Kimi K3.1 vs Kimi K3: Vad de öppna vikterna säger som lanseringsinlägget inte gjorde

Kimi K3.1 Pro och Kimi K3 levereras nu med samma 96 safetensors-shards, samma 1,56 TB på disk och en annan attention-stack. Konfigurationen i Moonshots nya repository beskriver 93 lager som "69 KDA + 24 Gated DSA". Konfigurationen i Kimi K3:s repository, som publicerades i juli, anger "69 KDA + 24 Gated MLA". Moonshots lanseringsinlägg för Kimi K3.1 Pro, daterat den 24 oktober 2026, kallar den nyare modellen "en eftertränad version av Kimi K3" och nämner inte bytet över huvud taget. Allt annat i den här jämförelsen ligger nedströms om den där enda raden, inklusive anledningen till att den nyare modellen är den billigare.

Själva vikterna anlände utan något tillkännagivande. Moonshots blogg har inget inlägg efter 24 oktober. Repositoriets enda commit har tidsstämpeln 2 november 2026, två dagar före tidsfristen den 4 november som företaget hade satt för sig självt; om filerna var offentligt läsbara före den tidsfristen är inget som repositoriet registrerar. Det som det däremot registrerar är arkitekturen, licensen och inventariet — vilket är precis vad lanseringsinlägget utelämnade.

Swappen som tillkännagivandet inte nämnde

Modellkortet innehåller erkännandet i en fotnot, en rad under en i övrigt välbekant specifikationstabell: "Jämfört med Kimi K3 ersätter vi de full-attention Gated MLA-lagren med Gated DeepSeek Sparse Attention (Gated DSA)-lager för mer effektiv långkontextmodellering."

Tjugofyra av de 93 lagren ändras. De övriga 69 förblir Kimi Delta Attention, den linjära attentionmekanism som Kimi K3 introducerade, och antalet lager, antalet experter och de dolda dimensionerna är oförändrade. Gated MLA är full attention med en komprimerad nyckel-värde-cache; Gated DSA väljer ut en gles delmängd av tidigare tokens för varje query och gatar resultatet. Den praktiska skillnaden ligger i hur modellen förbrukar beräkningskraft och cache när kontexten växer, vilket är den del av ett fönster på 1 miljon tokens som syns på din serveringskostnad snarare än i en benchmarktabell.

Det kortet inte ger är en siffra. Det finns ingen siffra för tokens per sekund, ingen jämförelse av cacheminne, ingen latensmätning för lång kontext – bara frasen ”effektivare långkontextmodellering”. Moonshots lanseringsinlägg ger överhuvudtaget inga arkitekturdetaljer. Så påståendet att utbytet gör något snabbare är i det här läget ett designpåstående snarare än en mätning, och ingen utanför Moonshot har publicerat någon serving-jämförelse mellan de två checkpoints.

Det är viktigare än det låter. Om du har justerat batching, cacheallokering eller kontexthantering efter Kimi K3:s attention-profil är den nyare checkpointen inte drop-in i serving-lagret, även om den är drop-in i API-lagret. API:et döljer det; en egenhostad distribution gör det inte.

Vad de två kontrollpunkterna verkligen har gemensamt

Den identiska nedladdningen är tecknet på att detta inte är en större modell. Varje övergripande dimension nedan är densamma på båda korten, och filförteckningen bekräftar det:

• Totala och aktiva parametrar — 2,8 biljoner totalt, 104 miljarder aktiva i båda modellerna.

• Djup — 93 lager, varav ett är tätt, på båda.

• Experter — 896 totalt, 16 utvalda per token, 2 delade, på båda.

• Ordförråd — 160K tokens på båda.

• Vision — MoonViT-V2, 401 miljoner parametrar, på båda.

• Kontext — 1 048 576 tokens på båda; vår egen modellsida anger en maximal utdata på 943 718 tokens för Kimi K3.1 Pro.

• Kvantisering – MXFP4-vikter och MXFP8-aktiveringar, kvantiseringsmedveten träning, på båda.

• Ladda ner – 96 safetensors-shards med en total storlek på 1,56 TB för varje repository.

Indatamodaliteter – Kimi K3:s kort listar text, bilder och video; Kimi K3.1 Pro:s kort listar text och bild, medan API-dokumentationen även annonserar video. Betrakta videopåståendet som overifierat tills processorkoden har testats.

En punktrelease som behåller parameterantalet, expertroutningen och filstorleken, och ändrar 24 attention-lager, är en annan typ av release än en ny generation. Den ligger närmare en arkitekturrevidering mitt i cykeln plus en stor efterträningskörning än en ny basmodell, och prissättningen speglar det.

