服务对象与地域限制
PuppyIP 仅面向海外合规企业及其授权人员提供服务，不面向中国大陆地区开放或提供代理服务。本服务仅限用于中国大陆境外的合法业务活动，严禁在中国大陆境内使用本服务。
代理 IP 或服务器位于境外，不改变上述限制。不得通过中转、转接、共享或转售向中国大陆境内的最终使用者提供本服务。使用前请阅读用户服务协议。
本文要点
- AWS 于 11 月 6 日发布上线公告，模型卡另列 11 月 4 日为模型发布日期并标记为 Active；两项日期各自说明其来源，不据此推断 GA 或 Preview 状态。
- 模型卡支持的接入端点是 bedrock-runtime，并推荐新 Kimi 应用使用 Chat Completions；基础模型 ID、US、India 和 Global 推理配置文件使用不同 ID。
- 公开 Standard 价格按百万 token 计费，Global 与 US/India 的输入、输出和缓存单价不同；Priority/Flex 对印度费率的乘数基准没有说明。
- 所列来源区域均不支持 In-Region；Converse 有多轮推理内容和 PDF/HTML 附件限制，输出 token 的 10 倍配额消耗不等于账单乘以 10。
公告时间与模型卡日期分别看
AWS 于 2026 年 11 月 6 日宣布，Moonshot AI 的 Kimi K3.1 Pro - Highspeed 已可通过 Amazon Bedrock 使用。模型卡把 11 月 4 日列为模型发布日期，并将生命周期标为 Active；这两个日期描述的是不同记录，不能据此补写 GA 或 Preview 状态。
AWS 模型卡将它描述为 Moonshot AI 的开放权重模型，并转述其原生图像能力与 1 百万 token 上下文等说明。这里是厂商能力描述，不是本文做过的基准测试，也不构成特定任务质量或速度保证。
先选 Runtime API，再核对模型 ID
模型卡支持 bedrock-runtime，并推荐新 Kimi 应用使用 Chat Completions API；Responses、InvokeModel 和 Converse 也列为支持的 API。bedrock-mantle 不受支持，卡片所列端点中也没有可用的 In-Region 模式。
基础模型 ID 是 moonshotai.kimi-k3.1；跨区配置文件 ID 分别是 us.moonshotai.kimi-k3.1、in.moonshotai.kimi-k3.1 和 global.moonshotai.kimi-k3.1。模型卡图标标示图像与文本输入、文本输出受支持；音频输入、嵌入输出、语音输入或输出、图像输出和视频输入不受支持。
跨区可用性取决于请求源区域
模型卡列出的 32 个 bedrock-runtime 来源区域都不支持 In-Region，Global 均受支持。US Geo 可从 us-east-1、us-east-2、us-west-1、us-west-2、ca-central-1 和 ca-west-1 发起；India Geo 可从 ap-south-1 和 ap-south-2 发起。
其余列出的来源区域仅显示 Global 可用：eu-central-1、eu-central-2、eu-north-1、eu-south-1、eu-south-2、eu-west-1、eu-west-2、eu-west-3、ap-east-2、ap-northeast-1、ap-northeast-2、ap-northeast-3、ap-southeast-1、ap-southeast-2、ap-southeast-3、ap-southeast-4、ap-southeast-5、ap-southeast-6、ap-southeast-7、il-central-1、me-central-1、me-south-1、af-south-1 和 sa-east-1。
US Geo 的目的区域随来源区域而变：大多数美国来源会路由到 us-east-1、us-east-2 和 us-west-2；us-west-1 来源还包括自身。加拿大来源 ca-central-1 或 ca-west-1 的目的区域包含该加拿大区域以及上述三个美国区域；India Geo 则在 Mumbai 与 Hyderabad 两区之间路由。模型卡的叙述称 US 配置文件只在美国区域路由，但加拿大来源的目的区域表还包含加拿大区域，因此不能承诺所有来源的 us. 配置文件都只在美国境内路由。
