Kimi K3.1 Pro Meluncur Lebih Murah daripada Pendahulunya Sendiri: $2/$10 dan Lembar Benchmark yang Lebih Kasar

Moonshot AI merilis Kimi K3.1 Pro pada 24 Oktober 2026, dan angka paling berdampak dalam peluncuran ini bukanlah yang ada di grafik tolok ukur. Angka itu ada di kartu tarif: $2,00 per juta token masukan dan $10,00 per juta token keluaran, dibandingkan $3,00 dan $15,00 untuk Kimi K3 yang menjadi dasarnya. Penerus yang sepertiga lebih murah daripada pendahulunya cukup tidak biasa untuk dijadikan pembuka, karena tidak seperti skor tolok ukur, hal itu tidak bergantung pada harness siapa yang menjalankan pengujian. Jika Anda sudah membayar untuk Kimi K3, alasan untuk melakukan peningkatan dimulai dari tagihan yang lebih kecil.

Angka kedua adalah yang Moonshot ingin Anda perhatikan: 65,7% pada Terminal-Bench 4.0, dibandingkan 58,2% untuk GPT-6 Astra dan 66,4% untuk Claude Opus 5.5. Itu menempatkan model baru ini di posisi kedua pada tabel milik vendor itu sendiri, bukan pertama. Ini adalah hal yang jujur untuk diterbitkan pada hari peluncuran, dan itu memberi tahu Anda sesuatu tentang bagaimana rilis ini diposisikan. Kimi K3.1 Pro tidak dijual sebagai model terkuat di dunia. Model ini dijual sebagai model yang lebih murah yang cukup dekat dengan garis depan untuk menang pada biaya per tugas yang diselesaikan.

Apa yang sebenarnya berubah antara K3 dan K3.1 Pro

Moonshot secara eksplisit menyatakan bahwa ini adalah rilis pasca-pelatihan, bukan arsitektur baru. Perusahaan menyebut Kimi K3.1 Pro sebagai versi pasca-pelatihan dari Kimi K3 yang dilatih dengan komputasi pasca-pelatihan yang jauh lebih besar, termasuk pembelajaran penguatan bersama berskala besar di ratusan domain hilir. Jendela konteks tidak berubah pada 1.048.576 token. Input visi dan video tidak berubah. Batas atas output 1 juta token tidak berubah.

Dalam praktiknya, itu berarti pengetahuan dan kapasitas penalaran model dasar tetap merupakan aset yang sama seperti sebelumnya; perbedaannya terletak pada perilaku. Moonshot mengatakan bahwa mereka merombak kerangka kerja RL, inferensi konteks panjang, efisiensi pelatihan, infrastruktur sandbox, penjadwalan rollout, dan pemeriksaan kualitas lingkungan untuk memungkinkan proses pascapelatihan tersebut. Itu adalah klaim rekayasa tentang bagaimana model dibuat, dan sulit diverifikasi dari luar. Klaim perilaku lebih mudah diuji, dan di situlah angka peluncuran berada.

Jumlah parameter adalah area tempat bahasa vendor menjadi ambigu. Moonshot menyebutnya model open-weight kelas 3T. Laporan dari peluncuran menempatkan backbone pada 2,8 triliun parameter total dengan sekitar 104 miliar aktif, yang merupakan konfigurasi mixture-of-experts yang sama dengan Kimi K3. Keduanya bisa benar: "kelas 3T" adalah frasa positioning, dan 2,8T dibulatkan ke dalamnya. Yang penting untuk tagihan dan latensi Anda adalah jumlah aktif, dan tidak ada bukti jumlah aktif berubah.

Lembar benchmark, dan seberapa besar kita bisa mempercayainya

Moonshot menerbitkan hasil dari 14 evaluasi coding, sains, dan pekerjaan pengetahuan. Polanya konsisten: peningkatan besar pada tugas-tugas yang dilatih oleh perusahaan, hampir setara dengan frontier tertutup pada tugas lainnya, dan satu pengungkapan yang disengaja tentang regresi.

• Coding di garis terdepan — Terminal-Bench 4.0: Kimi K3.1 Pro 65,7%, Claude Opus 5.5 66,4%, GPT-6 Astra 58,2%. Dijalankan oleh vendor.

• Pengodean cakrawala panjang — Kimi Code Bench 3.0 Long-horizon: 61,2% untuk K3.1 Pro dibandingkan 55,95% untuk Kimi K3. Ini adalah perbandingan pendahulu paling bersih dalam rangkaian ini, dan juga yang paling dikendalikan vendor, karena benchmark dan harness-nya keduanya milik Moonshot.

