Kimi K3.1 Pro เปิดตัวในราคาถูกกว่ารุ่นก่อนของตัวเอง: $2/$10 พร้อมตาราง Benchmark ที่หยาบกว่า

Moonshot AI เปิดตัวKimi K3.1 Proเมื่อวันที่ 24 ตุลาคม 2026 และตัวเลขที่ส่งผลกระทบมากที่สุดในการเปิดตัวครั้งนี้ไม่ได้อยู่บนแผนภูมิเกณฑ์มาตรฐาน แต่อยู่บนอัตราค่าบริการ: 2.00 ดอลลาร์ต่อหนึ่งล้านโทเคนอินพุต และ 10.00 ดอลลาร์ต่อหนึ่งล้านโทเคนเอาต์พุต เทียบกับ 3.00 และ 15.00 ดอลลาร์สำหรับKimi K3ที่มันสร้างต่อยอดมา ผู้สืบทอดที่ถูกกว่ารุ่นก่อนหน้าถึงหนึ่งในสามเป็นเรื่องแปลกพอที่จะยกมาเป็นประเด็นนำ เพราะต่างจากคะแนนเกณฑ์มาตรฐาน ตรงที่ไม่ขึ้นอยู่กับว่าฮาร์เนสของใครเป็นตัวรันการทดสอบ หากคุณจ่ายเงินสำหรับ Kimi K3 อยู่แล้ว เหตุผลในการอัปเกรดก็เริ่มต้นด้วยใบแจ้งหนี้ที่ต่ำลง

ตัวเลขตัวที่สองคือสิ่งที่ Moonshot อยากให้คุณสังเกต: 65.7% บน Terminal-Bench 4.0 เทียบกับ 58.2% ของ GPT-6 Astra และ 66.4% ของ Claude Opus 5.5 นั่นทำให้โมเดลใหม่อยู่อันดับสองในตารางของเจ้าของเอง ไม่ใช่อันดับหนึ่ง เป็นเรื่องที่ซื่อสัตย์ที่จะเผยแพร่ในวันเปิดตัว และมันบอกอะไรบางอย่างเกี่ยวกับการวางตำแหน่งของการเปิดตัวครั้งนี้ Kimi K3.1 Pro ไม่ได้ถูกขายในฐานะโมเดลที่แข็งแกร่งที่สุดในโลก แต่ถูกขายในฐานะโมเดลที่ถูกกว่าและใกล้เคียงแนวหน้ามากพอที่จะชนะในเรื่องต้นทุนต่อหนึ่งงานที่ทำเสร็จ

จริง ๆ แล้วมีอะไรเปลี่ยนแปลงไปบ้างระหว่าง K3 กับ K3.1 Pro

Moonshot ระบุชัดเจนว่านี่คือรีลีสด้าน post-training ไม่ใช่สถาปัตยกรรมใหม่ บริษัทเรียก Kimi K3.1 Pro ว่าเป็นเวอร์ชันที่ผ่าน post-training ของ Kimi K3 ซึ่งได้รับการฝึกด้วยทรัพยากรการประมวลผลสำหรับ post-training ที่มากขึ้นอย่างมีนัยสำคัญ รวมถึงการเรียนรู้แบบเสริมกำลังร่วมกันขนาดใหญ่ในหลายร้อยโดเมนปลายทาง หน้าต่างบริบทไม่เปลี่ยนแปลงที่ 1,048,576 โทเคน อินพุตภาพและวิดีโอไม่เปลี่ยนแปลง เพดานเอาต์พุต 1M โทเคนไม่เปลี่ยนแปลง

ในทางปฏิบัติ นั่นหมายความว่าความรู้และความสามารถในการให้เหตุผลของโมเดลฐานยังเป็นจุดแข็งชุดเดิมกับก่อนหน้านี้ ความแตกต่างอยู่ที่พฤติกรรม Moonshot กล่าวว่าได้ปรับปรุงกรอบงาน RL การอนุมานบริบทแบบยาว ประสิทธิภาพการฝึก โครงสร้างพื้นฐานแซนด์บ็อกซ์ การจัดตาราง rollout และการตรวจสอบคุณภาพสภาพแวดล้อมใหม่ เพื่อให้การรันหลังการฝึกนั้นเป็นไปได้ สิ่งเหล่านี้เป็นข้อกล่าวอ้างเชิงวิศวกรรมเกี่ยวกับวิธีการสร้างโมเดล และยากที่จะตรวจสอบจากภายนอก ส่วนข้อกล่าวอ้างด้านพฤติกรรมนั้นทดสอบได้ง่ายกว่า และนั่นคือจุดที่ตัวเลขจากการเปิดตัวอยู่