Global 可路由到受支持的商业 AWS 区域，不承诺数据驻留；请求所用 AWS 区域也不等同于读者居住地或账号资格。若驻留要求影响选择，应从实际请求源区域调用 GetInferenceProfile 核对当前目的区域；本文没有执行该调用。
按公开 Standard 费率估算 token 成本
模型卡公布的 Standard 价格均按每百万 token 计：Global 输入 4.00 美元、输出 20.00 美元、缓存读取 0.20 美元、30 分钟缓存写入 5.00 美元；US 与 India 均为输入 4.40 美元、输出 22.00 美元、缓存读取 0.22 美元、30 分钟缓存写入 5.50 美元。
模型卡还列出 Priority 为相应 Standard 基率的 1.75 倍、Flex 为 0.5 倍，并明确乘数适用于 Global 或 US CRIS 的 Standard 基率；India 的乘数基准没有说明，不应自行套用。Standard、Priority 和 Flex 标为支持，Reserved 未标为支持；服务层级参数因 API 而异，Converse 使用 serviceTier 对象，其余所列 API 使用 service_tier。
仅作算术示例：Global Standard 下，1,000 个未缓存输入 token 加 100 个输出 token 对应 0.006 美元，不含缓存、其他费用或税费。这是按公布单价计算的假设值，不是实测成本、账号账单或最终报价。
缓存、推理强度与配额要分开核算
模型默认支持隐式提示缓存；显式缓存可用于 Responses、Chat Completions 和 InvokeModel，不支持在 Converse 中显式设置。缓存检查点至少需要 256 个 token，保留时间（TTL）至少 30 分钟；这些条件不保证每次命中，本文没有测量缓存命中率或节省金额。
推理强度默认是 max，可选 none、low、medium、high、xhigh 和 max；minimal 不支持。Responses 使用 reasoning.effort，Chat Completions 与 InvokeModel 使用 reasoning_effort；Converse 虽接受该字段，却不为此模型验证其取值。
bedrock-runtime 对输出 token 的配额消耗系数为 10 倍，即 1 个输出 token 消耗 10 个配额 token；这只描述配额扣减，不是账单乘数，也不能换算成通用的每日 7 亿 token 额度。实际账号配额可能不同，需查看该账号的 Service Quotas。
Converse 的兼容边界与上线前核对
AWS 建议在适用时优先使用 OpenAI 兼容的 Responses 或 Chat Completions。Converse 的已知问题包括：多轮请求带入先前轮次的 reasoning 内容时可能返回 InternalServerException，LangChain 和 Strands Agents 的默认配置也可能受到影响；使用 Converse 多轮时，应从历史消息中移除先前的 reasoning blocks。
Converse 会拒绝附加的 PDF 或 HTML 文档，且模型不支持视频输入。图文混合请求把图像块放在文本块之前可能得到更好的回答，但效果取决于提示，应按自己的任务测试；图像 detail 的 low/high 设置仅由 Chat Completions 接受，Responses 始终按 high 处理。
实际接入前，先确认账号身份具有所需授权，按请求源区域核对配置文件与当前路由，再用预期 API、服务层级和缓存策略估算成本，并查看账号配额。本文依据公开公告、模型卡和已保存表格整理，没有访问 AWS 账号、调用推理 API 或验证账户级开通情况。
资料来源
常见问题
1 百万 token 上下文是否意味着一次最多能生成 1 百万 token？
不能据此推断。模型卡说明的是上下文窗口大小，并未在本文所依据的资料中给出最大输出 token 数；应另外核对目标 API 的请求限制。
可以保留 Global 配置文件 ID，却直接按 US 费率做预算吗？
应按实际使用的推理配置文件和服务层级估算。模型卡分别列出 Global、US 与 India 的费率；如果计划改用另一配置文件，还应核对实际请求源区域是否支持它，而不是只替换预算中的单价。