Kimi K3.1 Pro vs Kimi K3: Samma stomme, lägre pris – och en efterträningsräkning som förföll

Kimi K3.1 Pro är inte en ny modell på det sätt som Kimi K3 var en ny modell. Moonshot AI:s lansering den 24 oktober 2026 är uttryckligen en eftertränad version av Kimi K3 med betydligt större beräkningskraft för efterträning – samma arkitektur, samma kontext på 1 048 576 token, samma inbyggda vision och en annan uppsättning beteenden som fogats till genom förstärkningsinlärning över hundratals nedströmsdomäner. Det som gör jämförelsen intressant är inte skillnaden i prestandatabellen. Det är att den nyare och bättre modellen kostar en tredjedel mindre per token än den äldre.

Den inversionen är tillräckligt ovanlig för att vara värd att granska noggrant. Normalt lanserar ett labb en starkare modell till samma pris och låter den gamla glida nedåt på marknaden. Moonshot gjorde det motsatta: det behöll det gamla priset för den gamla modellen och sänkte priset för den nya till $2.00 för input och $10.00 för output per miljon tokens, mot Kimi K3:s $3.00 och $15.00. Att förstå varför kräver att man skiljer på vad som faktiskt förändrades i modellen och vad som förändrades i verksamheten runt den.

Arkitekturen flyttade sig inte

Kimi K3 lanserades den 16 juli 2026 som den första öppna modellen i klassen med 2,8 biljoner parametrar: en mixture-of-experts-design med ungefär 104 miljarder aktiva parametrar, 896 experter och 16 aktiverade per token, ett fönster på 1 miljon token, inbyggd bild- och videoförståelse, verktygsanrop, prompt-cachelagring och inbyggt resonemang. Vikterna släpptes den 27 juli under en licens som tillåter användning, ändring, distribution och finjustering, med ett separat avtal som krävs för leverantörer av modell-som-tjänst som tjänar mer än 20 miljoner dollar per år och med krav på attribuering för mycket stora kommersiella produkter.

Kimi K3.1 Pro behåller allt det. Moonshot kallar den nya modellen för "3T-klass", vilket är positioneringsspråk; rapporteringen från lanseringen anger den till samma 2,8 biljoner totalt och 104 miljarder aktiva. Kontexttaket, visionsstödet och gränsen på 1M-token för utdata är oförändrade. Om du hoppades på ett billigare antal aktiva parametrar eller ett längre fönster är detta inte den lanseringen.

Det som förändrades var träningen efter förträningen. Moonshot beskriver storskalig gemensam förstärkningsinlärning över hundratals domäner, med stöd av omarbetad sandlådeinfrastruktur, rollout-schemaläggning och kontroller av miljökvalitet. I klartext lade företaget en stor mängd beräkningskraft på att lära den befintliga modellen att bete sig bättre på agentiska och professionella uppgifter i stället för att lära den fler fakta. Det är därför förbättringarna klustrar sig där de gör.

Vad siffrorna säger, och var jämförelsen är tunn

Leverantörens benchmarköversikt är bred – 14 utvärderingar – men det är inte en renodlad parvis jämförelse. Moonshot publicerade Kimi K3-siffror för endast en delmängd av de nya testerna, så några av de mest dramatiska skillnaderna är mot deras egna interna testsviter snarare än mot ett offentligt benchmark som båda modellerna har genomfört.

• Långhorisontell kodning — Kimi Code Bench 3.0 Long-horizon: 61,2 % för Kimi K3.1 Pro mot 55,95 % för Kimi K3. Detta är den renaste siffran för föregångaren i lanseringen och även den mest leverantörskontrollerade, eftersom både benchmarken och testramverket tillhör Moonshot.

• Hallucination – frekvensen på påståendenivå för Kimi Hallu Bench Hard föll från 23,4 % på Kimi K3 till 8,3 % med verktyg på Kimi K3.1 Pro. Utan verktyg får den nya modellen 5,4 %. Moonshot säger också att svar som innehåller minst ett sakfel nu utgör 42,4 % av föregångarens frekvens. För dokumenttungt arbete är detta den mest betydelsefulla förbättringen i lanseringen.

