Kimi K3.1 Pro 迁到 Qwen4-Max:标价便宜一半,第三方测的每道题反而贵了 55%

AI资讯25分钟前发布 cormac
1.4K 0

手上有一套跑在 Kimi K3.1 Pro 上的智能体,今天看到 Qwen4-Max 的价目表,第一反应多半是:输入 1.5 美元、输出 4.5 美元,比 Kimi 的 2 美元和 10 美元便宜一大截,换。

换之前,配置文件里至少有四行要改,有两笔账要重算,还有一个跑分要自己验。下面按迁移时会撞到的顺序讲。

第一行:reasoning_effort 填的那个 max

K3.1 Pro 的推理关不掉,reasoning_effort 只有 low、high、max 三档,默认 max。很多人图省事,直接把 max 写死在配置里。

Qwen4-Max 的三档是 low、high、xhigh,默认 high。max 这个值在它的文档里不存在,迁移时要手动映射成 xhigh,否则要么报错,要么被悄悄降到默认档,你以为开满了,其实只开了一半。

两边的思考模式都是默认开启的。区别在于 Qwen 把思考和最终回答合起来算输出上限:开思考时两者加起来最多 262,144 token,默认思考预算 131,072;不开思考时单次输出上限 131,072。Kimi 文档写的输出上限是 1M。

平时没人一次吐几十万 token。可如果你的流程里有「一次性生成整份长报告」这种步骤,在 Kimi 上没碰过的天花板,到 Qwen 这里可能会碰到。

第二行:temperature

Kimi 把采样锁死在 temperature 1.0、top_p 0.95,传别的值直接报错。所以在 Kimi 上跑通的代码,大概率是把这两个参数删掉了。

迁到 Qwen 以后可以重新放回来。

做抽取、分类、填表这类需要稳定输出的任务,这一条比价格更值钱。K3.1 Pro 在 Artificial Analysis 的 AA-AnalystAgent 五次一致性测试里是四个对手中垫底的,同一个问题问五遍答案最不稳,锁死的采样参数难辞其咎。

第三行:上下文写的 1M,要不要信

两家都宣称 100 万上下文。两家都有一个问号。

Kimi 的问号是旧账:有人在 Bug Hunt Bench 上跑长任务,上下文涨到 128K 左右,K3.1 Pro 开始输出前后不搭的内容,接口不报任何错误码。这种静默变质,日志里看不出来。

Qwen 的问号是新的。Artificial Analysis 给 Qwen4-Max 标的上下文是 984K,不是整 1M;另有媒体根据预览版的观察,说它的基础上下文是 262K,靠扩展才到 1M。阿里没有正面回应这个说法。如果你迁移的理由之一是「Qwen 也支持 1M,能直接接过来」,建议先拿自己最长的那几个真实任务,在 200K、500K、900K 三个长度上各跑十遍,比对输出有没有走样。这一步没法偷懒。

第四行:接口格式

这是迁移里最省心的一项。Qwen4-Max 同时兼容 OpenAI 的 Chat Completions、Responses 和 Anthropic 的 Messages 接口。

原来走 OpenAI 兼容格式调 Kimi 的,基本只改 base_url、模型名和密钥。

有一处要留意:按第三方整理的文档,它不支持微调和模型部署,批量推理是否支持,两份资料说法相反。依赖 batch 接口省钱的团队,上线前去控制台确认一下。

两张价目表,和一张对不上的成绩单

Kimi K3.1 Pro Qwen4-Max
输入 / 输出(美元每百万 token) 2 / 10 1.5 / 4.5(新加坡国际站)
缓存命中 0.20 0.075(隐式缓存)
输出上限 1M 131,072;开思考时含思考 262,144
推理档位 low / high / max,默认 max low / high / xhigh,默认 high
Artificial Analysis 智能指数 比 Qwen4-Max 高 3 分 43
AA 单题成本 2.11 美元 3.27 美元
Terminal-Bench 4.0 67.2% 48.5(阿里发布会图表)

标价上 Qwen 全面便宜:输入便宜 25%,输出便宜 55%,缓存命中价不到 Kimi 的四成。

可单题成本是反过来的。

Artificial Analysis 跑完整套智能指数题,Qwen4-Max 平均每题 3.27 美元,K3.1 Pro 是 2.11 美元。单价便宜一半的模型,每道题反而贵了 55%。

AA 没有把这 3.27 美元拆开,但它给了两个线索。一是输出量,Qwen4-Max 在整套评测里吐了 1.27 亿个输出 token,同级模型的中位数是 7860 万,AA 直接把它标成「非常啰嗦」。二是输入量,整套评测吃进去 99 亿个输入 token,智能体类题目会反复把上下文喂回去,这部分在单价表上看不出来。

