Kimi K3.1 Pro debutta a un prezzo inferiore rispetto al suo stesso predecessore: 2$/10$ e una scheda benchmark più irregolare

Moonshot AI ha rilasciato Kimi K3.1 Pro il 24 ottobre 2026, e il numero più importante del lancio non è sul grafico dei benchmark. È sul listino prezzi: 2,00 $ per milione di token in input e 10,00 $ per milione di token in output, contro 3,00 $ e 15,00 $ per Kimi K3 da cui deriva. Un successore che costa un terzo in meno del suo predecessore è abbastanza insolito da meritare il primo posto, perché a differenza di un punteggio di benchmark non dipende da chi ha eseguito il test. Se già paghi per Kimi K3, il caso di aggiornamento parte da una fattura più leggera.

Il secondo numero è quello che Moonshot vuole farti notare: 65,7% su Terminal-Bench 4.0, contro il 58,2% di GPT-6 Astra e il 66,4% di Claude Opus 5.5. Questo colloca il nuovo modello al secondo posto nella classifica dello stesso fornitore, non al primo. È una cosa onesta da pubblicare il giorno del lancio, e dice qualcosa su come è posizionata questa release. Kimi K3.1 Pro non viene venduto come il modello più forte al mondo. Viene venduto come un modello più economico, abbastanza vicino alla frontiera da vincere sul costo per attività completata.

Cosa è cambiato effettivamente tra K3 e K3.1 Pro

Moonshot è esplicita nel precisare che si tratta di un rilascio post-training, non di una nuova architettura. L'azienda definisce Kimi K3.1 Pro una versione post-addestrata di Kimi K3, addestrata con una quantità di calcolo per il post-training sostanzialmente maggiore, incluso un reinforcement learning congiunto su larga scala attraverso centinaia di domini applicativi. La finestra di contesto è invariata a 1.048.576 token. Gli input vision e video sono invariati. Il limite massimo di output di 1M token è invariato.

In pratica, ciò significa che le conoscenze e la capacità di ragionamento del modello di base sono le stesse risorse di prima; la differenza sta nel comportamento. Moonshot afferma di aver rielaborato il framework RL, l'inferenza su contesti lunghi, l'efficienza dell'addestramento, l'infrastruttura sandbox, la pianificazione dei rollout e i controlli di qualità degli ambienti per rendere possibile quella sessione di post-addestramento. Sono affermazioni ingegneristiche su come è stato realizzato il modello, e sono difficili da verificare dall'esterno. Le affermazioni sul comportamento sono più facili da testare, ed è lì che si trovano i numeri del lancio.

È sul conteggio dei parametri che il linguaggio del fornitore diventa scivoloso. Moonshot lo definisce un modello open-weight di classe 3T. Le informazioni diffuse al lancio collocano il backbone a 2,8 trilioni di parametri totali con circa 104 miliardi attivi, che è la stessa configurazione mixture-of-experts di Kimi K3. Entrambe le cose possono essere vere: "di classe 3T" è una formula di posizionamento, e 2,8T rientra nell'arrotondamento. Ciò che conta per la tua bolletta e la tua latenza è il conteggio degli attivi, e non ci sono prove che il conteggio degli attivi sia cambiato.

La scheda dei benchmark, e quanto fidarsene

Moonshot ha pubblicato i risultati di 14 valutazioni di programmazione, scienza e lavoro della conoscenza. Il quadro è coerente: grandi miglioramenti sui compiti per cui l'azienda addestra i modelli, quasi parità con la frontiera chiusa sul resto e una deliberata segnalazione di una regressione.

• {{1}}Programmazione all'avanguardia{{/1}} — {{2}}Terminal-Bench 4.0{{/2}}: {{3}}Kimi K3.1 Pro{{/3}} 65,7%, {{4}}Claude Opus 5.5{{/4}} 66,4%, {{5}}GPT-6 Astra{{/5}} 58,2%. Eseguito dal fornitore.

Programmazione a lungo orizzonte — Kimi Code Bench 3.0 Long-horizon: 61,2% per K3.1 Pro contro 55,95% per Kimi K3. Questo è il confronto con il predecessore più pulito della serie, ed è anche il più controllato dal fornitore, poiché sia il benchmark sia l'harness sono di Moonshot.