จำนวนพารามิเตอร์คือจุดที่ภาษาของผู้ขายเริ่มคลุมเครือ Moonshot เรียกมันว่าโมเดลน้ำหนักเปิดระดับ 3T รายงานจากงานเปิดตัวระบุว่าแกนหลักมีพารามิเตอร์รวม 2.8 ล้านล้านตัว โดยมีพารามิเตอร์ที่ใช้งานอยู่ประมาณ 104 พันล้านตัว ซึ่งเป็นการกำหนดค่าแบบ mixture-of-experts แบบเดียวกับ Kimi K3 ทั้งสองอย่างเป็นจริงได้: "3T-class" เป็นวลีด้านการวางตำแหน่ง และ 2.8T ก็ปัดเข้าสู่ช่วงนั้น สิ่งที่สำคัญต่อบิลและความหน่วงของคุณคือจำนวนที่ใช้งานอยู่ และไม่มีหลักฐานว่าจำนวนที่ใช้งานอยู่เปลี่ยนแปลงไป

ชีตเกณฑ์มาตรฐาน และควรเชื่อถือได้มากน้อยเพียงใด

Moonshot เผยแพร่ผลลัพธ์จากการประเมิน 14 รายการด้านการเขียนโค้ด วิทยาศาสตร์ และงานองค์ความรู้ รูปแบบมีความสอดคล้องกัน: มีการเพิ่มขึ้นอย่างมากในงานที่บริษัทฝึกโมเดล ใกล้เคียงกับโมเดลฟรอนเทียร์แบบปิดในส่วนที่เหลือ และมีการเปิดเผยโดยเจตนาหนึ่งครั้งเกี่ยวกับกรณีถดถอย

• การเขียนโค้ดในแนวหน้า — Terminal-Bench 4.0: Kimi K3.1 Pro 65.7%, Claude Opus 5.5 66.4%, GPT-6 Astra 58.2% ดำเนินการโดยผู้จำหน่าย

• การเขียนโค้ดแบบ Long-horizon — Kimi Code Bench 3.0 Long-horizon: 61.2% สำหรับ K3.1 Pro เทียบกับ 55.95% สำหรับ Kimi K3 นี่คือการเปรียบเทียบกับรุ่นก่อนหน้าที่สะอาดที่สุดในชุดนี้ และยังเป็นตัวที่ผู้ขายควบคุมมากที่สุดด้วย เนื่องจากทั้ง benchmark และ harness ต่างเป็นของ Moonshot

• 3D และ CAD — BenchCAD พร้อมเครื่องมือ: 92.7 สำหรับ K3.1 Pro, 96.2 สำหรับ Opus 5.5, 95.9 สำหรับ GPT-6 Astra, 92.6 สำหรับ Claude Fable 5.1 เมื่อไม่มีเครื่องมือ: 72.8 เทียบกับ 73.0 สำหรับ Opus 5.5 และ 60.6 สำหรับ Fable 5.1 ช่วงความแตกต่างเมื่อใช้เครื่องมือนั้นแคบพอที่ลำดับอาจเปลี่ยนแปลงได้เมื่อรันซ้ำ

• การสร้างข้อมูลเท็จ (Hallucination) — Kimi Hallu Bench Hard: อัตราระดับข้อกล่าวอ้าง 8.3% เมื่อใช้เครื่องมือ ลดลงจาก 23.4% สำหรับ Kimi K3 GPT-6 Astra ทำได้ 5.5% และ Opus 5.5 ทำได้ 15.0% เมื่อไม่ใช้เครื่องมือ อัตราอยู่ที่ 5.4% เทียบกับ 4.2% สำหรับ Astra และ 6.8% สำหรับ Opus

การเงินและปฏิบัติการ — Frontier Finance 58.6; Financial Modeling ภายใน 57.6 เทียบกับ 50.4 สำหรับ K3; Financial Research ภายใน 70.4 เทียบกับ 58.8; Business Operation ภายใน 37 เทียบกับ 8.9 สามรายการหลังเป็นการประเมินของ Moonshot เอง ดังนั้นจึงวัดการพัฒนาในงานที่บริษัทเลือกไว้ ไม่ใช่การวัดสถานะในเวทีสาธารณะ

