Kimi K3.1 Pro 在 Felo API 上：能力、基准、定价与设置
Kimi K3.1 Pro 在 Felo API 上的详细指南：其百万级上下文、视觉输入、编程与金融表现、定价及 API 设置。
Kimi K3.1 Pro 现已通过 Felo API 提供。如果你计划将其用于编程代理、视觉流程或大规模文档集的研究，本指南涵盖了集成前需要了解的细节：K3.1 Pro 相较 K3 的变化、公开评测的实际表现、Felo 支持的输入类型，以及如何选择两种提供商通道。
Felo 公共模型 ID 为 kimi-k3.1-pro。你可以在 Felo 模型目录中查看并在 Playground中测试。
Kimi K3.1 Pro 一览
| 细节 | 当前可用内容 |
|---|---|
| 模型 | Moonshot AI 首款 K3.1 系列旗舰，基于 Kimi K3 的后训练版本 |
| Felo 模型 ID | kimi-k3.1-pro |
| 上下文窗口 | 1,048,576 tokens（约 100 万） |
| 输入 | 文本、图片和视频 |
| 输出 | 文本；可为 3D 流程编写代码，但模型调用不会直接返回 3D 资产或生成视频 |
| 推理 | 默认启用；Felo 提供 max、high、low 和 none 四档推理强度，默认 max |
| 推荐 Felo 协议 | Messages，POST https://openapi.felo.ai/api/v1/messages |
| Felo 提供商通道 | Moonshot AI MXFP4 和 Moonshot AI Highspeed |
这些为 Felo 当前模型列表中的字段。大上下文窗口为容量上限，并不保证百万 token 提示中的每个事实都能被完美记忆。生产环境下，请测试实际计划使用的长度、输入格式和推理设置。
Kimi K3 有哪些变化？
Moonshot 将 K3.1 Pro 定义为 K3 的后训练版本，在多种下游任务上进行了更多后训练计算和强化学习。这一区别很重要。官方声明提升体现在编程、代理、视觉和知识工作任务上；并未声称 K3.1 拥有全新基础架构。Felo 的 K3.1 Pro 模型页对模型及其支持的 API 路由进行了总结。
K3 本身为 2.8 万亿参数、3T 级专家混合模型。其公开设计采用 Kimi Delta Attention 和 Attention Residuals，具备原生视觉理解和百万 token 上下文窗口。K3.1 Pro 基于 K3 构建，这些架构信息有参考价值；Moonshot 尚未发布完整 K3.1 权重或单独的架构说明。在 Felo 上了解 K3 架构与规格。
实际变化体现在模型能完成的任务上。Moonshot 报告称其在长程编程、3D 建模、金融研究和事实准确性压力测试中表现提升。K3.1 Pro 还提供 Highspeed 服务选项，Moonshot 表示其速度约为常规版本的 2–3 倍，模型能力保持一致。更快通道的 token 单价更高，见下文。
公开入门价格也有变化。Felo 将 K3 定价为每百万输入 token $3、输出 token $15。K3.1 Pro 的 MXFP4 通道分别为 $2 和 $10。新模型低价通道的输入或输出 token 单价比旧版低三分之一。实际节省需结合所用通道和延迟对比。
模型优势领域
长程编程与代理
K3.1 Pro 能处理超越单段代码的任务。Moonshot 示例包括多文件开发、调试、前端构建、游戏引擎开发和需反复检查与修订的工具辅助任务。Kimi Code Bench 3.0 Long-horizon 得分从 K3 的 55.95% 提升到 K3.1 Pro 的 61.2%。在 Terminal-Bench 4.0 上，K3.1 Pro 得分为 65.7%。
对工程团队来说，关键在于模型能否在不丢失上下文的情况下修改仓库：读取正确文件、提出补丁、运行相关检查、测试失败时能恢复。给出典型问题，评估最终 diff 和测试结果。仅有完善计划并不代表任务已完成。
图片、视频与 3D 工作
Felo 路由支持 文本、图片和视频输入，输出文本。K3.1 Pro 可用于解释截图、对比帧、基于视觉参考推理，或为 3D 建模流程编写代码和脚本。模型端点不会直接生成图片、视频或 3D 文件。生成资产需将模型输出对接自有工具或生成流程。
Moonshot 报告 BenchCAD with tools 得分 92.7%，该测试要求通过生成 CAD 代码从多视角渲染重建 3D 物体。公开示例还包括 Blender 和 CAD 脚本、Three.js 场景、Unity、Unreal Engine 和 Godot 的应用。这些示例展示了可评估的工作类型，并不意味着所有工具都能通过 API 请求直接调用。
金融研究与建模
Moonshot 报告 OfficeQA Pro v2 得分 64.4，该测试涵盖金融文档分析，包括检索、跨文档核查和数值推理。Moonshot 内部评测中，K3.1 Pro 金融研究得分 70.4（K3 为 58.8），金融建模得分 57.6（K3 为 50.4）。这些为任务分数，并非投资回报或所有金融问题的准确率。
适合用受控语料测试：年报、申报、财报材料，并要求模型引用具体段落并展示计算过程。保留原始文档和算式以便复查。在涉及金融决策的流程中，仍需独立核查。
