Kimi K3.1 Pro ra mắt với giá rẻ hơn chính người tiền nhiệm: $2/$10 và bảng benchmark khó nhằn hơn

Moonshot AI đã ra mắt Kimi K3.1 Pro vào ngày 24 tháng 10 năm 2026, và con số quan trọng nhất trong đợt ra mắt không nằm trên biểu đồ điểm chuẩn. Mà nằm trên bảng giá: $2.00 mỗi triệu token đầu vào và $10.00 mỗi triệu token đầu ra, so với $3.00 và $15.00 của Kimi K3 mà nó được xây dựng từ đó. Một phiên bản kế nhiệm rẻ hơn một phần ba so với phiên bản tiền nhiệm đủ bất thường để trở thành điểm nhấn mở đầu, bởi vì khác với điểm chuẩn, nó không phụ thuộc vào việc ai đã chạy bài kiểm tra bằng khung đánh giá nào. Nếu bạn đã trả tiền cho Kimi K3, lý do nâng cấp bắt đầu bằng một hóa đơn nhỏ hơn.

Con số thứ hai là con số mà Moonshot muốn bạn chú ý: 65.7% trên Terminal-Bench 4.0, so với 58.2% của GPT-6 Astra và 66.4% của Claude Opus 5.5. Điều đó đặt mô hình mới ở vị trí thứ hai trên bảng của chính nhà cung cấp, chứ không phải thứ nhất. Đó là một điều trung thực để công bố trong ngày ra mắt, và nó cho bạn biết đôi điều về cách bản phát hành này được định vị. Kimi K3.1 Pro không được bán như mô hình mạnh nhất thế giới. Nó được bán như một lựa chọn rẻ hơn, đủ gần với nhóm dẫn đầu để thắng về chi phí cho mỗi tác vụ hoàn thành.

Thực sự có gì thay đổi giữa K3 và K3.1 Pro

Moonshot nói rõ rằng đây là bản phát hành hậu huấn luyện, không phải một kiến trúc mới. Công ty gọi Kimi K3.1 Pro là phiên bản hậu huấn luyện của Kimi K3, được huấn luyện với lượng tính toán hậu huấn luyện lớn hơn đáng kể, bao gồm học tăng cường kết hợp quy mô lớn trên hàng trăm lĩnh vực hạ nguồn. Cửa sổ ngữ cảnh không thay đổi ở 1.048.576 token. Đầu vào hình ảnh và video không thay đổi. Giới hạn đầu ra 1 triệu token không thay đổi.

Điều đó trên thực tế có nghĩa là kiến thức và năng lực suy luận của mô hình nền vẫn là những tài sản như trước; khác biệt nằm ở hành vi. Moonshot cho biết họ đã làm lại khung RL, suy luận ngữ cảnh dài, hiệu quả huấn luyện, hạ tầng sandbox, lập lịch rollout và kiểm tra chất lượng môi trường để có thể thực hiện đợt huấn luyện hậu huấn luyện đó. Đó là những tuyên bố kỹ thuật về cách mô hình được tạo ra, và rất khó xác minh từ bên ngoài. Các tuyên bố về hành vi dễ kiểm tra hơn, và các con số công bố khi ra mắt nằm ở đó.

Số lượng tham số là chỗ ngôn từ của nhà cung cấp trở nên khó nắm bắt. Moonshot gọi đây là mô hình trọng số mở thuộc lớp 3T. Các bài đưa tin từ buổi ra mắt cho biết phần xương sống có tổng cộng 2,8 nghìn tỷ tham số, với khoảng 104 tỷ tham số hoạt động, đây là cùng cấu hình hỗn hợp chuyên gia như Kimi K3. Cả hai đều có thể đúng: “lớp 3T” là một cụm từ định vị, và 2,8T được làm tròn vào đó. Điều quan trọng đối với hóa đơn và độ trễ của bạn là số tham số hoạt động, và không có bằng chứng nào cho thấy số tham số hoạt động đã thay đổi.