Två prislistor, och en faktura som inte sjunker med en tredjedel

På pappret är den nyare modellen billigare på varje rad. Kimi K3.1 Pro kostar $2.00 per miljon indatatoken och $10.00 per miljon utdatatoken; Kimi K3 kostar $3.00 och $15.00. Cacheträffsgraden sjunker från $0.30 till $0.20, cache-skrivningarna från $3.00 och $6.00 till $2.00 och $4.00 vid TTL på fem minuter och en timme, och en Highspeed-variant till $4.00 och $20.00 där man betalar mer för två till tre gånger högre utdatahastighet. Batchinferens på Kimi K3.1 Pro debiteras till 60 % av standardpriset, eller $1.20 och $6.00.

Fakturan är en annan historia. Kimi K3.1 Pro resonerar som standard med maximal ansträngning, och maximal ansträngning skriver fler tokens. Bitos jämförelse av agentisk kodning visade att de två modellerna låg lika på 72 % totalt, medan Kimi K3.1 Pro gav ungefär 98 000 utdatatokens mot Kimi K3:s 44 000, tog 28 minuter mot 17 och kostade 4,28 dollar mot 2,46 dollar för en lång session. Plotlys dataanalyskörning gick åt andra hållet vad gäller kvalitet och åt samma håll vad gäller kostnad: 42 av 43 uppgifter löstes mot 35, medan kostnaden steg från 5,01 dollar till 13,47 dollar och mediantiden från 43 sekunder till två och en halv minut. Ultralytics, som testade automatisk annotering, uppmätte en förbättring på 33 % i mAP50, 0,444 mot 0,334, och gick från 19:e till 9:e plats bland 39 modeller.

De där tre är leverantörspublicerade tester på små urval, inte peer review-granskade utvärderingar, och de är oeniga om hur mycket bättre den nya modellen är. De är eniga om kostnadens riktning: en sänkning av priset per token med en tredjedel håller inte för en modell som tänker längre. Budgetera per slutförd uppgift, inte per miljon tokens.

Båda sidorna i den här jämförelsen kan anropas med en och samma nyckel. Kimi K3.1 Pro dirigeras som kimi/kimi-k3.1-pro till Moonshots $2,00 och $10,00, och Kimi K3 som kimi/kimi-k3 till $3,00 och $15,00, med leverantörens listpris vidarebefordrat och utan påslag, så en ändring i Moonshots prislista slår igenom här samma dag. Det är det specifika skälet till att det hör hemma i ett prisavsnitt i stället för i en sidfot: hela argumentet för att byta är en prisskillnad, och varje påslag som läggs ovanpå listpriset skulle äta upp en del av besparingen innan du ens hade mätt en enda uppgift.

Benchmark-tabellen flyttades under båda modellerna

Artificial Analysis byggde om sitt Intelligence Index den 27 oktober 2026, och ombyggnaden har större betydelse för den här jämförelsen än något som Moonshot publicerade. På det nuvarande v5-indexet får Kimi K3.1 Pro 46 poäng och ligger på nionde plats, tolv poäng efter Claude Opus 5.5 på 58, med Gemini 4 Carbon på 59, GPT-6 Astra på 57 och GPT-6.1 Sol på 55 ovanför sig. På det tidigare v4.3.2-indexet fick samma modell 55 poäng och placerade sig fyra, tre poäng från ledningen.

De två siffrorna är inte en regression, och de är inte jämförbara. Version 5 flyttade ungefär 60 % av indexet till privata held-out-set, lade till FrontierCode 2.0 och Terminal-Bench-Science, tog bort SciCode och AA-LCR och höjde medianlängden på utdata per uppgift från omkring 35 000 token till omkring 59 000. En modell som svarar kortfattat tappar mark på ett index som nu belönar långt agentiskt arbete. Kimi K3.1 Pro är fortfarande den högst rankade modell som dess leverantör beskriver som open-weight.

Föregångarens siffra är fällan. Kimi K3 fick 57 poäng på v4-indexet vid lanseringen och rankades som trea. Det 43,6 som cirkulerar för Kimi K3 (max) kommer från aggregatorögonblicksbilder tagna före övergången till v5, och vi kunde inte hitta någon publicerad v5-poäng för Kimi K3 i sig. Så "46 mot 43,6" är inte ett kontrollerat par, och den som framställer skillnaden som en uppmätt kapacitetsvinst subtraherar mellan två instrument. Det som kan sägas är snävare: på det aktuella indexet är det den nyare modellen som har poängsatts, och den ligger nia.

Leverantörens egen tabell, som återigen är ett annat mätinstrument, placerar Kimi K3.1 Pro på 65,7 i Terminal-Bench 4.0 mot Claude Opus 5.5:s 66,4, 51,7 i SWE Marathon v1.1, 92,7 i BenchCAD med verktyg, 94,2 i GPQA-Diamond och 51,1 i HLE-Full. Dess svaga punkter är lika synliga: 38,1 i Terminal-Bench-Science mot GPT-6 Astras 68,1, och 39,4 i HLE-Diamond mot 60,9 för Opus 5.5. Moonshot körde kodutvärderingarna genom Claude Code-harnesset med maximal resonemangsansträngning. Inget av det har reproducerats oberoende.

