100 萬 Token 共享上下文
在 1,048,576 個 Token 的輸入與輸出視窗內，處理大型程式碼庫、技術規格、長篇文件集以及延伸的代理歷史記錄。
Kimi K3.1 Pro
透過 GPTProto 存取 Moonshot AI 的 Kimi K3.1 Pro，進行儲存庫規模的程式開發、視覺轉程式碼任務、財務研究以及長時間運行的代理程式。使用單一 GPTProto 金鑰與餘額，即可與 200 多種文字、圖像、影片及音訊模型同步測試。
API 呼叫範例
curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "kimi-k3.1-pro",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Kimi K3.1 Pro 定價
聊天、程式開發代理與文件處理。以每 1M Token 計價 — 輸入、快取輸入與輸出分開計費。
| 場景 | MoonshotAI 牌價 | OpenRouter | GPTProto | 每月節省 |
|---|---|---|---|---|
| Personal10M tokens / 月（4.8M 快取） | $27.36 | $28.86 | $27.36 | −$0.00≈ $0.00 / 年 |
| Team100M tokens / 月（48M 快取） | $273.60 | $288.65 | $273.60 | −$0.00≈ $0.00 / 年 |
| Business500M tokens / 月（240M 快取） | $1368.00 | $1443.24 | $1368.00 | −$0.00≈ $0.00 / 年 |
每月節省 $0.00
年省約 $0.00 · 隨用隨付
相關模型
所有模型
Kimi K3.1 Pro目前
MoonshotAI · 1.05M context · $2/M input · $10/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
模型
價格：GPTProto
對比官方
對比 OpenRouter
上下文
穩定度
Kimi K3.1 Pro目前
MoonshotAI
$2.00 / $10.00每 1M tokens
—
-5%
1.05M
Kimi K3.1 Pro API，專為程式開發與長程代理設計
Kimi K3.1 Pro 結合了 1,048,576 個 Token 的上下文視窗與原生視覺理解、常駐推理、工具呼叫以及超長文字輸出能力。Moonshot 報告顯示其在 Terminal-Bench 4.0 獲得 65.7% 分數，並在其內部 Kimi Code Bench 3.0 長程評估中獲得 61.2% 分數。GPTProto 透過與其他支援模型相同的帳戶提供第三方 API 存取權。
支援多步驟工作的長輸出
API 預設最大輸出為 131,072 個 Token，並在剩餘上下文允許的情況下，支援將上限提高至 100 萬 Token 的共享上限。
程式開發效能報告
Moonshot 報告顯示其在 Terminal-Bench 4.0 上達到 65.7%，在 Kimi Code Bench 3.0 長程測試中達到 61.2%。結果取決於測試工具、環境與推理設定。
推理與代理控制
推理功能支援低、高或最大努力模式。該模型亦支援串流、工具選擇、結構化輸出以及多步驟工具呼叫。
什麼是 Kimi K3.1 Pro API？
Kimi K3.1 Pro 是 Moonshot AI K3.1 系列中的首款模型。它是 Kimi K3 的後訓練升級版，採用相同的 3 兆級基礎架構，並在程式編寫、代理任務、金融和 3D 創作領域投入了更多的強化學習算力。該 API 支援文字和圖像輸入，並輸出文字。文字轉文字應用程式可以在不使用視覺路徑的情況下發送聊天訊息、文件、程式碼和工具結果。
該模型使用「保留思考」（Preserved Thinking）機制：推理過程始終開啟，多輪對話應用程式在下一次請求時應返回完整的助理訊息，包括 reasoning_content。開發者可以選擇 low、high 或 max 的推理強度。在遷移現有的 Kimi 整合時，這些限制條件非常重要。
| 規格 | Kimi K3.1 Pro |
|---|---|
| 開發者 | Moonshot AI |
| 模型類別 | 3T 級後訓練推理模型 |
| 官方模型 ID | kimi-k3.1-pro |
| 輸入至輸出 | 文字與圖像轉文字 |
| 共享上下文視窗 | 1,048,576 個 Token |
