Kimi K3.1 Pro so với Kimi K3: Cùng bộ khung, giá thấp hơn và hóa đơn hậu huấn luyện đã đến hạn

Kimi K3.1 Pro không phải là một mô hình mới theo cách mà Kimi K3 từng là một mô hình mới. Bản phát hành ngày 24 tháng 10 năm 2026 của Moonshot AI rõ ràng là một phiên bản được hậu huấn luyện của Kimi K3 với khối lượng tính toán hậu huấn luyện lớn hơn đáng kể — cùng kiến trúc, cùng ngữ cảnh 1,048,576 token, cùng khả năng thị giác gốc, và một tập hợp hành vi khác được gắn thêm bằng học tăng cường trên hàng trăm lĩnh vực hạ nguồn. Điều khiến phép so sánh trở nên thú vị không phải là mức chênh lệch trong bảng điểm chuẩn. Mà là ở chỗ mô hình mới hơn, tốt hơn có chi phí trên mỗi token thấp hơn một phần ba so với mô hình cũ.

Sự đảo ngược đó hiếm đến mức đáng để xem xét kỹ lưỡng. Thông thường, một phòng thí nghiệm ra mắt một mô hình mạnh hơn với cùng mức giá và để mẫu cũ trôi dần xuống phân khúc thấp hơn. Moonshot làm ngược lại: họ giữ nguyên giá cho mô hình cũ và hạ mẫu mới xuống $2.00 cho đầu vào và $10.00 cho đầu ra trên mỗi triệu token, so với $3.00 và $15.00 của Kimi K3. Để hiểu lý do, cần tách bạch điều gì thực sự đã thay đổi trong mô hình với điều gì đã thay đổi trong hoạt động kinh doanh xung quanh nó.

Kiến trúc đã không di chuyển.

Kimi K3 ra mắt ngày 16 tháng 7 năm 2026 với tư cách là mô hình mở đầu tiên trong phân khúc 2,8 nghìn tỷ tham số: thiết kế hỗn hợp chuyên gia với khoảng 104 tỷ tham số hoạt động, 896 chuyên gia và 16 chuyên gia được kích hoạt mỗi token, cửa sổ 1 triệu token, khả năng hiểu hình ảnh và video gốc, gọi công cụ, lưu đệm prompt và suy luận tích hợp. Trọng số của mô hình được phát hành sau đó vào ngày 27 tháng 7 theo một giấy phép cho phép sử dụng, sửa đổi, phân phối và tinh chỉnh, với một thỏa thuận riêng bắt buộc đối với các nhà cung cấp mô hình dưới dạng dịch vụ có doanh thu hơn 20 triệu USD mỗi năm và yêu cầu ghi công đối với các sản phẩm thương mại rất lớn.

Kimi K3.1 Pro giữ nguyên mọi thứ. Moonshot gọi mô hình mới là "3T-class", đây là cách nói mang tính định vị; các báo cáo từ buổi ra mắt cho thấy nó vẫn ở cùng mức tổng 2,8 nghìn tỷ và 104 tỷ tham số hoạt động. Giới hạn ngữ cảnh, khả năng hỗ trợ thị giác và giới hạn đầu ra 1M token đều không thay đổi. Nếu bạn hy vọng vào một mức tham số hoạt động rẻ hơn hoặc một cửa sổ dài hơn, thì đây không phải bản phát hành đó.

Điều đã thay đổi là giai đoạn huấn luyện sau tiền huấn luyện. Moonshot mô tả việc học tăng cường kết hợp quy mô lớn trên hàng trăm lĩnh vực, được hỗ trợ bởi hạ tầng sandbox được làm lại, lập lịch rollout và kiểm tra chất lượng môi trường. Nói đơn giản, công ty đã dành rất nhiều năng lực tính toán để dạy mô hình hiện có hành xử tốt hơn trong các tác vụ tác tử và chuyên môn, thay vì dạy nó thêm nhiều sự kiện. Đó là lý do các mức cải thiện tập trung đúng ở những nơi chúng tập trung.

