Kimi K3.1 vs Kimi K3: Apa yang Dikatakan Bobot Terbuka yang Tidak Disampaikan Postingan Peluncuran

Kimi K3.1 Pro dan Kimi K3 kini hadir dengan 96 shard safetensors yang sama, 1,56 TB yang sama di disk, dan stack atensi yang berbeda. Konfigurasi di repositori baru Moonshot mendeskripsikan 93 lapisan sebagai "69 KDA + 24 Gated DSA". Konfigurasi di repositori Kimi K3, yang diterbitkan pada Juli, menyebut "69 KDA + 24 Gated MLA". Pos peluncuran Moonshot untuk Kimi K3.1 Pro, bertanggal 24 Oktober 2026, menyebut model yang lebih baru sebagai "versi pasca-pelatihan dari Kimi K3" dan sama sekali tidak menyebutkan pertukaran itu. Semua hal lain dalam perbandingan ini berada di hilir satu baris itu, termasuk alasan model yang lebih baru menjadi yang lebih murah.

Bobot modelnya sendiri tiba tanpa pengumuman. Blog Moonshot tidak memiliki entri setelah 24 Oktober. Satu-satunya commit di repositori itu bertanda waktu 2 November 2026, dua hari sebelum tenggat 4 November yang telah ditetapkan perusahaan bagi dirinya sendiri; apakah berkas-berkas itu dapat dibaca publik sebelum tenggat tersebut bukanlah sesuatu yang dicatat repositori. Yang dicatatnya adalah arsitektur, lisensi, dan inventaris — tepat hal yang tidak disertakan dalam pos peluncuran.

Pertukaran yang tidak disebutkan dalam pengumuman itu

Kartu model memuat pengakuan itu dalam catatan kaki, satu baris di bawah tabel spesifikasi yang sekilas tampak familier: "Dibandingkan dengan Kimi K3, kami menggantikan lapisan Gated MLA atensi penuh dengan lapisan Gated DeepSeek Sparse Attention (Gated DSA) untuk pemodelan konteks panjang yang lebih efisien."

Dua puluh empat dari 93 lapisan berubah. 69 lainnya tetap Kimi Delta Attention, mekanisme perhatian linear yang diperkenalkan Kimi K3, dan jumlah lapisan, jumlah expert, serta dimensi tersembunyi tidak diubah. Gated MLA adalah perhatian penuh dengan cache key-value terkompresi; Gated DSA memilih subset sparse token masa lalu untuk setiap query dan melakukan gating pada hasilnya. Perbedaan praktisnya terletak pada bagaimana model membelanjakan komputasi dan cache saat konteks bertumbuh, yakni bagian dari jendela 1 juta token yang muncul di tagihan serving Anda alih-alih di tabel benchmark.

Yang tidak diberikan oleh kartu ini adalah angka. Tidak ada angka token per detik, tidak ada perbandingan memori cache, tidak ada pengukuran latensi konteks panjang — hanya frasa "pemodelan konteks panjang yang lebih efisien." Pos peluncuran Moonshot tidak memberikan detail arsitektur sama sekali. Jadi klaim bahwa penggantian ini membuat apa pun lebih cepat, pada titik ini, merupakan pernyataan desain alih-alih pengukuran, dan belum ada pihak di luar Moonshot yang menerbitkan perbandingan serving antara kedua checkpoint tersebut.

Itu lebih penting daripada yang terdengar. Jika Anda menyetel batching, alokasi cache, atau pengelolaan konteks berdasarkan profil attention Kimi K3, checkpoint yang lebih baru bukanlah solusi drop-in di lapisan serving meskipun ia drop-in di lapisan API. API menyembunyikannya; deployment yang di-host sendiri tidak.

Apa yang sebenarnya menjadi kesamaan kedua checkpoint tersebut

Unduhan yang identik adalah petunjuk bahwa ini bukan model yang lebih besar. Setiap dimensi utama di bawah ini sama pada kedua kartu, dan inventaris file mengonfirmasinya:

• Total dan parameter aktif — total 2,8 triliun, 104 miliar aktif pada kedua model.

• Kedalaman — 93 lapisan, salah satunya padat, pada keduanya.

• Pakar — total 896, 16 dipilih per token, 2 dibagikan, pada keduanya.