长文档与多步研究
百万 token 窗口让应用可提交远超普通对话请求的内容：代码、转录、报告、图片、对话历史可共享同一上下文。模型也可通过工具调用参与多步代理流程。但上下文容量与代理行为为不同能力。长提示仍需明确任务、文档结构和答案核查方式；代理仍需开发者提供工具并处理结果。
研究任务可先让模型识别相关来源，再要求带页码或章节引用及不确定点列表。结构化输出比长篇总结更易发现错误。
Moonshot 和 Felo 还描述了可扩展至数百并行子代理的多代理编排。这为围绕模型构建的代理系统能力，单次 API 响应无法独立实现。开发者需协调工人、工具、预算和最终审核。查看 Felo 模型说明。
如何解读基准分数
Moonshot 公告包含多项评测。下表覆盖不同类型任务，未将不同测试混为一项排名。
| 评测 | K3.1 Pro | Moonshot 报告对比 | 测试内容 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | Claude Opus 5.5: 66.4%；GPT-6 Astra: 58.2% | 终端任务编程代理，任务特定测试 |
| Kimi Code Bench 3.0 Long-horizon | 61.2% | K3: 55.95% | Moonshot 内部多步编程基准 |
| BenchCAD with tools | 92.7% | Claude Opus 5.5: 96.2%；GPT-6 Astra: 95.9% | 多视角渲染生成 CAD 代码 |
| 金融研究（内部） | 70.4 | K3: 58.8 | 证据支撑的金融研究 |
| 金融建模（内部） | 57.6 | K3: 50.4 | 表格公式、金融逻辑与模型质量 |
| Kimi Hallu Bench Hard | 8.3% 事实级幻觉率 | K3: 23.4%；越低越好 | 高难度事实准确性压力测试 |
所有数据来自 Moonshot AI K3.1 Pro 技术公告，非 Felo 评测。除非另有说明，Moonshot 报告 K3.1 Pro 结果均为 max 推理强度、temperature 1.0、top-p 0.95。不同基准测试使用不同评测框架，部分对比引用其他厂商公开结果。Kimi Code Bench 及两项金融分数为内部评测。可据此选择自有工作负载测试，而非假定生产环境通过率一致。Felo 也在其 模型页复现部分结果。
幻觉率需特别注意。8.3% 为 Kimi Hallu Bench Hard 的事实级幻觉率，该压力测试专为暴露错误设计。Moonshot 明确表示这不是模型日常错误率，仅为 K3 下该测试的改进证据，不能据此省略来源核查。
Felo API 定价与通道选择
Felo 为 kimi-k3.1-pro 提供两条 Moonshot AI 通道。以下为每 百万 token 的美元定价：
| Felo 通道 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
moonshotai-mxfp4 | $2 | $10 | $0.20 |
moonshotai-highspeed | $4 | $20 | $0.20 |
实时模型页为 Felo 价格来源。Highspeed 为 Felo 目录默认通道。如预算或延迟目标依赖特定路由，请显式发送 X-Felo-Channel，勿假定请求会用哪家通道。Felo 路由指南解释了该请求头及其回退机制。
例如，20 万未缓存输入 token 和 8,000 输出 token 的请求，MXFP4 约 $0.48（0.2 × $2 + 0.008 × $10），Highspeed 约 $0.96（0.2 × $4 + 0.008 × $20）。如 10 万输入 token 命中缓存，该部分无论通道均为 $0.02。缓存命中不保证，取决于上游服务和请求内容。Felo 定价指南解释了 token 与缓存计费方式。
以上为模型 token 估算。生产预算前请核查当前价格、用量记录及其他计费工具。Felo API 采用预付服务积分，无需订阅。阅读计费指南。
开始在 Felo 上使用 Kimi K3.1 Pro
- 创建 Felo API 密钥，如账户需充值则添加服务积分。
- 在 Playground 试用一次提示，内容尽量贴近实际应用。
- 将提示迁移到客户端，使用公共模型 ID。Felo 模型页推荐 Messages 端点协议。
以下请求固定低价 MXFP4 通道，定价选择明确：
export FELO_API_KEY="YOUR_API_KEY"
curl https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-H "X-Felo-Channel: moonshotai-mxfp4" \
-d '{
"model": "kimi-k3.1-pro",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Review this TypeScript refactor plan. Identify missing tests, risky changes, and the first file you would inspect."