• 3D dan CAD — BenchCAD dengan alat: 92,7 untuk K3.1 Pro, 96,2 untuk Opus 5.5, 95,9 untuk GPT-6 Astra, 92,6 untuk Claude Fable 5.1. Tanpa alat: 72,8, dibandingkan dengan 73,0 untuk Opus 5.5 dan 60,6 untuk Fable 5.1. Sebaran dengan alat cukup sempit sehingga urutannya bisa berubah jika dijalankan ulang.

• Halusinasi — Kimi Hallu Bench Hard: tingkat per klaim sebesar 8,3% dengan alat, turun dari 23,4% untuk Kimi K3. GPT-6 Astra memperoleh 5,5% dan Opus 5.5 15,0%. Tanpa alat, tingkatnya 5,4%, dibandingkan 4,2% untuk Astra dan 6,8% untuk Opus.

• Keuangan dan operasi — Frontier Finance 58,6; Financial Modeling internal 57,6 berbanding 50,4 untuk K3; Financial Research internal 70,4 berbanding 58,8; Business Operation internal 37 berbanding 8,9. Tiga yang terakhir adalah evaluasi Moonshot sendiri, jadi mengukur peningkatan pada tugas-tugas pilihan perusahaan, bukan posisi di arena publik.

• Regresi — xdev-bench-hard pass@3 adalah 81,0%. Sebuah checkpoint yang dilatih tanpa langkah-langkah pengurangan risiko perusahaan memperoleh skor 90,5% pada tes yang sama. Moonshot menerbitkan selisih itu dan mengaitkannya dengan kerja keselamatan yang tertarget serta kontrol data pelatihan. Apa pun pendapat Anda tentang trade-off tersebut, mengungkapkan biaya kemampuan sebesar 9,5 poin bukanlah cara sebuah pos peluncuran biasanya terbaca.

Ringkasan jujurnya adalah bahwa ini adalah angka yang dilaporkan vendor tanpa replikasi independen sejauh ini. Kimi K3 memiliki Artificial Analysis Intelligence Index 57 saat peluncurannya pada Juli, dan tidak ada skor pihak ketiga yang setara untuk K3.1 Pro pada hari peluncuran. Harness sangat berpengaruh di sini: hasil Terminal-Bench bergeser puluhan poin tergantung pada scaffolding, sehingga 65,7% dan 58,2% yang dihasilkan oleh laboratorium berbeda pada harness berbeda bukanlah pengukuran yang bersih atas selisih 7,5 poin. Anggaplah tabel itu sebagai klaim tentang arah, bukan besaran.

Apa dampak nyata pemotongan harga terhadap sebuah beban kerja

Harga API tetap sama di seluruh jendela 1 juta token, tanpa biaya tambahan untuk konteks panjang. Kartu lengkapnya, dalam dolar AS per juta token:

• Kimi K3.1 Pro — $2,00 input, $10,00 output, $0,20 cache hit, $2,00 penulisan cache pada TTL lima menit, $4,00 pada TTL satu jam.

• Kimi K3.1 Pro Highspeed — input $4.00, output $20.00, cache hit $0.20, cache write $4.00 dan $8.00. Model yang sama, kecepatan output dua hingga tiga kali lipat, konsumsi kuota sekitar dua kali lipat di Kimi Code.

• Kimi K3 — $3,00 masukan, $15,00 keluaran, $0,30 cache hit, $3,00 dan $6,00 penulisan cache.

Permintaan yang membaca 1M token input dan menulis 200K token output berbiaya $6.00 pada Kimi K3 dan $4.00 pada Kimi K3.1 Pro. Tambahkan caching prompt yang realistis, dan selisihnya tetap sekitar sepertiga, karena harga cache-hit juga turun dari $0.30 menjadi $0.20. Bagi agen yang membaca ulang repositori besar atau dokumen keuangan panjang pada setiap giliran, itu adalah perbedaan antara alur kerja yang menutup biayanya sendiri dan yang tidak. Moonshot secara efektif menetapkan harga peningkatan ini sebagai pemotongan margin alih-alih premi, sebuah langkah yang aneh untuk model yang baru saja mencatat angka yang lebih baik hampir di semua tempat — dan langkah yang menyenangkan bagi siapa pun yang tagihan K3-nya menjadi alasan mereka membanding-bandingkan.

Ada jebakan dalam mekanikanya. Kimi K3.1 Pro selalu berpikir: reasoning tidak dapat dimatikan, dan field reasoning_effort menerima low, high, atau max, dengan default max. Parameter sampling ditetapkan pada temperature 1.0 dan top_p 0.95, dan memberikan nilai lain akan menghasilkan error. Mengubah reasoning effort di tengah percakapan membatalkan hit prefix-cache, yang secara diam-diam menaikkan biaya efektif loop penyetelan yang Anda rencanakan. Harga token yang lebih murah itu nyata; alur kerja yang lebih murah bergantung pada seberapa sering Anda berubah pikiran di tengah konteks.