| 預設最大輸出 | 131,072 個 Token |
| 可配置輸出上限 | 最高可達 1,048,576 個 Token，受共享上下文限制 |
| 推理 | 始終開啟；可選 low、high 或 max（預設） |
| 工具選擇 | auto、none 或 required |
| 串流與結構化輸出 | 支援 |
| 開放權重狀態 | API 已上線；完整權重預計於 2026 年 11 月 4 日發布 |
Kimi K3.1 Pro API 應用場景
儲存庫級別程式編寫。 提供原始碼檔案、介面、測試和配置。要求模型在更改程式碼前追蹤依賴關係，然後要求提供修補程式和測試計畫。大上下文視窗減少了將相關模組拆分為不相關提示詞的需求。
長週期代理任務。 對於檢查檔案、搜尋文件、執行指令和修訂計畫的代理，使用函式呼叫和串流工具參數。將權限、逾時設定和驗收測試保留在外部代理中。
金融研究。 提供申報檔案、試算表摘要、計算規則和來源註釋，然後要求進行帶有證據和明確假設的可追溯分析。在使用前驗證每個關鍵數據。
視覺轉程式碼與 3D 工作流程。 使用螢幕截圖、草圖或參考圖像進行前端實作、Three.js 場景、Blender 指令碼和 CAD 任務。執行並檢查生成的程式碼和幾何圖形。
長篇技術輸出。 生成遷移計畫、大型修補程式或多檔案草稿。設定輸出預算，因為輸入和生成的輸出共享同一個 1M Token 視窗。
Kimi K3.1 Pro 與 Kimi K3 對比
K3.1 Pro 並非 K3 的更大上下文後繼版本；兩者均提供相同的 100 萬 token 窗口和原生視覺理解能力。此次升級主要體現在後訓練、測量任務性能以及發布定價上。
| 決策因素 | Kimi K3.1 Pro | Kimi K3 |
|---|---|---|
| 定位 | 當前 K3.1 旗艦模型 | 上一代 K3 旗艦模型 |
| 基礎與訓練 | 基於 K3 的模型，具備大幅增加的後訓練計算量 | 原始 2.8T K3 基礎模型 |
| 上下文 | 1,048,576 tokens | 1,048,576 tokens |
| 視覺輸入 | 支援 | 支援 |
| Kimi Code Bench 3.0 長視角 | 61.2% | 55.95% |
| Moonshot 發布定價 | 每 100 萬 token 輸入 $2 / 輸出 $10 | 每 100 萬 token 輸入 $3 / 輸出 $15 |
| 開放權重 | 預計於 2026 年 11 月 4 日前 | 已發布 |
| 最佳適用場景 | 新的程式設計、研究及長期運行的代理部署 | 目前尚不需要升級的現有 K3 部署 |
上述基準測試數值由 Moonshot AI 提供，並未經由 GPTProto 獨立驗證。在變更生產環境流量之前，請使用相同的提示詞、工具、token 限制和驗收測試來運行這兩個模型。
Kimi K3.1 Pro 與其他程式設計及代理模型對比
請比較 API 行為和工作負載適配性，而非僅依賴單一排行榜排名。
| 模型 | 區別所在 | 選擇建議 |
|---|---|---|
| Kimi K3.1 Pro | 100 萬共享上下文、長解碼、原生視覺、常駐推理以及開放權重路徑 | 程式設計代理、大上下文研究、視覺轉程式碼或未來自行託管 |
| DeepSeek V4.1 Flash | 更低的 token 費率和 Flash 部署配置 | 成本和吞吐量優先的高容量工作 |
| Gemini 4 Argon | Google 生態系統中的文字、圖像、音訊、影片和 PDF 輸入 | 廣泛的多模態應用或以 Gemini 為中心的團隊 |
| GPT-6 Astra | 電腦使用以及 OpenAI 的 Codex 和 Responses 生態系統 | 基於螢幕的代理和電腦使用工作流程 |
| Claude Opus 5.5 | Anthropic 報告在 Terminal-Bench 4.0 上達到 66.4% | 當項目評估偏好 Anthropic 的工具行為時的代理式程式設計 |
各供應商的基準測試使用不同的測試框架和設置。請在 GPTProto 測試場中比較候選模型，然後針對相同的負載評估任務完成度、無效工具調用、延遲、輸出使用量和總成本。
從 Kimi K3 升級前的遷移檢查
Kimi K3 與 K3.1 Pro 共用請求參數限制，因此大多數 K3 整合僅需將模型選擇更改為 GPTProto 即時 API 使用頁籤中顯示的識別碼。
請勿傳送 K2 風格的
thinking參數。K3 系列的推理功能預設為開啟。將頂層
reasoning_effort設定為low、high或max；預設值為max。在多輪對話與工具迴圈期間，請回傳包含