Bảng benchmark, và nên tin nó đến mức nào

Moonshot đã công bố kết quả trên 14 đánh giá về lập trình, khoa học và công việc tri thức. Mô thức này nhất quán: mức tăng lớn ở các tác vụ mà công ty huấn luyện, gần ngang bằng với biên giới đóng ở phần còn lại, và một lần chủ động tiết lộ một điểm hồi quy.

• Lập trình ở đỉnh cao — Terminal-Bench 4.0: Kimi K3.1 Pro 65,7%, Claude Opus 5.5 66,4%, GPT-6 Astra 58,2%. Do nhà cung cấp tự thực hiện.

• Lập trình tầm xa — Kimi Code Bench 3.0 Long-horizon: 61,2% cho K3.1 Pro so với 55,95% cho Kimi K3. Đây là so sánh với phiên bản tiền nhiệm rõ ràng nhất trong bộ này, đồng thời cũng là so sánh được nhà cung cấp kiểm soát nhiều nhất, vì cả benchmark lẫn harness đều thuộc về Moonshot.

• 3D và CAD — BenchCAD khi có công cụ: 92,7 cho K3.1 Pro, 96,2 cho Opus 5.5, 95,9 cho GPT-6 Astra, 92,6 cho Claude Fable 5.1. Khi không có công cụ: 72,8, so với 73,0 cho Opus 5.5 và 60,6 cho Fable 5.1. Độ chênh lệch khi có công cụ đủ hẹp đến mức thứ tự có thể thay đổi khi chạy lại.

• Ảo giác — Kimi Hallu Bench Hard: tỷ lệ theo cấp độ tuyên bố là 8,3% khi dùng công cụ, giảm từ 23,4% của Kimi K3. GPT-6 Astra đạt 5,5% và Opus 5.5 đạt 15,0%. Khi không dùng công cụ, tỷ lệ này là 5,4%, so với 4,2% của Astra và 6,8% của Opus.

Tài chính và vận hành — Frontier Finance 58,6; Financial Modeling nội bộ 57,6 so với 50,4 của K3; Financial Research nội bộ 70,4 so với 58,8; Business Operation nội bộ 37 so với 8,9. Ba mục cuối đó là các đánh giá của chính Moonshot, nên chúng đo mức cải thiện trên các nhiệm vụ do công ty lựa chọn, chứ không phải vị thế trong một đấu trường công khai.

• Sự suy giảm — pass@3 trên xdev-bench-hard là 81.0%. Một checkpoint được huấn luyện mà không có các biện pháp giảm thiểu rủi ro của công ty đã đạt 90.5% trong cùng bài kiểm tra. Moonshot đã công bố khoảng cách đó và quy nó cho công tác an toàn có mục tiêu và các biện pháp kiểm soát dữ liệu huấn luyện. Dù bạn nghĩ thế nào về sự đánh đổi này, việc tiết lộ mức hao hụt năng lực 9.5 điểm không phải là cách một bài đăng ra mắt thường thể hiện.

Tóm tắt trung thực là đây là những con số do nhà cung cấp công bố, chưa có bản sao độc lập nào. Kimi K3 có Chỉ số Thông minh Artificial Analysis là 57 khi ra mắt vào tháng 7, và không có điểm số bên thứ ba tương đương cho K3.1 Pro vào ngày ra mắt. Khung đánh giá có ý nghĩa cực kỳ lớn ở đây: kết quả Terminal-Bench thay đổi hàng chục điểm tùy theo scaffolding, nên mức 65,7% và 58,2% do các phòng thí nghiệm khác nhau tạo ra trên các khung đánh giá khác nhau không phải là phép đo sạch cho khoảng cách 7,5 điểm. Hãy coi bảng này là một tuyên bố về hướng, không phải về độ lớn.

Việc giảm giá thực sự tác động đến một khối lượng công việc như thế nào

Giá API là cố định trên toàn bộ cửa sổ 1M token, không có phụ phí ngữ cảnh dài. Bảng giá đầy đủ, tính bằng đô la Mỹ trên một triệu token:

• Kimi K3.1 Pro — $2.00 cho đầu vào, $10.00 cho đầu ra, $0.20 khi truy cập bộ nhớ đệm, $2.00 khi ghi bộ nhớ đệm với TTL năm phút, $4.00 với TTL một giờ.