• การถดถอย — xdev-bench-hard pass@3 อยู่ที่ 81.0% เช็กพอยต์ที่ฝึกโดยไม่มีมาตรการลดความเสี่ยงของบริษัทได้คะแนน 90.5% ในการทดสอบเดียวกัน Moonshot เผยแพร่ช่องว่างนั้นและระบุว่าเป็นผลจากงานด้านความปลอดภัยแบบเจาะจงและการควบคุมข้อมูลสำหรับฝึก ไม่ว่าคุณจะมองข้อแลกเปลี่ยนนี้อย่างไร การเปิดเผยต้นทุนด้านความสามารถ 9.5 จุด ก็ไม่ใช่สิ่งที่โพสต์เปิดตัวมักจะสื่อออกมา

สรุปตามตรงคือ ตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายรายงานเอง ยังไม่มีการทำซ้ำโดยอิสระ Kimi K3 มีคะแนน Artificial Analysis Intelligence Index อยู่ที่ 57 ตอนเปิดตัวในเดือนกรกฎาคม และไม่มีคะแนนจากบุคคลที่สามที่เทียบเท่ากันสำหรับ K3.1 Pro ในวันเปิดตัว ฮาร์เนสมีความสำคัญมากในที่นี้: ผลลัพธ์ Terminal-Bench เปลี่ยนแปลงได้หลายสิบพอยต์ขึ้นอยู่กับ scaffolding ดังนั้น 65.7% กับ 58.2% ที่ produced โดยห้องแล็บต่างกันบนฮาร์เนสต่างกัน ไม่ใช่การวัดช่องว่าง 7.5 พอยต์อย่างสะอาด ให้มองตารางนี้เป็นข้ออ้างเกี่ยวกับทิศทาง ไม่ใช่ขนาด

การลดราคาส่งผลต่อเวิร์กโหลดจริง ๆ อย่างไร

ราคา API คงที่ตลอดหน้าต่าง 1M โทเคนเต็ม โดยไม่มีค่าธรรมเนียมเพิ่มเติมสำหรับบริบทแบบยาว การ์ดราคาฉบับเต็ม ในหน่วยดอลลาร์สหรัฐต่อหนึ่งล้านโทเคน:

• Kimi K3.1 Pro — อินพุต $2.00, เอาต์พุต $10.00, แคชฮิต $0.20, การเขียนแคช $2.00 ที่ TTL ห้านาที, $4.00 ที่ TTL หนึ่งชั่วโมง

• Kimi K3.1 Pro Highspeed — อินพุต $4.00 เอาต์พุต $20.00 แคชฮิต $0.20 แคชไรต์ $4.00 และ $8.00 โมเดลเดียวกัน ความเร็วเอาต์พุตเป็นสองถึงสามเท่า ใช้โควตาประมาณสองเท่าใน Kimi Code

• Kimi K3 — อินพุต $3.00, เอาต์พุต $15.00, แคชฮิต $0.30, การเขียนแคช $3.00 และ $6.00

คำขอหนึ่งรายการที่อ่านอินพุต 1M โทเคนและเขียนเอาต์พุต 200K มีค่าใช้จ่าย $6.00 บน Kimi K3 และ $4.00 บน Kimi K3.1 Pro เมื่อเพิ่ม prompt caching แบบสมจริง ช่องว่างก็ยังคงอยู่ที่ประมาณหนึ่งในสาม เพราะราคา cache-hit ลดลงจาก $0.30 เหลือ $0.20 เช่นกัน สำหรับเอเจนต์ที่อ่านรีโพซิทอรีขนาดใหญ่หรือเอกสารการเงินยาว ๆ ใหม่ทุกเทิร์น นั่นคือความแตกต่างระหว่างเวิร์กโฟลว์ที่คุ้มทุนกับเวิร์กโฟลว์ที่ไม่คุ้ม Moonshot ตั้งราคาการอัปเกรดครั้งนี้เป็นการลดมาร์จินมากกว่าจะเป็นราคาพรีเมียม ซึ่งเป็นการเคลื่อนไหวที่แปลกสำหรับโมเดลที่เพิ่งทำตัวเลขได้ดีขึ้นเกือบทุกด้าน — และเป็นเรื่องน่ายินดีสำหรับใครก็ตามที่บิล K3 เป็นเหตุผลที่พวกเขากำลังมองหาตัวเลือก