reasoning_content的完整助理訊息。保留支援的採樣預設值，並重新檢查共享上下文視窗內的輸出預算。
在將所有流量路由至新模型之前，請先在實際儲存庫與工具架構上執行金絲雀測試。
何時該選擇 Kimi K3.1 Pro？
若需進行程式碼庫遷移、研究代理、財務分析、CAD 指令碼編寫，或其他需要大上下文、視覺參考與重複工具使用的任務，請選擇 Kimi K3.1 Pro。
若優先考量電腦控制、音訊或視訊輸入、最低 Token 費率，或特定供應商的工具生態系統，請選擇其他模型。GPTProto 允許應用程式透過單一金鑰與餘額測試支援的替代方案。
Kimi K3.1 Pro API 常見問題解答
在 GPTProto 上使用 Kimi K3.1 Pro API 的費用是多少？
在頁面發佈時，GPTProto 使用 Kimi 的列表費率：每 100 萬輸入 Token 為 2 美元，每 100 萬輸出 Token 為 10 美元，每 100 萬緩存寫入 Token 為 2 美元，每 100 萬緩存命中 Token 為 0.20 美元。即時面板始終是計費的唯一準則。請參閱 GPTProto 定價。
如何獲取 Kimi K3.1 Pro API 金鑰並存取 Playground？
建立帳戶並獲取 GPTProto API 金鑰，然後使用 Playground 進行測試。從 API 使用說明中複製當前的端點和模型識別碼。同一個金鑰可以存取其他支援的模型。
Kimi K3.1 Pro 的上下文視窗和輸出限制是多少？
該 API 具有 1,048,576 個 Token 的共享上下文視窗。max_tokens 預設為 131,072，最高可配置為 1,048,576，但輸入與生成輸出的總和必須保持在共享視窗內。
Kimi K3.1 Pro 是文字轉文字 (text-to-text) API 嗎？
是的。它接受文字提示並返回用於聊天、編碼、提取、研究和代理工作流程的文字。底層模型也接受圖像輸入，因此僅稱其為文字轉文字會低估其功能。
可以在 Kimi K3.1 Pro API 中停用推理功能嗎？
否。保留思考 (Preserved Thinking) 功能始終處於啟用狀態。請使用 reasoning_effort: "low"、"high" 或 "max" 來控制推理預算，而不是發送停用思考模式的指令。
Kimi K3.1 Pro 是否支援工具呼叫和結構化輸出？
是的。它支援 auto、none 和 required 的 tool_choice 值、串流工具參數以及 JSON-schema 結構化輸出。請將執行和驗證保留在應用程式層中。
Kimi K3.1 Pro 在編碼方面比 Kimi K3 更好嗎？
根據 Moonshot 的報告，在 Kimi Code Bench 3.0 Long-horizon 測試中，K3.1 Pro 的得分為 61.2%，而 K3 為 55.95%。請在您自己的儲存庫和代理測試框架中確認此改進。
GPTProto 是否提供私有的 Kimi K3.1 Pro API 存取權？
GPTProto 使用帳戶範圍的 API 金鑰，而非公開聊天。若有零數據保留、區域處理或合約隱私條款的需求，請在發送受監管數據前與支援團隊確認 GPTProto 的適用政策。
Kimi K3.1 Pro 是開放權重的嗎？
Moonshot 先行發佈了 API，並預計於 2026 年 11 月 4 日發佈完整模型權重。在正式發佈前，請將自託管需求視為待定狀態。
相關文章
與本模型相關的指南、對比與更新。
所有文章
如何獲取 Kimi K3 API 存取權限：設定、定價與實際應用案例
在 GPTProto 上獲取 Kimi K3 API 存取權限。複製設定指南到您的 AI 程式設計助手，探索 Token 定價，並建立代理程式或 SaaS 功能。
Kimi K3 與 Claude Opus 5.5 對決：哪一個更適合程式設計與 AI 代理？
比較 Kimi K3 與 Claude Opus 5.5 在程式設計、前端開發、代理基準測試與 API 成本方面的表現。看看哪種模型更適合您的工作負載。
2026 年最佳角色扮演 AI：6 款模型在記憶力、故事創作與 RPG 方面的比較
比較 2026 年最適合角色扮演的 AI 模型，涵蓋記憶力、故事創作、RPG 與長對話，包括 Kimi K3、GLM、Claude、DeepSeek 與 Gemini。
2026 年最佳無審查 LLM API：角色扮演應用該如何選擇？
比較 Grok、GLM、DeepSeek、Hermes 與 Dolphin 在角色扮演應用上的表現。在選擇模型前，先了解 API 存取權限、拒絕限制與長對話成本。