• 3D e CAD — BenchCAD con strumenti: 92,7 per K3.1 Pro, 96,2 per Opus 5.5, 95,9 per GPT-6 Astra, 92,6 per Claude Fable 5.1. Senza strumenti: 72,8, contro 73,0 per Opus 5.5 e 60,6 per Fable 5.1. La forbice con gli strumenti è abbastanza stretta da poter cambiare l'ordinamento in una nuova esecuzione.

• Allucinazione — Kimi Hallu Bench Hard: tasso a livello di affermazione dell'8,3% con gli strumenti, in calo dal 23,4% di Kimi K3. GPT-6 Astra registra il 5,5% e Opus 5.5 il 15,0%. Senza strumenti il tasso è del 5,4%, contro il 4,2% di Astra e il 6,8% di Opus.

• Finanza e operazioni — Frontier Finance 58.6; Financial Modeling interno 57.6 contro 50.4 per K3; Financial Research interno 70.4 contro 58.8; Business Operation interno 37 contro 8.9. Questi ultimi tre sono valutazioni interne di Moonshot, quindi misurano il miglioramento sui compiti scelti dall'azienda, non la posizione in un'arena pubblica.

• La regressione — xdev-bench-hard pass@3 è 81,0%. Un checkpoint addestrato senza le misure di riduzione del rischio dell'azienda ha ottenuto il 90,5% sullo stesso test. Moonshot ha pubblicato quel divario e l'ha attribuito a un lavoro mirato sulla sicurezza e ai controlli sui dati di addestramento. Qualunque cosa si pensi dello scambio, divulgare un costo di capacità di 9,5 punti non è il modo in cui di solito si legge un post di lancio.

Il riassunto onesto è che questi sono numeri dichiarati dai fornitori senza ancora repliche indipendenti. Kimi K3 aveva un Artificial Analysis Intelligence Index di 57 al lancio di luglio, e il giorno del rilascio non esisteva alcun punteggio equivalente di terze parti per K3.1 Pro. Qui l'harness conta enormemente: i risultati di Terminal-Bench variano di decine di punti a seconda dello scaffolding, quindi un 65,7% e un 58,2% prodotti da laboratori diversi con harness diversi non sono una misurazione pulita di un divario di 7,5 punti. Considera la tabella come un'affermazione sulla direzione, non sull'entità.

Che effetto ha davvero il taglio dei prezzi su un carico di lavoro

Il prezzo API è uniforme per l'intera finestra di 1M token, senza sovrapprezzo per il contesto lungo. La scheda completa, in dollari statunitensi per milione di token:

• Kimi K3.1 Pro — 2,00 $ input, 10,00 $ output, 0,20 $ cache hit, 2,00 $ cache write con TTL di cinque minuti, 4,00 $ con TTL di un'ora.

• Kimi K3.1 Pro Highspeed — $4.00 input, $20.00 output, $0.20 cache hit, $4.00 e $8.00 scritture cache. Stesso modello, da due a tre volte la velocità di output, circa il doppio del consumo di quota in Kimi Code.

• Kimi K3 — 3,00 $ input, 15,00 $ output, 0,30 $ cache hit, 3,00 $ e 6,00 $ scritture cache.

Una richiesta che legge 1M token di input e scrive 200K token di output costa $6,00 su Kimi K3 e $4,00 su Kimi K3.1 Pro. Aggiungendo una cache dei prompt realistica, il divario resta di circa un terzo, perché anche il prezzo per cache hit è sceso da $0,30 a $0,20. Per un agente che rilegge un grande repository o un lungo documento finanziario a ogni turno, questa è la differenza tra un flusso di lavoro che si ripaga da solo e uno che non lo fa. Moonshot ha di fatto prezzato l’aggiornamento come un taglio del margine anziché come un premium, una mossa strana per un modello che ha appena ottenuto numeri migliori quasi ovunque — e gradita per chiunque stesse cercando alternative proprio per via della bolletta di K3.

C'è un intoppo nella meccanica. Kimi K3.1 Pro pensa sempre: il reasoning non può essere disattivato, e il campo reasoning_effort accetta low, high o max, con valore predefinito max. I parametri di campionamento sono fissati a temperature 1.0 e top_p 0.95, e passare altri valori restituisce un errore. Modificare lo sforzo di reasoning a metà conversazione invalida i colpi di prefix-cache, il che aumenta silenziosamente il costo effettivo del ciclo di tuning che stavi pianificando di eseguire. Il prezzo più basso per token è reale; il flusso di lavoro più economico dipende da quanto spesso cambi idea a metà contesto.

