Kimi K3.1 Pro vs Kimi K3: Tulang Punggung Sama, Harga Lebih Rendah, dan Tagihan Pasca-Pelatihan yang Jatuh Tempo

Kimi K3.1 Pro bukan model baru sebagaimana Kimi K3 merupakan model baru. Rilis Moonshot AI pada 24 Oktober 2026 secara eksplisit merupakan versi pasca-pelatihan dari Kimi K3 dengan komputasi pasca-pelatihan yang jauh lebih besar — arsitektur yang sama, konteks 1.048.576 token yang sama, visi native yang sama, dan serangkaian perilaku berbeda yang ditambahkan melalui pembelajaran penguatan di ratusan domain hilir. Yang membuat perbandingan ini menarik bukanlah selisih pada tabel benchmark. Yang menarik adalah bahwa model yang lebih baru dan lebih baik ini berbiaya sepertiga lebih rendah per token daripada model yang lebih lama.

Inversi itu cukup langka sehingga layak diperiksa dengan saksama. Biasanya sebuah lab merilis model yang lebih kuat dengan harga yang sama dan membiarkan model lama bergeser ke segmen pasar yang lebih rendah. Moonshot melakukan sebaliknya: mereka mempertahankan harga lama untuk model lama dan memangkas harga model baru menjadi $2.00 untuk input dan $10.00 untuk output per juta token, dibandingkan dengan $3.00 dan $15.00 milik Kimi K3. Memahami alasannya menuntut kita memisahkan apa yang sebenarnya berubah pada model dari apa yang berubah dalam bisnis di sekitarnya.

Arsitektur tersebut tidak bergerak

Kimi K3 hadir pada 16 Juli 2026 sebagai model terbuka pertama di kelas 2,8 triliun parameter: desain mixture-of-experts dengan sekitar 104 miliar parameter aktif, 896 pakar dan 16 yang diaktifkan per token, jendela 1 juta token, pemahaman gambar dan video native, pemanggilan alat, caching prompt, dan penalaran bawaan. Bobotnya menyusul pada 27 Juli di bawah lisensi yang mengizinkan penggunaan, modifikasi, distribusi, dan fine-tuning, dengan perjanjian terpisah yang diperlukan bagi penyedia model-as-a-service yang memperoleh lebih dari $20 juta per tahun dan atribusi yang diwajibkan untuk produk komersial yang sangat besar.

Kimi K3.1 Pro mempertahankan semuanya. Moonshot menyebut model baru ini "3T-class", yang merupakan bahasa positioning; laporan dari peluncuran menempatkannya pada total 2,8 triliun dan 104 miliar aktif yang sama. Batas konteks, dukungan visi, dan batas output 1 juta token tidak berubah. Jika Anda berharap jumlah parameter aktif yang lebih hemat atau jendela yang lebih panjang, ini bukan rilis itu.

Yang berubah adalah pelatihan setelah pra-pelatihan. Moonshot menjelaskan pembelajaran penguatan bersama berskala besar di ratusan domain, yang didukung oleh infrastruktur sandbox yang dirombak, penjadwalan rollout, dan pemeriksaan kualitas lingkungan. Dengan kata sederhana, perusahaan tersebut menghabiskan banyak daya komputasi untuk mengajari model yang ada agar berperilaku lebih baik dalam tugas-tugas agentic dan profesional, bukan untuk mengajarinya lebih banyak fakta. Itulah sebabnya peningkatan terkonsentrasi di area yang memang terlihat.

Apa yang dikatakan angka-angka, dan di mana perbandingannya kurang kuat

Lembar tolok ukur dari vendor tersebut memang luas — 14 evaluasi — tetapi ini bukanlah perbandingan berpasangan yang bersih. Moonshot hanya menerbitkan angka Kimi K3 untuk sebagian dari tes-tes baru, sehingga beberapa selisih paling dramatis justru dibandingkan dengan rangkaian uji internal mereka sendiri, bukan dengan tolok ukur publik yang telah dijalani kedua model.

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

• Halusinasi — Tingkat klaim Kimi Hallu Bench Hard turun dari 23,4% pada Kimi K3 menjadi 8,3% dengan alat pada Kimi K3.1 Pro. Tanpa alat, model baru mencetak 5,4%. Moonshot juga mengatakan respons yang mengandung setidaknya satu kesalahan faktual kini sebesar 42,4% dari tingkat pendahulunya. Untuk pekerjaan yang banyak dokumen, ini adalah peningkatan paling berdampak dalam rilis ini.