Di mana Anda dapat menjalankannya, dan tanggal yang lebih penting daripada peluncuran

Kimi K3.1 Pro sudah tersedia di aplikasi konsumen Kimi di web, iOS, Android, dan HarmonyOS, di Kimi Work versi desktop 3.1.0 atau lebih baru, serta di Kimi Code melalui pemilih model. Di API, model ini tersedia sebagai kimi-k3.1-pro dan kimi-k3.1-pro-highspeed melalui platform milik Moonshot sendiri, dengan opsi retensi data nol dan akses perusahaan nonaktif secara default saat peluncuran. Model ini juga muncul melalui platform inferensi pihak ketiga, yang wajar untuk model sebesar ini dan tidak menunjukkan seberapa baik platform mana pun melayaninya.

Tanggal yang lebih penting adalah 4 November 2026. Moonshot mengatakan bobot model lengkap akan dirilis pada saat itu. Itulah yang membuat deskripsi "open-weight" lebih dari sekadar pemasaran, dan itu juga titik ketika kisah biaya berubah lagi: menghosting sendiri model mixture-of-experts berparameter 2,8T tidaklah murah, tetapi lisensi yang permisif menghilangkan meteran per token bagi siapa pun yang memiliki GPU. Sampai bobotnya tersedia, perbandingan harga di atas adalah keseluruhan perbandingan.

Satu catatan operasional lagi untuk tim yang masih menggunakan generasi K2: halaman harga Moonshot menyatakan bahwa model seri K2 tidak lagi tersedia bagi pengguna yang baru mendaftar pada 31 Oktober 2026, dan dijadwalkan dihentikan pada akhir Desember. Jika Anda menggunakan K2.6 atau K2.7 Code, keputusan migrasi dibuat untuk Anda, dan K3.1 Pro adalah tujuan yang dituju.

Haruskah Anda beralih pada hari pertama?

Jika beban kerja Anda adalah coding, penggunaan alat agentik, atau pengerjaan dokumen keuangan, kombinasi harga yang lebih rendah dan skor yang dilaporkan vendor yang lebih baik merupakan alasan yang jelas untuk melakukan uji coba. Jika beban kerja Anda adalah pengambilan konteks panjang dengan prompt yang stabil, harga cache-hit adalah angka yang perlu dimodelkan, dan itu juga menguntungkan model baru.

Jika jalur produksi Anda bergantung pada pengambilan sampel yang dapat direproduksi, baca batasan parameter tetap sebelum Anda bermigrasi. Temperature 1.0 bukan default netral untuk setiap tugas, dan model yang menolak menerima nilai berbeda merupakan jenis dependensi yang berbeda daripada model yang menerimanya.

{{1}}Dan jika Anda membutuhkan bukti independen, tunggulah.{{/1}} Belum ada pihak di luar {{2}}Moonshot{{/2}} yang menerbitkan evaluasi {{3}}K3.1 Pro{{/3}}. Angka-angka peluncurannya konsisten secara internal dan secara tidak biasa terbuka mengenai regresi terkait keselamatan, tetapi itu tetap merupakan vendor yang menilai pekerjaan rumahnya sendiri. Model semurah ini akan cepat diuji; hasil harness independen pertama itulah yang akan memberi tahu Anda apakah {{4}}65.7%{{/4}} bertahan saat berhadapan dengan scaffolding orang lain.

Bagi tim yang sudah merutekan lalu lintas melalui OrcaRouter, perubahan praktisnya lebih kecil daripada yang disiratkan peluncuran ini. Katalog kami memuat kimi/kimi-k3 hari ini dengan harga daftar Moonshot dengan 0% markup, sehingga sisi K3 dari perbandingan ini sudah aktif pada kunci yang sama dengan seluruh stack Anda. Kimi K3.1 Pro belum ada di katalog pada saat tulisan ini dibuat; ketika ditambahkan nanti, berpindah dari satu generasi ke generasi lainnya hanyalah perubahan string model, bukan kontrak kedua dan SDK baru. Pemotongan harga adalah alasan untuk peduli, dan model pass-through adalah alasan mengapa hal itu akan muncul di sisi kami pada angka yang sama dengan yang dipublikasikan Moonshot, bukan angka yang sudah ditandai naik.

Peluncuran dalam satu paragraf

Kimi K3.1 Pro adalah peningkatan pasca-pelatihan untuk Kimi K3, dijual pada dua pertiga harga model lama, dengan lembar tolok ukur dari vendor yang kuat, peningkatan nyata dalam pengendalian halusinasi, regresi terkait keselamatan yang diungkapkan pada satu uji pengodean adversarial, dan belum ada verifikasi independen. Peluncuran ini benar-benar layak diberitakan karena harganya dan komitmen bobotnya, bukan karena model ini merupakan arsitektur baru. Tanggal yang perlu ditandai adalah 4 November, saat bobot dijadwalkan dirilis dan evaluasi luar serius pertama mulai berdatangan.