}
]
}'
如需选择更快通道，将请求头改为 X-Felo-Channel: moonshotai-highspeed。如让 Felo 自动选择，可省略该头。Felo 在 Chat Completions、Responses、Messages 端点均接受该路由头。显式选择通道不会自动切换到其他提供商；如需切换，应用需自行重试。查看 Felo 路由文档。
SDK、流式、工具与推理
Felo 提供三种兼容模型调用方式。可选择应用已支持的协议：
| 客户端风格 | 端点 | SDK 基础 URL |
|---|---|---|
| OpenAI Chat Completions | /api/v1/chat/completions | https://openapi.felo.ai/api/v1 |
| OpenAI Responses | /api/v1/responses | https://openapi.felo.ai/api/v1 |
| Anthropic Messages | /api/v1/messages | https://openapi.felo.ai/api |
Anthropic 兼容 SDK 的基础 URL 截止于 /api，SDK 会自动补全 /v1/messages。Messages 协议需指定 max_tokens。添加 "stream": true 可接收 SSE 流式事件，需等待协议完成事件，不要将断开连接视为答案结束。Felo 协议指南介绍了请求格式与流式行为。
以上为平台级协议选项。迁移集成前请确认所需参数与模式组合在 K3.1 Pro 路由上可用。
Felo 为该模型列出 tools、tool_choice、结构化输出参数和推理控制。支持的推理强度为 max、high、low、none，默认 max。模型与协议支持可能不同，建议先测试所需参数组合。公开基准多用 max，降低推理强度为质量与成本实验，无法复现原分数。查看当前模型能力。
如需网页数据、计算器、仓库 shell 或 CAD 程序，请在应用中自行提供并操作工具。仅调用 kimi-k3.1-pro 不会执行外部工具或核查引用内容。
实用评测方案
K3.1 Pro 能力广泛，泛泛“哪个模型最好”测试参考价值有限。三组小型试验更具实用性：
- 编程： 提供真实问题及相关仓库上下文。要求补丁、测试和剩余风险简要说明。记录测试是否通过及所需工具轮数。
- 视觉或 3D： 提供参考图片或多视角，要求建模方案或脚本。由人工或渲染器检查尺寸和几何，而非仅看文本。
- 研究： 提供固定文档集和有标准答案的问题。要求来源位置、计算过程，证据缺失时需明确“未找到”。
如关注延迟，建议在两条 Felo 通道均运行。记录输入、输出、缓存 token、总成本和耗时。对比 K3 或其他模型时保持提示和工具一致。这样可基于每美元、每分钟完成的实际工作做决策，而非仅看基准分数。
注意的限制与发布状态
- 开源权重时间表： Moonshot 称 K3.1 Pro 为开源权重模型，但完整权重计划于 2026 年 11 月 4 日前发布。API 现已开放，勿将权重描述为已可下载。Felo 模型页注明计划发布日期。
- 输出格式： Felo 目前仅列出文本输出，即使输入包含图片或视频。生成资产需对接工具或其他生成端点。Felo 模型列表。
- 基准迁移： 内部分数、工具辅助测试和长程演示无法直接映射到一次性 API 调用。评测设置需贴合实际应用。
- 准确性： 改进后的幻觉率仍为压力测试下的错误率。高风险流程中需核查引用、计算和事实。
- 上下文与成本： 百万 token 窗口可支持极大请求，也可能带来高昂费用。需为实际提示、生成答案、重试和上下文重复计费；缓存读取仅在命中时计价。
Moonshot 还在 K3.1 Pro 发布中描述了针对网络攻防能力的定向训练控制。评估安全防御工作的团队应测试所需授权任务，勿仅凭通用编程结果推断表现。
常见问题
Kimi K3.1 Pro 与 Kimi K3 是同一模型吗？
不是。Moonshot 将 K3.1 Pro 定义为 K3 的后训练升级版，报告其在编程、3D 创作、金融研究和事实压力测试中表现提升。其保留百万 token 上下文和原生视觉理解能力。
Felo API 应用哪个模型 ID？
使用 kimi-k3.1-pro。在 Felo 上，MXFP4 和 Highspeed 为该公共模型 ID 的提供商通道；如需指定路由，请用 X-Felo-Channel 选择。
能否直接通过模型端点生成 3D 模型或视频？
模型可理解视觉输入，并为 3D 与视频流程编写方案、代码或脚本。Felo 目前将 文本 作为该模型端点输出模式。生成资产需用渲染器、设计工具或生成服务。
应选用 MXFP4 还是 Highspeed？
如主要关注 token 成本，建议优先用 MXFP4。如等待时间影响产品或代理循环，可测试 Highspeed。Moonshot 称 Highspeed 能力不变，速度约为 2–3 倍，Felo 公布的输入输出价格为 MXFP4 的两倍。
是否已可自托管完整模型？
Moonshot 计划于 2026 年 11 月 4 日前发布 K3.1 Pro 全部权重。请查阅官方发布页获取最新进展。Felo API 已可访问。
用自有工作负载试用
Kimi K3.1 Pro 适合结合长上下文、工具使用和视觉或文档证据的任务。其公开提升幅度明显，但判断是否适合自身需求，最快方法为运行代表性任务、检查结果，并比较 MXFP4 与 Highspeed 路由的总成本。
在 Felo API 上探索 Kimi K3.1 Pro →
本文还提供以下语言版本：English、日本語、한국어、繁體中文、हिन्दी、Français、العربية、Русский、اردو、Bahasa Indonesia、Deutsch、Tiếng Việt、Türkçe、Italiano、ไทย、Español、বাংলা、Português。