• Keuangan dan operasional bisnis — Financial Modeling internal 57,6 dibandingkan 50,4, Financial Research 70,4 dibandingkan 58,8, Business Operation 37 dibandingkan 8,9. Yang terakhir merupakan peningkatan empat kali lipat pada tugas yang model lamanya hampir tidak berfungsi. Ini adalah evaluasi Moonshot sendiri, jadi anggap besaran ini sebagai indikasi arah.

• 3D dan CAD — BenchCAD dengan alat 92,7, tanpa alat 72,8. Moonshot tidak mempublikasikan angka Kimi K3 untuk tes ini, sehingga peningkatannya tidak terukur dalam posting peluncuran meskipun skor absolutnya kuat.

• Pemrograman adversarial — pass@3 xdev-bench-hard adalah 81.0% untuk Kimi K3.1 Pro, dibandingkan 33.3% untuk Kimi K3 dan 85.7% untuk DeepSeek-V4.1-Flash-1017. Sebuah checkpoint yang dilatih tanpa tindakan pengurangan risiko perusahaan memperoleh 90.5%, dan Moonshot mengaitkan selisih 9.5 poin itu dengan upaya keselamatan dan kontrol data pelatihan.

• {{1}}Posisi di garis depan{{/1}} — {{2}}Terminal-Bench 4.0{{/2}} sebesar 65.7%, di belakang {{3}}Claude Opus 5.5{{/3}} sebesar 66.4% dan di depan {{4}}GPT-6 Astra{{/4}} sebesar 58.2%. {{5}}BenchCAD{{/5}} dengan alat sebesar 92.7 tertinggal dari {{6}}Opus{{/6}} sebesar 96.2 dan {{7}}Astra{{/7}} sebesar 95.9. Polanya konsisten: dekat dengan garis depan, jarang berada di puncaknya.

Tidak satu pun dari ini terverifikasi secara independen. Kimi K3 hadir dengan Artificial Analysis Intelligence Index sebesar 57, saat itu ketiga di dunia setelah Claude Fable 5 dan GPT-5.6 Sol, dan tidak ada skor pihak ketiga yang setara untuk K3.1 Pro pada hari peluncurannya. Masalah harness bukanlah hipotetis: skor Terminal-Bench dapat bergeser hingga puluhan poin bergantung pada scaffolding, itulah sebabnya angka 65,7% dan 58,2% yang dihasilkan di laboratorium berbeda bukanlah pengukuran atas selisih 7,5 poin. Arahnya kredibel; besarnya belum.

Inversi harga adalah cerita yang sebenarnya

Kimi K3 diluncurkan sebagai model Tiongkok termahal di pasar, dengan harga $3,00 untuk input dan $15,00 untuk output per juta token, sekitar tiga hingga empat kali lipat generasi K2. Penetapan harga itu adalah taruhan yang disengaja bahwa kemampuan, bukan biaya, yang akan memenangkan beban kerja frontier. Kimi K3.1 Pro membalik arah pada model yang lebih baru sambil membiarkan harga lama tetap utuh.

• Input — $2.00 per juta pada K3.1 Pro dibandingkan $3.00 pada K3, potongan 33%.

• Keluaran — $10.00 dibandingkan $15.00, juga 33%.

• Cache hit — $0.20 dibandingkan $0.30, potongan 33% pada pos yang mendominasi beban kerja agen.

• Penulisan cache — $2.00 dan $4.00 pada TTL lima menit dan satu jam, dibandingkan dengan $3.00 dan $6.00.

• Varian Highspeed — $4.00 dan $20.00, dengan harga cache-hit $0.20 yang sama; kecepatan output dua hingga tiga kali lipat, kuota di Kimi Code sekitar dua kali lipat.

Aritmetikanya cukup sederhana untuk dihitung di atas serbet. Permintaan yang membaca 1 juta token input dan menulis 200 ribu token output berbiaya $6,00 pada Kimi K3 dan $4,00 pada Kimi K3.1 Pro. Agen yang membaca ulang repositori besar setiap putaran dan mendapatkan cache hit 70% dari waktu membayar sekitar $4,11 pada K3 dan $2,74 pada K3.1 Pro untuk bentuk panggilan yang sama. Jika model baru juga selesai dalam lebih sedikit putaran — yang merupakan inti dari pelatihan cakrawala panjang — biaya per tugas yang diselesaikan turun lebih besar daripada yang disiratkan oleh harga token.

