Kimi K3.1 Pro、GPT-6 Astra、GPT-6.1 Sol：和 Sol 标价一分不差的 K3.1 Pro，每道题贵了 2.9 倍

Kimi K3.1 Pro 的 API 文档里写着上下文 1,048,576 token，输出上限也是 1M。可有人在 Bug Hunt Bench 上跑长任务，上下文涨到 128K 附近，它开始吐出前后不搭的内容，接口一个错误码都没报。

标称 1M，真正敢放心用的长度是多少，目前没有人给出答案。

这是我这两天拿 Kimi K3.1 Pro 跟 OpenAI 两个型号对着看的起点。10 月 24 日月之暗面发布 K3.1 Pro，宣传口径是“GPT-6 Astra 五分之一的价格”。这句话没错，但它挑了一个对自己最有利的对手。把 GPT-6.1 Sol 也拉进来，账就完全是另一个样子了。

三张价目表放在一起

每百万 token（美元）	Kimi K3.1 Pro	GPT-6 Astra	GPT-6.1 Sol
输入	2	10	2
输出	10	50	10
缓存命中	0.20	1.00	0.10
长上下文加价	无	超过 272K 输入后涨到 20 / 75	—
Artificial Analysis 单题成本	2.11	3.26	0.72

Kimi 和 Sol 的输入输出标价一分不差，都是 2 美元和 10 美元。缓存命中这一项 Sol 还便宜一半。

但单题成本差了 2.9 倍。

原因在输出量。Artificial Analysis 跑完整套评测，Kimi 一共吐了约 1.48 亿个输出 token（含推理过程），Sol 只有约 6700 万，Astra 更少，约 6000 万。Kimi 想得多、写得多，同样的单价乘出来就是两倍多的账单。月之暗面拿来对比的 Astra，单价是 Kimi 的 5 倍，单题成本却只比 Kimi 高 55%。

还有两个容易踩的参数。K3.1 Pro 的推理关不掉，reasoning_effort 只能选 low、high、max，默认是 max；采样也被锁死在 temperature 1.0、top_p 0.95，传别的值直接报错。更隐蔽的一条是，对话中途改 reasoning_effort 会让前缀缓存全部失效，前面那 0.2 美元的缓存价等于白给。习惯在多轮 Agent 里“简单步骤调低、难的步骤调高”的人，在 Kimi 上这么干会多花钱。

第三方榜单上，谁赢在哪

月之暗面自己公布的 Terminal-Bench 4.0 成绩是 65.7%，压过 Astra 的 58.2%，略低于 Claude Opus 5.5 的 66.4%。Artificial Analysis 自己复跑，给了 67.2%。这一项 Kimi 的优势是实打实的，两边数字对得上。

换到综合榜，形势就变了。Vals Index v2.2 上 Astra 65.02%，Sol 63.94%，Kimi 62.52%。每测一次的成本是 Astra 21.28 美元、Kimi 6.44 美元、Sol 3.61 美元。三个模型分数挤在 2.5 个百分点里，成本却拉开了将近 6 倍。

Plotly 做过一套 43 道题的 SQL 数据分析考试，结果很说明问题：Sol 和 Astra 都是 43 道全对，Kimi 错了 1 道。全卷花费 Sol 2.61 美元，Kimi 13.47 美元，Astra 19.97 美元。每道题的中位耗时，Sol 18 秒，Astra 27 秒，Kimi 150 秒。Plotly 自己也提醒差一两道题在误差范围内，但 150 秒这个数字不在误差范围里，等它答一道题，Sol 已经答完了八道。

Kimi 最难看的一项是 Terminal-Bench Science。月之暗面公布的是 38.1，Artificial Analysis 测出来 34.3，而 Astra 是 68.1。偏科学计算、要调用专业工具的终端任务，它跟 Astra 差了将近一半。