• Kimi K3.1 Pro Highspeed — $4.00 đầu vào, $20.00 đầu ra, $0.20 mỗi lần trúng bộ nhớ đệm, $4.00 và $8.00 cho mỗi lần ghi bộ nhớ đệm. Cùng một mô hình, tốc độ đầu ra gấp hai đến ba lần, mức tiêu thụ hạn ngạch trong Kimi Code gần gấp đôi.

• Kimi K3 — đầu vào $3.00, đầu ra $15.00, trúng bộ nhớ đệm $0.30, ghi bộ nhớ đệm $3.00 và $6.00.

Một yêu cầu đọc 1M token đầu vào và ghi 200K token đầu ra tốn $6.00 trên Kimi K3 và $4.00 trên Kimi K3.1 Pro. Thêm cơ chế lưu đệm prompt thực tế thì khoảng cách vẫn giữ ở mức khoảng một phần ba, vì giá khi trúng bộ đệm cũng giảm từ $0.30 xuống $0.20. Với một agent đọc lại một kho mã lớn hoặc một tài liệu tài chính dài ở mỗi lượt, đó là khác biệt giữa một quy trình tự trang trải chi phí và một quy trình không làm được vậy. Moonshot đã thực chất định giá bản nâng cấp như một đợt cắt biên lợi nhuận thay vì một mức phí cao cấp, một nước đi kỳ lạ với một mô hình vừa đạt các con số tốt hơn ở gần như mọi nơi — và là điều đáng hoan nghênh cho bất kỳ ai mà hóa đơn K3 chính là lý do họ đang tìm hiểu.

Có một điểm vướng trong cơ chế vận hành. Kimi K3.1 Pro luôn suy luận: không thể tắt reasoning, và trường reasoning_effort chấp nhận low, high hoặc max, mặc định là max. Các tham số lấy mẫu được cố định ở temperature 1.0 và top_p 0.95; truyền giá trị khác sẽ trả về lỗi. Thay đổi reasoning effort giữa cuộc hội thoại sẽ làm mất hiệu lực các lượt trúng prefix-cache, âm thầm làm tăng chi phí thực tế của vòng tinh chỉnh mà bạn định chạy. Giá token rẻ hơn là có thật; quy trình làm việc rẻ hơn phụ thuộc vào việc bạn thay đổi ý định giữa ngữ cảnh thường xuyên đến mức nào.

Nơi bạn có thể chạy nó và ngày quan trọng hơn cả ngày ra mắt

{{1}}Kimi K3.1 Pro{{/1}} đã có mặt trong ứng dụng Kimi dành cho người dùng trên web, iOS, Android và HarmonyOS, trong Kimi Work phiên bản máy tính để bàn 3.1.0 trở lên, và trong Kimi Code thông qua bộ chọn mô hình. Trên API, mô hình có sẵn dưới dạng kimi-k3.1-pro và kimi-k3.1-pro-highspeed thông qua nền tảng của chính Moonshot, với tùy chọn không lưu giữ dữ liệu và quyền truy cập doanh nghiệp mặc định bị tắt khi ra mắt. Mô hình cũng đang xuất hiện thông qua các nền tảng suy luận của bên thứ ba, điều này là bình thường đối với một mô hình có quy mô này và không nói lên điều gì về mức độ phục vụ của bất kỳ nền tảng nào trong số đó.

Ngày quan trọng hơn là ngày 4 tháng 11 năm 2026. Moonshot nói rằng trọng số mô hình đầy đủ sẽ được phát hành trước thời điểm đó. Đó là điều khiến mô tả "open-weight" không chỉ là tiếp thị, và cũng là thời điểm câu chuyện chi phí lại thay đổi: tự vận hành một mô hình mixture-of-experts 2,8T tham số không hề rẻ, nhưng một giấy phép thông thoáng sẽ loại bỏ cách tính phí theo token đối với bất kỳ ai có GPU. Cho đến khi trọng số được phát hành, so sánh giá ở trên chính là toàn bộ phép so sánh.

