Kimi K3.1 Pro Highspeed API 发布了：kimi-k3-1-pro-highspeed 的价格、六个推理档和怎么调用

Q: 模型 ID 是什么？

kimi-k3-1-pro-highspeed。在 Bedrock 上调用时，modelId 用控制台给出的完整 ID；OpenAI 兼容入口里用上面这个。

Q: TeamoRouter 上现在能用吗？

还不能。kimi-k3-1-pro-highspeed 还没进我们的目录，现在调会失败。上线后同一个 Key、同一个 Base URL，把 model 换成它就行。目前目录里没有 Moonshot 的同厂商模型可以先用。

先说结论

Moonshot AI 在 2026 年 11 月 4 日发布 Kimi K3.1 Pro，11 月 10 日把这个模型搬上 Amazon Bedrock 时，一起公布了 Highspeed 变体。模型 ID 是 kimi-k3-1-pro-highspeed。

关键数字，全部来自这次发布材料：

速度：Highspeed 的输出速度是 K3.1 Pro 的 2 到 3 倍。
上下文：100 万 token，和 K3.1 Pro 一样。
Bedrock 标准层价（每 100 万 token，Global 跨区域档）：输入 $4.00、输出 $20.00、缓存读 $0.20、缓存写（30 分钟）$5.00。
推理档位：none、low、medium、high、xhigh、max，默认 max。
能力：工具调用、结构化输出、图片输入、流式输出、可配置推理。
接口：OpenAI 兼容的 Chat Completions 和 Responses，或 Bedrock 的 Converse 和 Invoke。

TeamoRouter 上还没有 kimi-k3-1-pro-highspeed。 上线后同一个 Key、同一个 Base URL，把 model 换成 kimi-k3-1-pro-highspeed 就行。目前我们目录里也没有 Moonshot 的其它模型，所以现在没有同厂商的替代品可以换。

这次发布的是什么

K3.1 Pro 是 Kimi K3 的后训练版本：架构和上下文窗口都没动，还是 3T 级的开放权重模型，但后训练算力加了很多。官方的说法是，多加的算力主要投在长程 agent 任务和减少事实错误上，具体改进落在财务建模、办公文档，以及给游戏引擎、3D 场景和 CAD 脚本写代码这几块。

Highspeed 不是另一个模型，是同一个模型的快版本：输出快 2 到 3 倍，上下文、能力、接口都不变。11 月 10 日起在 Amazon Bedrock 上可用，提供三个推理 profile：

Global 跨区域：路由到任意受支持的商业 AWS 区域。
US 跨区域：路由限制在美国境内。
India 跨区域：路由限制在印度境内，请求在 Mumbai 和 Hyderabad 之间分流。

后两个是给数据驻留要求用的。另外，推理数据留在 AWS 的数据边界内，不共享给 Moonshot AI，也不用来训练模型；推理请求始终开着零数据保留，AWS 运维人员看不到 prompt 和补全内容。

已经在 Bedrock 上跑 Kimi K3 的实现，换个模型 ID 就能切过来。AWS 建议优先用 Chat Completions。

支持什么，不支持什么

支持的能力，官方列得很清楚：

工具调用：和 K3 走同一套接口，不用换 endpoint。
结构化输出：直接约束成 JSON 之类的格式。
可配置推理：六个档位，见下面一节。
图片输入：可以喂图。
流式输出：逐 token 返回。

不支持或者有坑的地方，同样要提前知道：

不支持视频输入，Bedrock 上这个模型没有视频能力。
Converse 不收 PDF 和 HTML 附件，要处理这类文档得走别的路径。
Converse 的多轮请求有个坑：如果请求里带上了前面几轮的 reasoning 内容，可能直接返回 500 内部错误，LangChain 和 Strands Agents 的默认配置都会踩到。解法是发多轮请求前把历史的 reasoning block 删掉。
显式缓存不支持 Converse，只在 Responses、Chat Completions 和 Invoke 上能用。每个缓存断点前面至少要跟 256 个 token 的稳定内容。
输出 token 会吃配额：在 bedrock-runtime 上，每个输出 token 消耗账户配额里的 10 个 token。这是容量问题，和账单是两回事。

价格

先把口径说清楚：下面是 Amazon Bedrock 标准层的价格，按推理 profile 分，单位是每 100 万 token、美元。Moonshot 自有渠道的 API 定价不在这次发布材料里，这里不猜。

推理 profile	输入	输出	缓存读	缓存写（30 分钟）
Global 跨区域	$4.00	$20.00	$0.20	$5.00
US 跨区域	$4.40	$22.00	$0.22	$5.50
India 跨区域	$4.40	$22.00	$0.22	$5.50

除了标准层，还有两档，按请求单独选：

Flex：价格是标准层的一半，代价是响应可能更慢。适合评测、摘要、后台 agent 这类不着急的活。
Priority：加价 75%，换更稳的延迟，留给延迟敏感的调用。

缓存这块有两个细节值得注意：缓存读是打折的，而且不计入输入 token 的每分钟配额；缓存写比普通输入贵。 所以提示缓存要留给真正会重复的内容——系统指令、工具定义、仓库约定这类，别把一次性内容也塞进去。