• Kosakata — 160K token pada keduanya.

Visi — MoonViT-V2, 401 juta parameter, pada keduanya.

• Konteks — 1,048,576 token pada keduanya; halaman model kami sendiri mencantumkan keluaran maksimum 943,718 token untuk Kimi K3.1 Pro.

• Kuantisasi — bobot MXFP4 dan aktivasi MXFP8, pelatihan yang sadar kuantisasi, pada keduanya.

• Unduh — 96 shard safetensors dengan total 1,56 TB untuk setiap repositori.

• Modalitas masukan — kartu Kimi K3 mencantumkan teks, gambar, dan video; kartu Kimi K3.1 Pro mencantumkan teks dan gambar, sementara dokumentasi API juga mengiklankan video. Anggap klaim video sebagai belum terverifikasi sampai kode prosesor diuji.

Rilis point release yang mempertahankan jumlah parameter, perutean expert, dan ukuran file, serta mengubah 24 lapisan attention, adalah jenis rilis yang berbeda dari sebuah generasi baru. Rilis ini lebih mirip revisi arsitektur pertengahan siklus plus proses post-training berskala besar daripada model dasar baru, dan penetapan harganya mencerminkan hal itu.

Dua kartu tarif, dan faktur yang tidak turun sepertiga

Di atas kertas, model yang lebih baru lebih murah pada setiap lini. Kimi K3.1 Pro adalah $2.00 per juta token masukan dan $10.00 per juta token keluaran; Kimi K3 adalah $3.00 dan $15.00. Tingkat cache-hit turun dari $0.30 menjadi $0.20, penulisan cache dari $3.00 dan $6.00 menjadi $2.00 dan $4.00 pada TTL lima menit dan satu jam, dan varian Highspeed dengan $4.00 dan $20.00 menukar harga dengan kecepatan keluaran dua hingga tiga kali lipat. Inferensi batch pada Kimi K3.1 Pro ditagih sebesar 60% dari standar, atau $1.20 dan $6.00.

Soal tagihan, ceritanya berbeda. Kimi K3.1 Pro secara default bernalar dengan upaya maksimum, dan upaya maksimum menulis lebih banyak token. Perbandingan pengodean agentik dari Bito menemukan kedua model seri di 72% secara keseluruhan, sementara Kimi K3.1 Pro mengeluarkan sekitar 98.000 token keluaran dibandingkan 44.000 milik Kimi K3, memakan waktu 28 menit dibandingkan 17 menit, dan biayanya $4,28 dibandingkan $2,46 untuk sesi panjang. Uji analisis data Plotly bergerak ke arah sebaliknya dalam hal kualitas dan ke arah yang sama dalam hal biaya: 42 dari 43 tugas terselesaikan dibandingkan 35, dengan pengeluaran naik dari $5,01 menjadi $13,47 dan waktu median dari 43 detik menjadi dua setengah menit. Ultralytics, saat menguji anotasi otomatis, mengukur peningkatan 33% pada mAP50, 0,444 dibandingkan 0,334, naik dari peringkat 19 ke peringkat 9 dari 39 model.

Ketiganya adalah pengujian yang diterbitkan vendor pada sampel kecil, bukan evaluasi yang ditinjau sejawat, dan mereka tidak sepakat tentang seberapa lebih baik model baru itu. Mereka sepakat tentang arah biayanya: pemotongan sepertiga harga per token tidak bertahan pada model yang berpikir lebih lama. Anggarkan biaya per tugas yang diselesaikan, bukan per juta token.

Kedua sisi perbandingan ini dapat dipanggil dengan satu kunci. Kimi K3.1 Pro dirutekan sebagai kimi/kimi-k3.1-pro pada $2.00 dan $10.00 milik Moonshot, dan Kimi K3 sebagai kimi/kimi-k3 pada $3.00 dan $15.00, dengan harga daftar dari penyedia diteruskan dan tanpa markup tambahan, sehingga perubahan pada kartu tarif Moonshot langsung berlaku di sini pada hari yang sama. Itulah alasan spesifik mengapa ini masuk ke bagian harga, bukan footer: seluruh alasan untuk beralih adalah selisih harga, dan margin apa pun yang ditambahkan di atas harga daftar akan memakan sebagian penghematan sebelum Anda mengukur satu tugas pun.