Một lưu ý vận hành nữa cho các đội vẫn đang dùng {{1}}thế hệ K2{{/1}}: trang giá của Moonshot cho biết các mô hình dòng K2 sẽ ngừng khả dụng với người dùng mới đăng ký vào ngày 31 tháng 10 năm 2026, và dự kiến ngừng hoạt động vào cuối tháng 12. Nếu bạn đang dùng K2.6 hoặc K2.7 Code, quyết định chuyển đổi đang được đưa ra thay cho bạn, và K3.1 Pro là đích đến dự kiến.

Bạn có nên chuyển đổi ngay từ ngày đầu tiên không?

Nếu khối lượng công việc của bạn là lập trình, sử dụng công cụ dạng tác nhân hay xử lý tài liệu tài chính, thì sự kết hợp giữa mức giá thấp hơn và điểm số do nhà cung cấp báo cáo tốt hơn là một lý do rõ ràng để dùng thử. Nếu đó là truy xuất ngữ cảnh dài với các lời nhắc ổn định, thì giá khi trúng bộ nhớ đệm là con số cần tính đến, và nó cũng có lợi cho mô hình mới.

Nếu luồng production của bạn phụ thuộc vào việc lấy mẫu có thể tái lập, hãy đọc ràng buộc tham số cố định trước khi bạn chuyển đổi. Temperature 1.0 không phải là giá trị mặc định trung tính cho mọi tác vụ, và một mô hình từ chối chấp nhận một giá trị khác là một kiểu phụ thuộc khác so với mô hình chấp nhận điều đó.

{{1}}Và nếu bạn cần bằng chứng độc lập, hãy chờ đã.{{/1}} {{2}}Chưa có ai ngoài Moonshot công bố đánh giá nào về K3.1 Pro.{{/2}} {{3}}Các con số khi ra mắt nhất quán nội bộ và thẳng thắn một cách bất thường về sự suy giảm liên quan đến an toàn, nhưng đó vẫn là nhà cung cấp tự chấm bài của chính mình.{{/3}} {{4}}Một mô hình rẻ như thế này sẽ nhanh chóng được đem ra kiểm thử; kết quả harness độc lập đầu tiên mới là thứ cho bạn biết liệu 65.7% có sống sót khi tiếp xúc với scaffolding của người khác hay không.{{/4}}

Với các nhóm đã định tuyến qua OrcaRouter, thay đổi thực tế nhỏ hơn so với hàm ý của đợt ra mắt. Danh mục của chúng tôi hiện có kimi/kimi-k3 với giá niêm yết của Moonshot cùng mức tăng giá 0%, vì vậy phía K3 của so sánh này đang hoạt động trên cùng khóa như phần còn lại trong stack của bạn. Kimi K3.1 Pro chưa có trong danh mục tại thời điểm viết bài; khi được thêm vào, việc chuyển từ thế hệ này sang thế hệ khác chỉ là thay đổi chuỗi mô hình chứ không phải hợp đồng thứ hai và SDK mới. Việc giảm giá là lý do để quan tâm, và cơ chế chuyển thẳng giá gốc là lý do nó sẽ hiển thị ở phía chúng tôi với cùng con số mà Moonshot công bố, không phải con số đã bị tăng giá.

Buổi ra mắt trong một đoạn văn

Kimi K3.1 Pro là một bản nâng cấp hậu huấn luyện cho Kimi K3, được bán với giá bằng hai phần ba giá của mô hình cũ hơn, đi kèm một bảng đánh giá chuẩn mạnh mẽ từ nhà cung cấp, mức cải thiện thực sự trong kiểm soát ảo giác, một điểm thoái lui liên quan đến an toàn đã được công bố trên một bài kiểm tra lập trình đối kháng, và chưa có xác minh độc lập nào. Đợt ra mắt thực sự là tin tức vì mức giá và cam kết về trọng số, không phải vì mô hình là một kiến trúc mới. Ngày cần khoanh tròn là 4 tháng 11, khi trọng số đến hạn và những đánh giá bên ngoài nghiêm túc đầu tiên sẽ bắt đầu xuất hiện.