这里要补一句公道话:Kimi 的 2.11 美元是 10 月底测的,Qwen 的 3.27 美元是今天的,中间 AA 的指数版本可能有过更新,两个数字不能当成同一张卷子上的严格对比。但量级的差别不会因为版本小改就翻过来。

阿里说的六成,和 AA 测的那一成

阿里给的口径是:完成单个任务的平均费用比上一代降了六成。具体数字是在自家 Work360 评测集上,从 Qwen3.8-Max 的 4.43 美元降到 1.67 美元,降幅 62%;同一个评测上 token 用量少了大约 24% 到 35%,Terminal-Bench 4.0 上少了接近一半。到了第三方那里,降幅缩水明显。Artificial Analysis 测出来的是智能指数比 Qwen3.8-Max 高 9 分,单任务成本只低了约 11%。

Work360 是阿里自己设计的评测集,覆盖 26 个一级领域、700 多个细分专业,到今天为止还没有外部机构复跑过。我倾向于把 62% 理解成「在阿里认为典型的任务上、缓存吃满时」的上限,而把 11% 当成迁移前做预算的保守值。

账要按保守值算。

K3.1 Pro 那二十分,Qwen 补不上

如果你的智能体主要在终端里干活,连续敲命令、改文件、跑测试,那这次迁移大概率是亏的。

Terminal-Bench 4.0 上,K3.1 Pro 的厂商自报 65.7%,AA 复测 67.2%,两边对得上。Qwen4-Max 在阿里自己的发布会图表上是 48.5,同一张图上 Claude Opus 5.5 是 59.6。差了将近 19 个百分点,而且这还是阿里自己愿意放出来的数字。

阿里的强项在别处。它自报的 DeepSWE v1.1 从上一代的 69.3 涨到 75.7,HealthBench Professional 从 39.6 涨到 60.0,Image-to-WebDev Arena 拿了 1674 分排第六。看图写网页、医疗问答、修 GitHub 上的 issue,是它这次进步最大的几块。

两边擅长的方向几乎不重叠。所以「换不换」不是一个整体问题,而是按任务类型拆开回答的问题。

Kimi 身上那几笔糊涂账

迁移的动力,有时候不在新模型多好,而在旧模型有多让人不放心。K3.1 Pro 留下的几个坑,迁走了就不用再管:

多轮对话中途改推理档位,前缀缓存会整个失效。很多智能体习惯简单步骤降档、难的步骤升档,放在 Kimi 上,每切一次就把 0.20 美元的缓存价换回 2 美元原价。另外,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,官方没有公开解释差额从哪来。

Kimi Code 里模型名敲错一个字符,不会报错,而是退回一个没有思考能力的旧模型。

AA-Omniscience 上它的幻觉率是 43.9%。

这些问题在 Qwen 身上目前没有公开案例,但 Qwen4-Max 今天才正式上线,预览版 11 月 11 日起只在 Token Plan 里开放,真正大规模调用的用户还没几天。没有翻车记录,不等于不会翻车,只是还没人踩到。

开源这件事,两家都没法指望

网上有一种说法:反正国产模型都开源,选哪家都能留条私有化部署的后路。

这条后路在这两个型号上都不成立。Qwen4-Max 是闭源的,只有 API,阿里说的是 Qwen4 系列里的中小尺寸会陆续开源,Max 不在其中。K3.1 Pro 号称 3 万亿参数,上一代 K3 是 2.8 万亿,FP8 就要一整台 8 卡机,社区 1-bit 量化版还有 570GB,绝大多数公司的机房装不下。

数据不能出内网的团队,这两个都不是答案。

按任务分流,而不是整体替换

我的处理方式是在网关层按任务类型分流,不做一刀切的替换。

终端编程、需要长时间自主操作命令行的智能体,留在 K3.1 Pro,把推理档位固定住、单次输出设上限。那 19 个点的差距是实打实的成功率。

看截图写前端、读文档做问答、需要稳定格式的抽取任务,切到 Qwen4-Max,温度调低,缓存前缀尽量固定,把 0.075 美元的缓存价吃满。这部分是它标价优势真正能兑现的地方。

切过去的第一周,把 AA 那 1.27 亿输出 token 的提醒放在心上:给单次请求设一个输出上限,每天对一次账,看实际单题成本落在 1.67 美元和 3.27 美元之间的哪一头。

这一周的账单,比任何发布会上的百分比都更能说明它值不值得换。

站内入口:Kimi、通义千问、Qoder。

相关对比:《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》、《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》、《LongCat-2.5、GLM-5.3、DeepSeek V4.1 Flash:美团那张 31 行的成绩单,自家一列全是自测分》

© 版权声明

相关文章

Kimi K3.1 Pro 迁到 Qwen4-Max:标价便宜一半,第三方测的每道题反而贵了 55% 暂无评论

none
暂无评论...