• Finans och affärsverksamhet — interna Financial Modeling 57,6 mot 50,4, Financial Research 70,4 mot 58,8, Business Operation 37 mot 8,9. Det sista är en fyrdubbling på en uppgift där den gamla modellen knappt fungerade. Det här är Moonshots egna utvärderingar, så betrakta storleksordningen som riktningsgivande.

• 3D och CAD – BenchCAD med verktyg 92,7, utan verktyg 72,8. Moonshot publicerade inte siffrorna för Kimi K3 för detta test, så förbättringen är omätt i lanseringsinlägget trots att den absoluta poängen är stark.

• Adversariell kodning – xdev-bench-hard pass@3 är 81,0 % för Kimi K3.1 Pro, jämfört med 33,3 % för Kimi K3 och 85,7 % för DeepSeek-V4.1-Flash-1017. En checkpoint som tränats utan företagets riskreducerande åtgärder fick 90,5 %, och Moonshot tillskriver den skillnaden på 9,5 procentenheter säkerhetsarbete och kontroller av träningsdata.

• Position vid forskningsfronten – Terminal-Bench 4.0 på 65,7 %, bakom Claude Opus 5.5 på 66,4 % och före GPT-6 Astra på 58,2 %. BenchCAD med verktyg på 92,7 ligger efter Opus på 96,2 och Astra på 95,9. Mönstret är konsekvent: nära forskningsfronten, sällan i toppen av den.

Inget av detta är oberoende verifierat. Kimi K3 kom till världen med ett Artificial Analysis Intelligence Index på 57, tredje globalt vid den tidpunkten efter Claude Fable 5 och GPT-5.6 Sol, och ingen motsvarande tredjepartspoäng för K3.1 Pro fanns på lanseringsdagen. Problemet med testriggen är inte hypotetiskt: Terminal-Bench-poäng varierar med tiotals poäng beroende på vilket ramverk som används, vilket är anledningen till att 65,7 % och 58,2 % som tagits fram i olika labb inte är ett mått på en skillnad på 7,5 poäng. Riktningen är trovärdig; storleken är det inte ännu.

Prisinversionen är den verkliga historien

Kimi K3 lanserades som den dyraste kinesiska modellen på marknaden, med 3,00 USD för input och 15,00 USD för output per miljon tokens, ungefär tre till fyra gånger K2-generationen. Den prissättningen var en medveten satsning på att kapacitet, inte kostnad, skulle vinna frontier-arbetsbelastningen. Kimi K3.1 Pro vänder riktningen för den nyare modellen samtidigt som det äldre priset lämnas oförändrat.

• Indata — 2,00 USD per miljon på K3.1 Pro mot 3,00 USD på K3, en sänkning med 33 %.

• Produktion — 10,00 USD mot 15,00 USD, även 33 %.

• Cache-träff — $0.20 mot $0.30, en minskning med 33 % på den rad som dominerar agentarbetsbelastningar.

• Cache-skrivningar — $2,00 och $4,00 vid TTL på fem minuter och en timme, jämfört med $3,00 och $6,00.

• Highspeed-varianten – $4.00 och $20.00, med samma pris på $0.20 vid cacheträff; två till tre gånger utdatahastigheten, ungefär dubbelt så hög kvot i Kimi Code.

Räkningen är enkel nog att göra på en servett. En förfrågan som läser 1M indatatoken och skriver 200K utdatatoken kostar $6,00 på Kimi K3 och $4,00 på Kimi K3.1 Pro. En agent som läser om ett stort kodförråd varje tur och träffar cachen 70 % av tiden betalar ungefär $4,11 på K3 och $2,74 på K3.1 Pro för samma typ av anrop. Om den nya modellen dessutom blir klar på färre turer – vilket är hela poängen med långhorisontträningen – sjunker kostnaden per slutförd uppgift mer än tokenpriset antyder.