Astra 贵在哪，又亏在哪

Astra 是这三个里最贵的，按理应该最强。它在 Terminal-Bench Science、LiveBench 的 Agentic 子项（82.4 对 Sol 的 73.0）这类重度任务上确实领先。

可同门的 Sol 在 Terminal-Bench Science 的物理科学分项里反而赢了它，66.7% 对 54.9%。

贵的地方还不止单价。超过 272K 输入以后，Astra 输入涨到每百万 20 美元、输出 75 美元，缓存命中也翻倍到 2 美元。Kimi 在整个 1M 窗口内价格不变。如果你的任务真的要塞进几十万 token 的代码库或者合同，这条差异比标价表上那个 5 倍更要命。

Ultralytics 拿五个模型做图像标注，Astra 每 1000 张图的成本是 49.31 美元，五个里最高。Bug Hunt Bench 上它平均每个任务跑 89.8 分钟，105 个 bug 修了 45 个，估算成本 33.03 美元。

所以 Astra 的位置很窄：只有在你自己的任务上实测出明显收益，才值这个价。拿它当日常默认模型，多数时候是在给 OpenAI 补贴。

Kimi 的几处翻车

除了开头说的 128K 乱码，还有几条值得记下来。

Artificial Analysis 的 AA-AnalystAgent 测五次一致性，Kimi 在四个对手里垫底，同一个问题问五遍，答案稳定性最差。AA-Omniscience 上它的幻觉率是 43.9%。

有开发者对账发现，按日志里记录的 token 算应该扣 1.52 美元，账户余额实际少了 2.02 美元。原因没有公开说明。

Kimi Code 里模型名敲错一个字符，不会报错，而是悄悄退回一个没有思考能力的旧模型。你以为在用 K3.1 Pro，其实不是。

Ultralytics 那组测试里，Kimi 的中位请求时长 22.2 秒，是 Sol（10.5 秒）的两倍多，而且有 6% 的请求失败。

再加上发布当周的两件事：X 上流传出有推广方被要求不标注付费合作的截图；会员用户集中反映限流和额度掉得快，10 月 26 日凌晨官方道歉，给所有订阅会员一次性补回月度额度的 25%，并承认要减少“不必要的子 Agent 调用和输出长度”。最后这句话，和上面 1.48 亿输出 token 的数据，说的是同一件事。

Sol 也不是没有短板

Sol 在这次对比里看起来像赢家，但它慢。Bug Hunt Bench 上它平均每个任务 139.3 分钟，三个里最慢（测试用的还不是它最高的档位）。LiveBench Agentic 上落后 Astra 9 分多。要它独立跑一个多小时的复杂修复任务，体验未必好。

另外 OpenAI 的老 Pro 200 订阅额度 10 月 29 日以后会调整，靠 ChatGPT 订阅而不是 API 用 Sol 的人，这几天要留意自己的配额变化。

一个跟宣传口径相反的判断

月之暗面说 K3.1 Pro 是“Astra 五分之一的价格”。我的看法是：它真正的竞争对手是 Sol，而在 Sol 面前，它目前没有价格优势。

依据就是上面那几组数：同样的标价，单题成本 2.9 倍，Plotly 考试 5 倍，Vals 1.8 倍，速度还慢一截。

Kimi 值得用的场景有三个，而且都挺具体。第一，终端里的编程 Agent，Terminal-Bench 4.0 它是真的强，两家独立复测都站得住。第二，超长上下文但又不想付 Astra 的长文本溢价，前提是你自己测过 128K 以上的稳定性。第三，11 月 4 日权重放出来以后，需要私有化部署、数据不能出境的团队，这是 Sol 和 Astra 都给不了的。

除此之外的通用问答、数据分析、批量调用，Sol 更便宜也更快。Astra 留给那种你已经实测确认“只有它做得对”的科学类重任务。

还有一个小建议：用 Kimi 跑长任务，把单次请求的输出长度上限设紧一点，再盯一周账单。它话多这件事，官方自己都承认了。

站内入口：Kimi、ChatGPT。