มีกับดักอยู่ในกลไก Kimi K3.1 Pro คิดเสมอ: ไม่สามารถปิด reasoning ได้ และฟิลด์ reasoning_effort รองรับ low, high หรือ max โดยค่าเริ่มต้นคือ max พารามิเตอร์การสุ่มถูกกำหนดตายตัวที่ temperature 1.0 และ top_p 0.95 และหากส่งค่าอื่นจะคืนข้อผิดพลาด การเปลี่ยน reasoning effort กลางบทสนทนาทำให้ prefix-cache hits ใช้ไม่ได้ ซึ่งเพิ่มต้นทุนที่แท้จริงของลูปปรับแต่งที่คุณวางแผนจะรันอย่างเงียบ ๆ ราคาโทเคนที่ถูกกว่าจริงอยู่; แต่เวิร์กโฟลว์ที่ถูกกว่าขึ้นอยู่กับว่าคุณเปลี่ยนใจกลางบริบทบ่อยแค่ไหน

สถานที่ที่คุณสามารถรันได้ และวันที่สำคัญยิ่งกว่าวันเปิดตัว

Kimi K3.1 Pro เปิดให้ใช้งานแล้วในแอป Kimi สำหรับผู้ใช้ทั่วไปบนเว็บ iOS Android และ HarmonyOS ใน Kimi Work เวอร์ชันเดสก์ท็อป 3.1.0 หรือใหม่กว่า และใน Kimi Code ผ่านตัวเลือกโมเดล บน API มีให้ใช้งานในชื่อ kimi-k3.1-pro และ kimi-k3.1-pro-highspeed ผ่านแพลตฟอร์มของ Moonshot เอง โดยมีการเสนอไม่เก็บข้อมูล (zero data retention) และการเข้าถึงสำหรับองค์กรถูกปิดเป็นค่าเริ่มต้นเมื่อเปิดตัว นอกจากนี้ยังปรากฏผ่านแพลตฟอร์มประมวลผลของบุคคลที่สาม ซึ่งเป็นเรื่องปกติสำหรับโมเดลขนาดนี้ และไม่ได้บ่งบอกว่าแพลตฟอร์มใดให้บริการโมเดลนี้ได้ดีเพียงใด

วันที่สำคัญกว่าคือ 4 พฤศจิกายน 2026 Moonshot กล่าวว่าจะปล่อยน้ำหนักโมเดลแบบเต็มภายในเวลานั้น นั่นคือสิ่งที่ทำให้คำอธิบาย "open-weight" เป็นมากกว่าการตลาด และยังเป็นจุดที่เรื่องราวต้นทุนเปลี่ยนไปอีกครั้ง: การโฮสต์โมเดล mixture-of-experts ขนาด 2.8T พารามิเตอร์ด้วยตัวเองไม่ใช่เรื่องถูก แต่สัญญาอนุญาตแบบผ่อนปรนตัดระบบคิดเงินต่อโทเค็นออกสำหรับใครก็ตามที่มี GPU จนกว่าจะมีการปล่อยน้ำหนักโมเดล การเปรียบเทียบราคาข้างต้นคือการเปรียบเทียบทั้งหมด

หมายเหตุด้านการดำเนินงานอีกข้อสำหรับทีมที่ยังใช้รุ่น K2: หน้าราคาของ Moonshot ระบุว่าโมเดลในซีรีส์ K2 จะหยุดให้บริการแก่ผู้ใช้ที่ลงทะเบียนใหม่ในวันที่ 31 ตุลาคม 2026 และมีกำหนดปลดระวางในช่วงสิ้นเดือนธันวาคม หากคุณใช้ K2.6 หรือ K2.7 Code การตัดสินใจเรื่องการย้ายระบบได้ถูกดำเนินการให้คุณแล้ว และ K3.1 Pro คือปลายทางที่ตั้งใจไว้

คุณควรเปลี่ยนตั้งแต่第一天หรือเปล่า

หากงานของคุณคือการเขียนโค้ด การใช้เครื่องมือแบบเอเจนต์ หรืองานเอกสารทางการเงิน การผสมผสานระหว่างราคาที่ต่ำกว่าและคะแนนที่ผู้ขายรายงานว่าดีกว่าถือเป็นเหตุผลตรงไปตรงมาสำหรับการทดลองใช้ หากเป็นงานดึงข้อมูลบริบทขนาดยาวด้วยพรอมต์ที่คงที่ ราคาแบบแคชฮิตคือตัวเลขที่ต้องนำมาใช้ในการจำลอง และยังสนับสนุนโมเดลใหม่ด้วยเช่นกัน