Những con số cho thấy điều gì, và chỗ nào trong so sánh còn mỏng manh

Bảng benchmark của nhà cung cấp khá rộng — 14 bài đánh giá — nhưng đây không phải là một so sánh ghép cặp sạch sẽ. Moonshot chỉ công bố số liệu Kimi K3 cho một tập con của các bài kiểm tra mới, nên một số chênh lệch ấn tượng nhất là so với các bộ kiểm thử nội bộ của chính họ, chứ không phải so với một benchmark công khai mà cả hai mô hình đều đã thực hiện.

• Lập trình tầm xa — Kimi Code Bench 3.0 Long-horizon: 61,2% cho Kimi K3.1 Pro so với 55,95% cho Kimi K3. Đây là con số so với thế hệ trước rõ ràng nhất trong đợt ra mắt, và cũng là con số do nhà cung cấp kiểm soát nhiều nhất, vì cả benchmark lẫn harness đều thuộc về Moonshot.

• Ảo giác — tỷ lệ theo từng khẳng định trên Kimi Hallu Bench Hard giảm từ 23,4% trên Kimi K3 xuống 8,3% khi dùng công cụ trên Kimi K3.1 Pro. Không dùng công cụ, mô hình mới đạt 5,4%. Moonshot cũng cho biết các phản hồi chứa ít nhất một lỗi thực tế hiện bằng 42,4% tỷ lệ của mô hình tiền nhiệm. Đối với công việc nặng về tài liệu, đây là cải tiến có tác động lớn nhất trong bản phát hành này.

• Tài chính và vận hành kinh doanh — đánh giá nội bộ Financial Modeling 57.6 so với 50.4, Financial Research 70.4 so với 58.8, Business Operation 37 so với 8.9. Mục cuối cùng là cải thiện gấp bốn lần ở một tác vụ mà mô hình cũ gần như không hoạt động được. Đây là các đánh giá của chính Moonshot, nên hãy coi độ lớn là mang tính định hướng.

• 3D và CAD — BenchCAD có công cụ 92,7, không có công cụ 72,8. Moonshot không công bố số liệu Kimi K3 cho bài kiểm tra này, vì vậy mức tăng không được đo lường trong bài đăng ra mắt dù điểm tuyệt đối rất mạnh.

• Lập trình đối kháng — pass@3 trên xdev-bench-hard đạt 81,0% đối với {{1}}Kimi K3.1 Pro{{/1}}, so với 33,3% đối với {{2}}Kimi K3{{/2}} và 85,7% đối với DeepSeek-V4.1-Flash-1017. Một checkpoint được huấn luyện mà không áp dụng các biện pháp giảm thiểu rủi ro của công ty đạt 90,5%, và Moonshot quy khoảng cách 9,5 điểm đó cho công tác an toàn và các kiểm soát dữ liệu huấn luyện.

• Vị thế tiên phong — Terminal-Bench 4.0 đạt 65,7%, sau Claude Opus 5.5 với 66,4% và trước GPT-6 Astra với 58,2%. BenchCAD khi có công cụ đạt 92,7%, thấp hơn Opus với 96,2 và Astra với 95,9. Mô thức này nhất quán: tiệm cận nhóm tiên phong, hiếm khi đứng đầu.

Không có điều nào trong số này được xác minh độc lập. Kimi K3 ra đời với Chỉ số Trí tuệ Artificial Analysis là 57, đứng thứ ba toàn cầu vào thời điểm đó sau Claude Fable 5 và GPT-5.6 Sol, và không có điểm số tương đương nào từ bên thứ ba cho K3.1 Pro vào ngày ra mắt. Vấn đề harness không phải là giả thuyết: điểm Terminal-Bench dao động hàng chục điểm tùy thuộc vào scaffolding, đó là lý do vì sao mức 65,7% và 58,2% được tạo ra ở các phòng thí nghiệm khác nhau không phải là phép đo cho khoảng cách 7,5 điểm. Chiều hướng là đáng tin cậy; độ lớn thì chưa.

Sự đảo ngược giá cả mới là câu chuyện thực sự

Kimi K3 ra mắt với tư cách là mô hình Trung Quốc đắt nhất trên thị trường, ở mức 3,00 USD cho đầu vào và 15,00 USD cho đầu ra trên mỗi triệu token, gấp khoảng ba đến bốn lần thế hệ K2. Mức giá đó là một canh bạc có chủ đích rằng năng lực, chứ không phải chi phí, sẽ giành phần thắng ở các tác vụ tiên phong. Kimi K3.1 Pro đảo ngược hướng đi ở mô hình mới hơn trong khi vẫn giữ nguyên mức giá cũ.

