial Analysis
AA-Omniscience v1.1: non-hallucination不计入 Index推理强度未说明––62.7%#51Artificial Analysis

指令遵循

基准测试max来源趋势
Arena Instruction Following不计入 Index1487#18Arena (LMArena)

人类偏好

基准测试max默认来源趋势
Arena Text1485#24–Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–2173#2EQ-Bench
Arena Creative Writing不计入 Index1453#36–Arena (LMArena)
Arena Multi-turn不计入 Index1475#53–Arena (LMArena)
Arena Longer Queries不计入 Index1491#28–Arena (LMArena)

多模态

基准测试max默认来源趋势
LiveBench Design不计入 Index73.7%#19–LiveBench
MMMU-Pro推理强度未说明–83.9%#27Artificial Analysis
Humanity's Sixth Sense不计入 Index33.2%#14–Scale AI SEAL
VIALS-AA不计入 Index推理强度未说明–45.3%#11Handshake AI
AA-3D不计入 Index推理强度未说明–1112#9Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.186.3%#3Artificial Analysis
MLCR不计入 Index38.3%#4Artificial Analysis

综合

基准测试max默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明–161.4#16Epoch AI Benchmarking Hub
LiveBench 2.068.7%#14–LiveBench
AA Intelligence Index v5.0.1不计入 Index推理强度未说明–46.5#31Artificial Analysis
AA Intelligence Index v4.3.2不计入 Index推理强度未说明–55.1#5Artificial Analysis
AA Progress Index v1不计入 Index推理强度未说明–340.7#21Artificial Analysis
Vals Index不计入 Index62.5#11–Vals AI
Vals Finance Index不计入 Index56.0%#24–Vals AI
Vals Science Index不计入 Index44.4%#10–Vals AI
Vals Legal Index不计入 Index67.0%#29–Vals AI
AA Cyber Index不计入 Index推理强度未说明–64.1#2Artificial Analysis

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index18.6%#36Scale AI SEAL

GameBench 2 Overall: 78.3. GameBench 2, best reasoning setting (Max): 84.0. 仅供参考,不计入 BenchLeader Index。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
inference.net118 tok/s0.97 s$2.70$13.501.0Mmxfp4
inference.net116 tok/s0.86 s$2.70$13.501.0Mmxfp4
PrimaLabs115 tok/s1.31 s$2.70$13.501.0Mmxfp4
DigitalOcean110 tok/s1.78 s$2.00$10.001.0M–
Wafer109 tok/s0.70 s$1.80$9.001.0Mmxfp4
Wafer109 tok/s0.59 s$0.253$8.801.0Mmxfp4
inference.net103 tok/s0.65 s$1.80$9.001.0Mmxfp4
AkashML97 tok/s1.73 s$1.75$10.001.0Mfp4
Modal93 tok/s1.07 s$2.00$10.001.0Mmxfp4
Together92 tok/s0.92 s$2.00$10.001.0M–
inference.net85 tok/s0.65 s$1.80$9.001.0Mmxfp4
Parasail81 tok/s1.71 s$2.00$10.001.0Mfp4
Nebius Token Factory78 tok/s1.68 s$2.00$10.001.0Mfp4
Relace71 tok/s1.92 s$0.240$8.401.0Mfp4
Morph64 tok/s2.11 s$0.739$11.091.0Mfp8
Sail Research64 tok/s1.50 s$1.40$9.351.0Mfp4
Decart59 tok/s1.81 s$1.22$6.10410kmxfp4
River58 tok/s1.08 s$2.00$10.001.0M–
Sail Research56 tok/s2.69 s$1.04$9.351.0Mfp4
DeepInfra53 tok/s1.47 s$1.90$9.501.0Mbf16
Moonshot AI52 tok/s3.78 s$4.00$20.001.0Mmxfp4
Fireworks44 tok/s2.97 s$2.00$10.001.0M–
Moonshot AI25 tok/s3.69 s$2.00$10.001.0Mmxfp4
Alibaba Cloud Int.24 tok/s5.01 s$2.30$11.501.0M–

使用情况

Kimi K3.1 Pro 的实际使用量,依据公开这类数据的网关报告。使用情况不计入 Index。使用最多的模型和提供商

OpenRouter,过去一周
#12
token 份额 1.6%
可用性,72 小时
99.9%
OpenRouter,全部提供商
工具调用错误率,7 天
0.14%
占工具调用
OpenRouter 每日 token 数(2026年10月23日 至 2026年11月15日):共 10.8T,环比上周 −21%。

过去 30 天的典型请求:每次请求 108.1k token、每个输出 token 对应 111 个输入 token、94% 的输入来自缓存、60% 的输出为推理内容、每次请求 0.75 次工具调用。

在 OpenRouter 上向它发送 token 最多的应用:pi (278B)、Hermes Agent (228B)、Claude Code (211B)、omp (141B)、Codex (129B)。

Vercel AI Gateway 上的提供商吞吐量首 token在线率,1 天
DigitalOcean300 tok/s0.55 s100.00%
Baseten201 tok/s1.23 s99.99%
Nebius125 tok/s0.69 s100.00%
Parasail124 tok/s0.34 s100.00%
Boundless123 tok/s0.49 s100.00%
Modal122 tok/s0.37 s100.00%

来源: 使用情况: OpenRouter 排名 · Vercel AI Gateway, CC BY 4.0 · 数据截至 2026年11月16日。

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.200。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0038$0.00332.8 min
总结一份 30 页的报告12,000 / 600$0.030$0.0143.0 min
代码编辑6,000 / 1,500$0.027$0.0193.5 min
智能体编程会话60,000 / 4,000$0.160$0.0794.8 min
结构化信息提取2,000 / 200$0.0060$0.00332.7 min

包含该模型的编程套餐

可以使用 Kimi K3.1 Pro 的订阅套餐,列出各自的用量限制和单项任务成本。

Moonshot AI 的更多模型

本月新上线

将 Kimi K3.1 Pro 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Kimi K3.1 Pro 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Kimi K3.1 Pro on BenchLeader: 综合第 27 名](https://www.benchleader.com/badge/kimi-k3-1-pro.svg)](https://www.benchleader.com/models/kimi-k3-1-pro)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Kimi K3.1 Pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/kimi-k3-1-pro

BibTeX:

@misc{benchleader_kimi_k3_1_pro_20261116,
  author       = {{BenchLeader}},
  title        = {{Kimi K3.1 Pro on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/kimi-k3-1-pro}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Kimi K3.1 Pro 的基准测试得分是多少?
截至 2026年11月16日,Kimi K3.1 Pro 的 BenchLeader Index 为 61.8 ±3.0(前 100 名)。最强的是数学(73),最弱的是知识(58)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Kimi K3.1 Pro 排名第几?
截至 2026年11月16日,Kimi K3.1 Pro 在 608 个已排名配置中排第 57 名(前 100 名)。另有 162 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Kimi K3.1 Pro 每百万 token 的价格是多少?
截至 2026年11月16日,Kimi K3.1 Pro 的价格为输入每百万 token $2.00、输出每百万 token $10.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $4.00。
Kimi K3.1 Pro 比 Muse Wonder Full 更好吗?
截至 2026年11月16日,Kimi K3.1 Pro 与 Muse Wonder Full(推理强度 max)的质量不相上下(BenchLeader Index 61.8 比 61.7,在 ±3.8 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Kimi K3.1 Pro 是什么时候发布的?
Moonshot AI 于 2026年10月23日发布了 Kimi K3.1 Pro。BenchLeader 收录了它在 5 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Kimi K3.1 Pro:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/kimi-k3-1-pro。