Mengapa harganya dipangkas? Penjelasan yang paling mungkin bersifat kompetitif, bukan kedermawanan. Model dengan 2,8T parameter mahal untuk dilayani, dan pasar untuk model yang mendekati frontier sepanjang 2026 terus bergerak menuju konvergensi harga. Jadwal pensiun K2 milik Moonshot sendiri menambah tekanan: model seri K2 tidak lagi tersedia bagi pengguna baru pada 31 Oktober 2026 dan dijadwalkan dipensiunkan pada akhir Desember. Menetapkan harga K3.1 Pro di bawah K3 memberi setiap pelanggan K2 alasan untuk bermigrasi ke atas daripada mencari di tempat lain. Harga K3 yang lebih lama tetap seperti sekarang karena tidak ada orang yang sudah menganggarkannya yang membutuhkan diskon untuk tetap bertahan.

Ketika Kimi K3 masih menjadi jawaban yang tepat

Tiga kasus bertahan dalam perbandingan. Yang pertama adalah self-hosting saat ini: bobot Kimi K3 telah dipublikasikan sejak 27 Juli, sedangkan bobot Kimi K3.1 Pro baru dijanjikan pada 4 November 2026. Jika deployment Anda tidak dapat memanggil API yang di-hosting, model yang lebih baru belum menjadi opsi, apa pun yang dikatakan lembar benchmark.

Yang kedua adalah stabilitas perilaku. Model yang telah di produksi selama tiga bulan memiliki profil kegagalan yang diketahui. Kimi K3.1 Pro mengubah perilaku penalaran secara desain, dan mode berpikirnya yang selalu aktif dengan default upaya maksimal bukanlah pengganti langsung untuk setiap pipeline. Tim dengan rangkaian evaluasi yang ketat harus mengharapkan penetapan baseline ulang, bukan sekadar mengganti string.

Yang ketiga adalah kontrol sampling. Kimi K3.1 Pro menetapkan temperature pada 1.0 dan top_p pada 0.95 serta menolak nilai lain; mengubah reasoning effort di tengah percakapan juga membuat hit cache prefiks tidak berlaku. Jika aplikasi Anda bergantung pada determinisme suhu rendah, periksa apakah model lama memberi Anda kontrol yang tidak diberikan model baru sebelum menganggap peningkatan versi itu gratis.

Keputusan migrasi, tanpa sensasi

Untuk agen coding, penggunaan tool dalam jangka panjang, riset keuangan, dan verifikasi dokumen, alasan untuk beralih sangat kuat: skor yang dilaporkan vendor lebih baik tepat di area-area tersebut, harga lebih rendah pada setiap baris penagihan, dan tingkat halusinasi yang turun sekitar dua pertiga. Risikonya adalah semua itu dilaporkan sendiri, jadi jalur yang masuk akal adalah evaluasi bayangan (shadow evaluation) pada tugas Anda sendiri sebelum memindahkan traffic produksi.

Untuk pembuatan batch dan pengambilan konteks panjang, harga cache-hit adalah angka yang penting, dan itu menguntungkan model baru sebesar sepertiga. Bagi siapa pun yang terpaku pada bobot terbuka, kalender yang menentukan: 4 November adalah tanggal paling awal perbandingan itu menjadi nyata.

Peran OrcaRouter dalam hal ini sengaja dibuat tidak glamor. Katalog kami sudah memuat kimi/kimi-k3 hari ini dengan harga daftar dari Moonshot tanpa markup 0%, pada kunci yang sama dengan seluruh stack Anda, sehingga sisi lama dari perbandingan ini sudah bisa dipanggil tanpa kontrak kedua. Kimi K3.1 Pro belum ada di katalog pada saat penulisan ini. Saat nanti tersedia, model pass-through berarti $2/$10 di atas adalah yang Anda bayar di sini, bukan versi reseller-nya, dan berganti generasi hanyalah perubahan string model di dalam kebijakan routing, bukan sebuah proyek migrasi.

Vonis

Kimi K3.1 Pro adalah model yang lebih baik sekaligus lebih murah, yang membuat rekomendasinya mudah dan buktinya lebih tipis daripada yang terlihat. Moonshot telah meningkatkan perilaku yang penting untuk kerja agentic dan profesional, memangkas setiap lini harga sebesar sepertiga, dan mengungkap regresi terkait keselamatan yang pada umumnya akan disembunyikan oleh sebagian besar postingan peluncuran. Yang belum dilakukannya adalah menyerahkan hasilnya ke harness independen. Jika Anda sudah menggunakan Kimi K3, peningkatan ini akan mengembalikan biayanya lewat tagihan sebelum mengembalikannya lewat benchmark. Jika Anda menunggu bukti, bobot model dan evaluasi pihak luar pertama keduanya akan tersedia dalam dua minggu — dan saat itulah perbandingan ini berhenti menjadi klaim vendor dan menjadi pengukuran.