De tydligaste parade siffrorna i lanseringen är de som Moonshot mätte mot sin egen föregångare: Kimi Code Bench 3.0 Long-horizon på 61,2 % mot 55,95 %, en hallucinationfrekvens på påståendenivå på 8,3 % mot 23,4 % med verktyg, och 81,0 % mot 33,3 % på xdev-bench-hard. Samma interna benchmark tillhör Moonshot, så skillnaderna är konsekventa men inte externa. Hallucinationssiffran är den med störst praktisk betydelse och minst bekräftelse.

Licensen är Kimi K3:s licens med ett namn ändrat.

Båda repon levererar en licensfil på ungefär tre kilobyte, och en jämförelse rad för rad visar en enda väsentlig skillnad: "Kimi K3.1-Pro" har ersatt "Kimi K3" i attributionsklausulen. I övrigt är det samma dokument.

Det innebär att villkoren redan är kända i stället för att vara väntande. Användning, kopiering, modifiering, distribution, underlicensiering och försäljning är tillåten, och finjustering är uttryckligen tillåten. Ett företag som tillhandahåller modell-som-tjänst och vars sammanlagda intäkter överstiger 20 miljoner US-dollar under någon sammanhängande tolvmånadersperiod måste teckna ett separat avtal med Moonshot före kommersiell användning. Produkter med fler än 100 miljoner månatligt aktiva användare eller 20 miljoner US-dollar i månatliga intäkter måste visa modellnamnet tydligt. Intern användning, och användning via Moonshots officiella produkter eller dess certifierade inferenspartner, är undantagen från båda kraven.

Undantaget för certifierade partner är den klausul som är värd att läsa två gånger om du planerar att återförsälja åtkomst. Tröskelvärdet på 20 miljoner dollar mäts över rullande tolv månader, inte per produktlinje, och "modell som tjänst" definieras tillräckligt brett för att omfatta ett API som ger kunder kontroll över indata, parametrar eller träningsdata – samtidigt som man undantar slutanvändarprodukter där modellen är inbäddad i en funktion, och ren vidarebefordran av förfrågningar till modeller som driftas någon annanstans.

Vad som krävs för att köra någon av dem

En MXFP4-checkpoint på 1,56 TB är inte något man laddar ner till en arbetsstation, och de två modellerna är lika tunga. Moonshot pekar på tre serveringsstackar – vLLM-recept, en SGLang-cookbook och TokenSpeed – och alla tre förutsätter en distribution över flera noder i den här storleken. Kvantiseringsmedveten träning från steget för övervakad finjustering är det som håller filen på 1,56 TB i stället för de ungefär 5,6 TB som en BF16-kopia skulle uppta, och den kvantiseringen är inbakad i poängen ovan snarare än tillämpad efteråt.

Den praktiska konsekvensen av identiska fotavtryck är att arkitekturbytet inte innebär någon lättnad i hårdvarukrav. Om du kan serva Kimi K3 kan du serva Kimi K3.1 Pro på samma typ av kluster; du kan inte serva någon av dem på en enda nod.

Vilken ska man välja

• Du självhostar och din stack är inställd för Kimi K3 – kör om benchmark innan du migrerar. Attention-ändringen förändrar cachebeteendet, och det enda effektivitetsanspråk som är kopplat till den är en mening i en fotnot.

• Du anropar API:et för agentisk kodning, långsiktig verktygsanvändning eller dokumentverifiering – Kimi K3.1 Pro, tack vare de parade interna delta-värdena och den lägre prislistan, med en skuggevaluering först.

• Du behöver en modell med en etablerad felprofil — Kimi K3. Den har varit i produktion sedan juli och dess egenheter är dokumenterade av andra. Den nyare modellen ändrar resonemangsbeteendet avsiktligt.

• Du behöver determinism – kontrollera innan du byter. Kimi K3.1 Pro låser temperature vid 1,0 och top_p vid 0,95 och avvisar alternativ, och att ändra reasoning effort mitt i en konversation ogiltigförklarar prefix-cache-träffar.

Den ärliga sammanfattningen är att Kimi K3.1 Pro är en bättre modell än Kimi K3 på nästan varje axel som leverantören mätte, en måttligt bättre sådan på det enda oberoende index som har poängsatt den, och en dyrare sådan per slutförd uppgift än dess prislista antyder. Det som förändrades den här veckan är inte domen utan bevisningen: kontrollpunkten kan nu läsas, serveras och testas i stället för att tas på förtroende, och det första som läsningen av den gav var en rättelse av lanseringsinlägget.