Tabel benchmark bergeser di bawah kedua model.

Artificial Analysis membangun ulang Intelligence Index miliknya pada 27 Oktober 2026, dan pembangunan ulang ini lebih berdampak pada perbandingan ini daripada apa pun yang diterbitkan Moonshot. Pada indeks v5 saat ini, Kimi K3.1 Pro mencetak skor 46 dan berada di peringkat kesembilan, tertinggal dua belas poin dari Claude Opus 5.5 di 58, dengan Gemini 4 Carbon di 59, GPT-6 Astra di 57, dan GPT-6.1 Sol di 55 berada di atasnya. Pada indeks v4.3.2 sebelumnya, model yang sama mencetak skor 55 dan berada di peringkat keempat, terpaut tiga poin dari pemuncak.

Kedua angka tersebut bukan regresi, dan keduanya tidak dapat dibandingkan. Versi 5 memindahkan sekitar 60% indeks ke set held-out privat, menambahkan FrontierCode 2.0 dan Terminal-Bench-Science, menghapus SciCode dan AA-LCR, serta menaikkan panjang output median per tugas dari sekitar 35.000 token menjadi sekitar 59.000. Model yang menjawab secara singkat akan kehilangan posisi pada indeks yang kini memberi penghargaan pada pekerjaan agentic yang panjang. Kimi K3.1 Pro tetap menjadi model berperingkat tertinggi yang digambarkan vendornya sebagai open-weight.

Angka pendahulunya adalah jebakan. Kimi K3 mencetak skor 57 pada indeks v4 saat peluncuran dan menduduki peringkat ketiga. Angka 43,6 yang beredar untuk Kimi K3 (max) berasal dari snapshot agregator yang diambil sebelum peralihan ke v5, dan kami tidak dapat menemukan skor v5 yang dipublikasikan untuk Kimi K3 itu sendiri. Jadi "46 berbanding 43,6" bukanlah pasangan terkontrol, dan siapa pun yang menyajikan selisih itu sebagai kenaikan kemampuan yang terukur sedang mengurangkan melintasi dua instrumen. Yang dapat dikatakan lebih sempit: pada indeks saat ini, model yang lebih baru adalah model yang sudah diberi skor, dan ia berada di peringkat kesembilan.

Tabel milik vendor itu sendiri, yang merupakan instrumen berbeda lagi, menempatkan Kimi K3.1 Pro pada 65.7 di Terminal-Bench 4.0 versus 66.4 milik Claude Opus 5.5, 51.7 di SWE Marathon v1.1, 92.7 di BenchCAD dengan alat, 94.2 di GPQA-Diamond, dan 51.1 di HLE-Full. Titik lemahnya sama jelasnya: 38.1 di Terminal-Bench-Science berbanding 68.1 milik GPT-6 Astra, dan 39.4 di HLE-Diamond berbanding 60.9 untuk Opus 5.5. Moonshot menjalankan evaluasi coding melalui harness Claude Code pada upaya penalaran maksimum. Tidak ada satu pun dari itu yang telah direproduksi secara independen.

Angka berpasangan yang paling rapi dalam peluncuran ini adalah angka yang diukur Moonshot terhadap pendahulunya sendiri: Kimi Code Bench 3.0 Long-horizon pada 61,2% berbanding 55,95%, tingkat halusinasi pada tingkat klaim sebesar 8,3% berbanding 23,4% saat menggunakan alat, dan 81,0% berbanding 33,3% pada xdev-bench-hard. Tolok ukur internal yang sama dimiliki Moonshot, sehingga selisihnya konsisten tetapi tidak eksternal. Angka halusinasi adalah angka yang memiliki konsekuensi praktis paling luas dan paling sedikit mendapat dukungan.

Lisensi ini adalah lisensi Kimi K3 dengan satu nama yang diubah.

Kedua repositori menyertakan berkas lisensi berukuran sekitar tiga kilobyte, dan perbandingan baris demi baris menemukan satu perbedaan substantif: "Kimi K3.1-Pro" menggantikan "Kimi K3" dalam klausa atribusi. Selebihnya adalah dokumen yang sama.