Varför sänka priset? Den mest sannolika förklaringen är konkurrensmässig snarare än välvillig. En modell med 2,8 biljoner parametrar är dyr att tillhandahålla, och marknaden för modeller nära frontlinjen har under 2026 konvergerat kring pris. Moonshots egen tidplan för avveckling av K2 ökar trycket: K2-seriemodeller slutar vara tillgängliga för nya användare den 31 oktober 2026 och ska avvecklas i slutet av december. Att prissätta K3.1 Pro under K3 ger varje K2-kund en anledning att migrera uppåt i stället för att handla någon annanstans. Det äldre K3-priset ligger kvar där det är eftersom ingen som redan har budgeterat för det behöver en rabatt för att stanna kvar.

Där Kimi K3 fortfarande är det rätta svaret

Tre fall klarar jämförelsen. Det första är självhosting i dag: vikterna för {{1}}Kimi K3{{/1}} har varit offentliga sedan {{2}}27 juli{{/2}}, medan vikterna för {{3}}Kimi K3.1 Pro{{/3}} bara har utlovats till {{4}}4 november 2026{{/4}}. Om din driftsättning inte kan anropa ett hostat API är den nyare modellen ännu inte ett alternativ, oavsett vad benchmark-arket säger.

Det andra är beteendestabilitet. En modell som har varit i produktion i tre månader har en känd felprofil. Kimi K3.1 Pro ändrar resonemangsbeteende genom design, och dess alltid påslagna tankeläge med standardinställningen max effort är inte en direkt ersättare för varje pipeline. Team med strikta utvärderingssviter bör förvänta sig att ta fram en ny baslinje, inte bara byta en sträng.

Den tredje är samplingskontroll. Kimi K3.1 Pro låser temperaturen vid 1,0 och top_p vid 0,95 och avvisar andra värden; att ändra resonemangsansträngning mitt i en konversation ogiltigförklarar även träffar i prefixcachen. Om din applikation är beroende av determinism vid låg temperatur bör du kontrollera om den äldre modellen ger dig den kontroll som den nyare inte ger innan du antar att uppgraderingen är gratis.

Migreringsbeslutet, utan hypen

För kodningsagenter, långhorisontell verktygsanvändning, finansiell forskning och dokumentverifiering är argumenten för att byta starka: bättre leverantörsrapporterade resultat inom exakt dessa områden, ett lägre pris på varje faktureringsrad och en hallucineringsfrekvens som sjönk med ungefär två tredjedelar. Risken är att allt är självrapporterat, så det förnuftiga är en skuggutvärdering på dina egna uppgifter innan du växlar över produktionstrafiken.

För batchgenerering och långkontextsökning är priset vid cacheträff det tal som spelar roll, och det gynnar den nya modellen med en tredjedel. För alla som är bundna till öppna vikter avgör kalendern: den 4 november är det tidigaste datumet då jämförelsen blir verklig.

OrcaRouters roll i detta är medvetet oglamorös. Vår katalog har kimi/kimi-k3 i dag till Moonshots listpris med 0 % påslag, på samma nyckel som resten av din stack, så den gamla sidan av den här jämförelsen går redan att anropa utan ett andra avtal. Kimi K3.1 Pro finns inte i katalogen när detta skrivs. När den lanseras är det genomströmningsmodellen som innebär att $2/$10 ovan är vad du betalar här i stället för en återförsäljares version av det, och att byta generation är en ändring av modellsträngen i en routningspolicy i stället för ett migreringsprojekt.

Dom

Kimi K3.1 Pro är den bättre modellen och den billigare, vilket gör rekommendationen enkel och bevisningen tunnare än den ser ut. Moonshot har förbättrat de beteenden som spelar roll för agentiskt och professionellt arbete, sänkt varje prisnivå med en tredjedel och redovisat en säkerhetsrelaterad regression som de flesta lanseringsinlägg skulle ha tystat ned. Vad man inte har gjort är att skicka resultatet till ett oberoende testramverk. Om du redan använde Kimi K3 betalar uppgraderingen sig på fakturan innan den betalar sig i benchmarken. Om du väntade på bevis är både vikterna och de första externa utvärderingarna att vänta inom två veckor – och det är då den här jämförelsen slutar vara ett leverantörspåstående och blir en mätning.