另外一个成本上的暗坑：默认推理档是 max。不做任何设置就跑，token 消耗会按最高档走。

六个推理档怎么选

官方支持的取值是 none、low、medium、high、xhigh、max，默认 max。

档位	行为
`none`	关掉推理，这次请求不想
`low`	想得最少，延迟和 token 最省
`medium`	中等
`high`	较深
`xhigh`	很深
`max`（默认）	最深，token 花得最多

低档位的代价很直接：延迟和 token 消耗降下来了，任务表现也跟着降。所以对成本敏感的服务，第一件事就是把档位从默认的 max 往下调，然后用自己的评测找能达到质量要求的最低档。反过来说，长程 agent 任务、复杂的多步推理，就别为了省钱硬压到 none。

怎么调用

模型还没上 TeamoRouter，下面这段是上线后的调用方式：现在就可以照着接进代码，但运行时还调不通，别拿它当可用状态测试。

OpenAI 兼容格式，地址和 Key 都用你现在的：

python

from openai import OpenAI

client = OpenAI(base_url="https://api.teamorouter.com/v1", api_key="你的 TeamoRouter Key")
resp = client.chat.completions.create(
    model="kimi-k3-1-pro-highspeed",
    messages=[{"role": "user", "content": "把这段 CAD 脚本改成参数化的：..."}],
)
print(resp.choices[0].message.content)

同一套 OpenAI 兼容接口也提供 Responses 形式：

bash

curl https://api.teamorouter.com/v1/responses \
  -H "Authorization: Bearer $TEAMOROUTER_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "kimi-k3-1-pro-highspeed", "input": "用一句话解释什么是长程 agent 任务"}'

厂商原生的那边，也就是 AWS 自己的入口，用的是 Bedrock 的 Converse API：

python

import boto3

client = boto3.client("bedrock-runtime", region_name="us-east-1")
resp = client.converse(
    modelId="kimi-k3-1-pro-highspeed",  # Bedrock 上的完整 modelId 以控制台为准
    messages=[{"role": "user", "content": [{"text": "把这段 CAD 脚本改成参数化的：..."}]}],
    inferenceConfig={"maxTokens": 2048},
)
print(resp["output"]["message"]["content"][0]["text"])

Converse 的两个注意事项前面提过，这里再强调一次：多轮请求先删掉历史 reasoning block，PDF 和 HTML 附件它不收。另外，控制推理档位的参数只在 Responses、Chat Completions 和 Invoke 上完整可用。

现在先用什么

kimi-k3-1-pro-highspeed 还没上 TeamoRouter。 现在拿这个 ID 去调会失败，不是 Key 或 Base URL 的问题。

等它上线，同一个 Key、同一个 Base URL，只把 model 换成 kimi-k3-1-pro-highspeed 就行，别的代码不用动——它走的是标准的 OpenAI 兼容路径，不是独立接口。

在它上线之前，我们目录里没有 Moonshot 的同厂商模型可以顶替，K3、K3.1 Pro 也一样没有。所以不用费劲去找「换哪个 Kimi 先用」——没有可换的。这段时间继续用你手头已经在跑的模型就行，等 kimi-k3-1-pro-highspeed 进了目录再切，切的时候还是那套：同一个 Key，改 model。

怎么付费

TeamoRouter 没有订阅：控制台充值余额，$5 起，每次请求按用掉的 token 从余额扣费，支持银行卡，也可以用 USDT、USDC 或 ETH 转账充值。同一个 Key 还能调 Claude 和 GPT 模型。

新账号余额为 0，先充值再调用。 第一次请求前先充值，$5 起。如果请求返回 402（OpenAI 兼容格式为 400）、提示「钱包余额不足」，说明余额为 0，不是 Base URL 或 Key 配错了，充值后重试即可。

常见问题

Kimi K3.1 Pro Highspeed 发布了吗？

发布了。K3.1 Pro 在 2026 年 11 月 4 日发布，Highspeed 变体在 11 月 10 日随 Amazon Bedrock 上线一起公布。

模型 ID 是什么？

kimi-k3-1-pro-highspeed。在 Bedrock 上调用时，modelId 用控制台给出的完整 ID；OpenAI 兼容入口里用上面这个。

多少钱？

按 Bedrock 标准层、每 100 万 token：Global 档输入 $4.00、输出 $20.00、缓存读 $0.20、缓存写 $5.00；US 和 India 档是输入 $4.40、输出 $22.00、缓存读 $0.22、缓存写 $5.50。Flex 是标准层的一半，Priority 加价 75%。

和 K3.1 Pro 是同一个模型吗？

是。同一个模型的两个速度版本，Highspeed 的输出快 2 到 3 倍，上下文、能力、接口都没有区别。

上下文窗口多大？

100 万 token。K3.1 Pro 是 Kimi K3 的后训练版本，架构和上下文窗口都保留了。

能读视频吗？

不能。视频输入不支持；另外通过 Converse 调用时不收 PDF 和 HTML 附件。

TeamoRouter 上现在能用吗？

还不能。kimi-k3-1-pro-highspeed 还没进我们的目录，现在调会失败。上线后同一个 Key、同一个 Base URL，把 model 换成它就行。目前目录里没有 Moonshot 的同厂商模型可以先用。

文中模型的实时价格

Kimi K3.1 Pro价格、时延、可用率 →

继续阅读

全部文章