Itu berarti ketentuannya sudah diketahui, bukan masih tertunda. Penggunaan, penyalinan, modifikasi, distribusi, sublisensi, dan penjualan diizinkan, dan fine-tuning secara eksplisit diperbolehkan. Bisnis yang menyediakan model-as-a-service dan memiliki pendapatan agregat melebihi $20 juta dalam rentang dua belas bulan berturut-turut mana pun harus menandatangani perjanjian terpisah dengan Moonshot sebelum penggunaan komersial. Produk dengan lebih dari 100 juta pengguna aktif bulanan atau pendapatan bulanan $20 juta harus menampilkan nama model secara mencolok. Penggunaan internal, serta penggunaan melalui produk resmi Moonshot atau mitra inferensi tersertifikasinya, dikecualikan dari kedua persyaratan tersebut.

Pengecualian untuk mitra tersertifikasi adalah klausul yang perlu dibaca dua kali jika Anda berencana menjual kembali akses. Ambang batas $20 juta diukur selama dua belas bulan bergulir, bukan per lini produk, dan "model sebagai layanan" didefinisikan cukup luas untuk mencakup API yang memberi pelanggan kendali atas input, parameter, atau data pelatihan — sekaligus mengecualikan produk akhir pengguna yang modelnya tertanam dalam suatu fitur, dan penerusan permintaan secara sederhana ke model yang dihosting di tempat lain.

Apa yang dibutuhkan untuk menjalankan salah satunya

Checkpoint MXFP4 1.56 TB bukanlah unduhan untuk workstation, dan kedua model sama-sama berat. Moonshot menunjuk tiga stack penyajian — resep vLLM, cookbook SGLang, dan TokenSpeed — dan ketiganya mengasumsikan deployment multi-node pada ukuran ini. Quantization-aware training sejak tahap supervised fine-tuning-lah yang menjaga file tetap di 1.56 TB, bukan sekitar 5.6 TB yang akan ditempati salinan BF16, dan kuantisasi itu sudah tertanam dalam skor di atas, bukan diterapkan setelahnya.

Konsekuensi praktis dari footprint yang identik adalah bahwa pertukaran arsitektur tidak memberikan keringanan perangkat keras. Jika Anda dapat melayani Kimi K3, Anda dapat melayani Kimi K3.1 Pro pada kelas klaster yang sama; Anda tidak dapat melayani keduanya pada satu node.

Mana yang harus dipilih

• Anda melakukan self-host dan stack Anda sudah disetel untuk Kimi K3 — lakukan benchmark ulang sebelum bermigrasi. Perubahan pada attention mengubah perilaku cache, dan satu-satunya klaim efisiensi yang menyertainya hanyalah satu kalimat di catatan kaki.

• Anda menggunakan API untuk pengkodean agentik, penggunaan alat jangka panjang, atau verifikasi dokumen — Kimi K3.1 Pro, dengan mengandalkan delta internal berpasangan dan kartu tarif yang lebih rendah, serta evaluasi bayangan terlebih dahulu.

• Anda memerlukan model dengan profil kegagalan yang sudah mapan — Kimi K3. Model ini telah digunakan di lingkungan produksi sejak Juli dan keanehannya didokumentasikan oleh orang lain. Model yang lebih baru mengubah perilaku penalaran secara desain.

• Anda perlu determinisme — periksa sebelum beralih. Kimi K3.1 Pro menetapkan temperature pada 1.0 dan top_p pada 0.95 serta menolak alternatif, dan mengubah reasoning effort di tengah percakapan membatalkan hit prefix-cache.

Ringkasan jujurnya adalah bahwa Kimi K3.1 Pro adalah model yang lebih baik daripada Kimi K3 pada hampir setiap dimensi yang diukur oleh vendor, sedikit lebih baik pada satu-satunya indeks independen yang telah menilainya, dan lebih mahal per tugas yang diselesaikan daripada yang tersirat oleh daftar tarifnya. Yang berubah minggu ini bukanlah putusannya, melainkan buktinya: checkpoint kini dapat dibaca, disajikan, dan diuji alih-alih dipercaya begitu saja, dan hal pertama yang dihasilkan dari membacanya adalah koreksi terhadap postingan peluncuran.