Kimi K3.1 Pro 和 DeepSeek V4.1 Flash 1017：每题差了八倍，多付的钱只买到终端编程这一项

1.4K 0

Artificial Analysis 把整套智能指数题目跑完，给两家各开了一张单：Kimi K3.1 Pro 平均每题 2.11 美元，DeepSeek V4.1 Flash 1017 每题 0.26 美元。

八倍多一点。

这两个模型今天又被放到了一起，原因不太体面：The Information 报道说，月之暗面和 DeepSeek 训练最新模型时都大量用了 GPT-6 Astra 的输出，点名的正是 K3.1 Pro 和 1017。指控归指控，三家都没回应。可对每天要调 API 的人，眼下更实际的问题是另一个：同样是国产模型，这八倍的差价到底买到了什么，又有什么是买不到的。

八倍差价里，能对上账的部分

最硬的一项是终端里的编程任务。Terminal-Bench 4.0 上，月之暗面自报 K3.1 Pro 65.7%，Artificial Analysis 独立复跑给了 67.2%，两边数字对得上。DeepSeek 给 1017 自报的是 42.3%。二十多个百分点的差距，放在需要连续操作命令行、改文件、跑测试的智能体任务里，体感会非常明显。

DeepSeek 自己也知道这一项不占优。它在 1017 的宣传里更愿意提 DeepSWE v1.1 的 77.0 分，那一项确实漂亮，压过了 Claude Opus 5 的 74.0。但 DeepSWE 是用 mini-swe-v2 这个外壳跑出来的，Terminal-Bench 用的是 Claude Code，换到你自己的智能体框架里，两个分数谁更能代表实际表现，没有定论。

第二处是上下文。K3.1 Pro 的文档写着输入 1,048,576 token、输出上限也是 1M，整个窗口内不分档加价。1017 是 1M 输入、384K 输出。

账面上 Kimi 赢了这一项。实际用起来另说，下面会讲到。

差价里买不到的东西

先说速度。1017 的慢是出了名的：10 月 18 日有国内媒体按官方演示案例复现，DeepSeek 默认开 High 档，搭一座 3D 故宫用了 37 分钟，GPT-6.1 Sol 只要 7 分钟，而且 1017 交出来的只有一座孤零零的宫殿。另一轮做赛车游戏，它跑了 42 分钟，方向盘却是反的，往左打车往右走。

Kimi 也快不到哪去。Plotly 那套 43 道 SQL 分析题，K3.1 Pro 每题中位耗时 150 秒；Ultralytics 的图像标注测试里，它的中位请求时长 22.2 秒，还有 6% 的请求直接失败。

所以多付八倍，并没有换来更快。

再说可靠性。K3.1 Pro 在 AA-Omniscience 上的幻觉率是 43.9%，AA-AnalystAgent 的五次一致性测试里在四个对手中垫底，同一个问题问五遍，答案最不稳定。前面说的 1M 上下文，有人在 Bug Hunt Bench 上跑长任务，上下文涨到 128K 左右就开始输出前后不搭的内容，接口不报任何错。1017 在 AA-Omniscience 上的答对率是 43%，也谈不上好，但至少没有这种”静默变质”的公开案例。

最后是账单本身的可预期性。K3.1 Pro 的推理关不掉，reasoning_effort 只有 low、high、max 三档，默认 max；temperature 锁在 1.0，传别的值直接报错。更麻烦的一条：多轮对话中途改推理档位，前缀缓存会整个失效。很多人写智能体习惯”简单步骤降档、难步骤升档”，这个习惯放在 Kimi 上，等于每切一次就把 0.20 美元的缓存价换回 2 美元的原价。

还有开发者对过账，日志里的 token 折算应扣 1.52 美元，余额实际少了 2.02 美元，原因没有公开解释。

DeepSeek 的 0.26 美元，附带三个条件

0.26 美元是按闲时价算的。1017 的标价是每百万 token 输入 0.15 美元、输出 0.60 美元，可北京时间工作日上午 9 点到 12 点、下午 2 点到 6 点是峰时，单价翻倍到 0.30 和 1.20。国内团队最集中干活的那几个小时，正好落在峰时。

第二个条件在 token 之外。1017 一起开放的 Search 和 Fetch 接口，按每千次成功请求 0.75 美元收费，北京时间 11 月 1 日零点开始计费，也就是后天。一个调研型智能体跑一次搜几十次很平常，这笔钱不会出现在 token 用量里。

第三个条件是版本。deepseek-flash 这个接口名，两个半月里换了三次权重：7 月 31 日是 284B 的 V4 Flash，9 月 10 日换成 552B 的 V4.1 Flash，10 月 17 日又换成 1017。调用代码一个字不用改，效果却可能已经变了。想锁死在某个旧版本，只能自己下权重部署。10 月 15 日那次将近五小时的宕机里，V4 Pro 和 V4.1 Flash 两条 API 一起断，”同厂主备”的方案也没兜住。

	Kimi K3.1 Pro	DeepSeek V4.1 Flash 1017
输入 / 输出（美元每百万 token）	2 / 10，全天同价	闲时 0.15 / 0.60，峰时 0.30 / 1.20
缓存命中	0.20，中途改推理档会失效	闲时 0.003，峰时 0.006
AA 单题成本	2.11	0.26
Terminal-Bench 4.0	65.7%（AA 复测 67.2%）	42.3%（厂商自报）
上下文 / 最大输出	1M / 1M	1M / 384K
权重	承诺 11 月 4 日放出	已在 Hugging Face，MIT

“都开源”的两种意思

K3.1 Pro 号称 3 万亿参数，月之暗面说 11 月 4 日放权重。1017 的权重已经在 Hugging Face 上，MIT 协议，参数量有 552B 和 763B 两个口径。

网上常见的说法是两家都开源，所以私有化部署时可以二选一。我不太同意这个说法。

依据是硬件。上一代 Kimi K3 是 2.8 万亿参数，FP8 就要一整台 8 卡机，社区做的 1-bit 量化版还有 570GB。K3.1 Pro 体量更大，真放出来，绝大多数公司的机房装不下，最后多半还是走云厂商托管，跟调 API 区别不大。1017 的旧版本按第三方估算也要 8 卡 H200 起步，门槛同样不低，但至少是一个中大型团队够得着的数。对”数据不能出内网”的团队来说，眼下能落地的只有 DeepSeek 这一个选项。

还有一层顾虑是合规。今天这份蒸馏报道之前，K3 就有过在约 15% 的测试里自称 Claude 的争议，月之暗面否认了蒸馏。拿它做对外商业产品的公司，法务大概会多问几句。