Dove puoi eseguirlo, e la data che conta più del lancio

Kimi K3.1 Pro è disponibile nell'app consumer Kimi su web, iOS, Android e HarmonyOS, nella versione desktop di Kimi Work 3.1.0 o successiva e in Kimi Code tramite il selettore del modello. Tramite l'API è disponibile come kimi-k3.1-pro e kimi-k3.1-pro-highspeed attraverso la piattaforma proprietaria di Moonshot, con conservazione dei dati zero disponibile e accesso enterprise disattivato per impostazione predefinita al lancio. Sta comparendo anche tramite piattaforme di inferenza di terze parti, il che è normale per un modello di queste dimensioni e non dice nulla su quanto bene ciascuna di esse lo serva.

La data più importante è il 4 novembre 2026. Moonshot afferma che entro allora saranno rilasciati i pesi completi del modello. È questo che rende la descrizione "open-weight" qualcosa in più del marketing, ed è anche il punto in cui la questione dei costi cambia di nuovo: ospitare autonomamente un modello mixture-of-experts da 2,8T di parametri non è economico, ma una licenza permissiva elimina il contatore per token per chiunque disponga delle GPU. Finché i pesi non saranno disponibili, il confronto dei prezzi di cui sopra è l'intero confronto.

Ancora una nota operativa per i team che utilizzano ancora la generazione K2: la pagina dei prezzi di Moonshot indica che i modelli della serie K2 non saranno più disponibili per i nuovi utenti registrati a partire dal 31 ottobre 2026 e che il loro ritiro è previsto per la fine di dicembre. Se utilizzate K2.6 o K2.7 Code, la decisione di migrazione viene presa per voi, e K3.1 Pro è la destinazione prevista.

Dovresti cambiare fin dal primo giorno?

Se il tuo carico di lavoro riguarda la programmazione, l'uso di strumenti agentici o l'elaborazione di documenti finanziari, la combinazione di un prezzo inferiore e di un punteggio migliore dichiarato dal fornitore è un chiaro caso per una prova. Se invece si tratta di recupero a contesto lungo con prompt stabili, il prezzo per cache hit è il numero da modellare, e favorisce anche il nuovo modello.

Se il tuo percorso di produzione dipende da un campionamento riproducibile, leggi il vincolo sui parametri fissi prima di migrare. Temperature 1.0 non è un valore predefinito neutro per ogni attività, e un modello che rifiuta di accettare un valore diverso rappresenta un tipo di dipendenza diverso rispetto a uno che lo accetta.

E se ti serve una prova indipendente, aspetta. Nessuno fuori da Moonshot ha ancora pubblicato una valutazione di K3.1 Pro. I numeri del lancio sono coerenti al loro interno e insolitamente schietti sulla regressione legata alla sicurezza, ma provengono pur sempre dal fornitore che si dà i voti da solo. Un modello così economico verrà testato rapidamente; i primi risultati di un harness indipendente sono quelli che ti diranno se il 65,7% sopravvive al contatto con lo scaffolding di qualcun altro.

Per i team che già instradano attraverso OrcaRouter, il cambiamento concreto è più piccolo di quanto suggerisca il lancio. Il nostro catalogo include kimi/kimi-k3 oggi al prezzo di listino di Moonshot con 0% di ricarico, quindi il lato K3 di questo confronto è attivo sulla stessa chiave del resto del tuo stack. Kimi K3.1 Pro non è nel catalogo al momento della stesura; quando verrà aggiunto, passare da una generazione all'altra sarà un cambio di stringa del modello anziché un secondo contratto e un nuovo SDK. Il taglio di prezzo è il motivo per interessarsi, e il modello pass-through è il motivo per cui apparirà dalla nostra parte allo stesso numero che Moonshot pubblica, non maggiorato.

Il lancio in un paragrafo

Kimi K3.1 Pro è un aggiornamento post-training di Kimi K3, venduto a due terzi del prezzo del modello precedente, con una solida scheda di benchmark fornita dal produttore, un miglioramento reale nel controllo delle allucinazioni, una regressione dichiarata legata alla sicurezza su un test di coding avversariale e nessuna verifica indipendente finora. Il lancio è davvero una notizia per il prezzo e per l'impegno sui pesi, non perché il modello rappresenti una nuova architettura. La data da cerchiare in rosso è il 4 novembre, quando i pesi dovrebbero essere rilasciati e dovrebbero iniziare ad arrivare le prime valutazioni esterne serie.