หากเส้นทางโปรดักชันของคุณต้องพึ่งพาการสุ่มที่ทำซ้ำได้ ควรอ่านข้อจำกัดเรื่องพารามิเตอร์แบบคงที่ก่อนที่คุณจะย้ายระบบ ค่าอุณหภูมิ 1.0 ไม่ใช่ค่าเริ่มต้นที่เป็นกลางสำหรับทุกงาน และโมเดลที่ปฏิเสธไม่ยอมรับค่าที่แตกต่างออกไปก็เป็น dependency คนละชนิดกับโมเดลที่ยอมรับได้

และถ้าคุณต้องการหลักฐานอิสระ ก็รอก่อน ยังไม่มีใครนอก Moonshot ที่เผยแพร่การประเมิน K3.1 Pro ตัวเลขตอนเปิดตัวมีความสอดคล้องกันภายในและตรงไปตรงมาอย่างผิดปกติเกี่ยวกับการถดถอยที่เกี่ยวข้องกับความปลอดภัย แต่ก็ยังเป็นการที่ผู้ขายตรวจงานตัวเองอยู่ดี โมเดลราคาถูกขนาดนี้จะถูกทดสอบอย่างรวดเร็ว ผลลัพธ์จากฮาร์เนสอิสระชุดแรกคือสิ่งที่บอกคุณได้ว่า 65.7% จะยังคงอยู่เมื่อต้องเจอกับโครงทดสอบของคนอื่นหรือไม่

สำหรับทีมที่ส่งคำขอผ่าน OrcaRouter อยู่แล้ว การเปลี่ยนแปลงในทางปฏิบัติเล็กกว่าที่การเปิดตัวดูเหมือนจะบอกไว้ แคตตาล็อกของเรามี kimi/kimi-k3 อยู่ในปัจจุบันในราคาตามที่ Moonshot ประกาศ พร้อม มาร์กอัป 0% ดังนั้นฝั่ง K3 ของการเปรียบเทียบนี้จึงใช้งานได้บนคีย์เดียวกับส่วนอื่น ๆ ของสแต็กของคุณ Kimi K3.1 Pro ยังไม่อยู่ในแคตตาล็อก ณ เวลาที่เขียนนี้ เมื่อมีการเพิ่มเข้ามา การย้ายจากรุ่นหนึ่งไปยังอีกรุ่นหนึ่งจะเป็นเพียงการเปลี่ยนสตริงโมเดล ไม่ใช่สัญญาฉบับที่สองและ SDK ใหม่ การลดราคาคือเหตุผลที่ควรให้ความสนใจ และโมเดลการส่งต่อราคาคือเหตุผลที่มันจะปรากฏฝั่งเราในตัวเลขเดียวกับที่ Moonshot ประกาศ ไม่ใช่ตัวเลขที่บวกกำไรเพิ่ม

การเปิดตัวในย่อหน้าเดียว

Kimi K3.1 Pro เป็นการอัปเกรดหลังการฝึกของ Kimi K3 จำหน่ายในราคาสองในสามของราคาโมเดลรุ่นเก่า พร้อมเอกสารผลทดสอบมาตรฐานจากผู้จำหน่ายที่แข็งแกร่ง การเพิ่มขึ้นจริงในการควบคุมการสร้างข้อมูลเท็จ การถดถอยที่เกี่ยวข้องกับความปลอดภัยซึ่งเปิดเผยไว้ในการทดสอบเขียนโค้ดแบบเชิงปฏิปักษ์หนึ่งรายการ และยังไม่มีการตรวจสอบอย่างอิสระ การเปิดตัวนี้เป็นข่าวจริงเพราะราคาและคำมั่นเรื่องการเปิดเผยเวต ไม่ใช่เพราะโมเดลนี้เป็นสถาปัตยกรรมใหม่ วันที่ควรจดไว้คือ 4 พฤศจิกายน ซึ่งเป็นวันที่เวตจะครบกำหนดและควรเริ่มมีผลประเมินจากภายนอกอย่างจริงจังชุดแรกเริ่มเข้ามา