• Đầu vào — $2.00 mỗi triệu trên K3.1 Pro so với $3.00 trên K3, giảm 33%.

• Sản lượng — 10,00 USD so với 15,00 USD, cũng 33%.

• Cache hit — $0.20 so với $0.30, giảm 33% ở hạng mục chiếm phần lớn khối lượng công việc của agent.

• Ghi bộ nhớ đệm — $2.00 và $4.00 ở TTL năm phút và một giờ, so với $3.00 và $6.00.

• Biến thể tốc độ cao — $4.00 và $20.00, với cùng mức giá $0.20 khi trúng bộ nhớ đệm; tốc độ đầu ra nhanh gấp hai đến ba lần, hạn mức trong Kimi Code gần như gấp đôi.

Phép tính đơn giản đến mức có thể nhẩm trên khăn giấy. 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. Một agent đọc lại một kho mã lớn ở mỗi lượt và gặp cache 70% số lần sẽ trả khoảng $4.11 trên K3 và $2.74 trên K3.1 Pro cho cùng dạng lệnh gọi. Nếu mô hình mới còn hoàn thành trong ít lượt hơn — điều vốn là mục đích của huấn luyện tầm xa — thì chi phí cho mỗi tác vụ hoàn thành sẽ giảm nhiều hơn mức mà giá token gợi ý.

Tại sao lại giảm giá? Lời giải thích khả dĩ nhất mang tính cạnh tranh hơn là từ thiện. Một mô hình 2,8T tham số rất tốn kém để vận hành, và thị trường dành cho các mô hình cận biên giới đã dành cả năm 2026 để hội tụ về giá. Lịch ngừng cung cấp K2 của chính Moonshot càng tạo thêm áp lực: các mô hình dòng K2 sẽ không còn khả dụng cho người dùng mới từ ngày 31 tháng 10 năm 2026 và dự kiến sẽ ngừng hẳn vào cuối tháng 12. Định giá K3.1 Pro thấp hơn K3 mang lại cho mọi khách hàng K2 lý do để nâng cấp lên chứ không tìm nơi khác. Giá K3 cũ giữ nguyên vì không ai đã dự trù ngân sách cho nó lại cần giảm giá để tiếp tục gắn bó.

Khi nào Kimi K3 vẫn là câu trả lời đúng

Ba trường hợp vẫn trụ lại sau khi so sánh. Trường hợp đầu tiên là tự lưu trữ (self-hosting) ở thời điểm hiện tại: trọng số của Kimi K3 đã được công khai từ ngày 27 tháng 7, trong khi trọng số của Kimi K3.1 Pro chỉ được hứa hẹn vào ngày 4 tháng 11 năm 2026. Nếu triển khai của bạn không thể gọi API được lưu trữ sẵn, thì mô hình mới hơn vẫn chưa phải là một lựa chọn, bất kể bảng điểm chuẩn nói gì.

Thứ hai là tính ổn định hành vi. Một mô hình đã chạy trong môi trường sản xuất được ba tháng có một hồ sơ lỗi đã biết. Kimi K3.1 Pro thay đổi hành vi suy luận theo thiết kế, và chế độ suy nghĩ luôn bật với mặc định ở mức nỗ lực tối đa của nó không phải là thứ có thể thay thế trực tiếp cho mọi pipeline. Các nhóm có bộ đánh giá chặt chẽ nên mong đợi việc thiết lập lại đường cơ sở, chứ không chỉ hoán đổi một chuỗi.

Điểm thứ ba là kiểm soát lấy mẫu. Kimi K3.1 Pro cố định temperature ở 1.0 và top_p ở 0.95 và từ chối các giá trị khác; việc thay đổi mức nỗ lực suy luận giữa cuộc hội thoại cũng làm mất hiệu lực các lần trúng bộ nhớ đệm tiền tố. Nếu ứng dụng của bạn phụ thuộc vào tính tất định ở nhiệt độ thấp, hãy kiểm tra xem mô hình cũ có mang lại cho bạn khả năng kiểm soát mà mô hình mới không có hay không trước khi cho rằng việc nâng cấp là miễn phí.

Quyết định di chuyển, không thổi phồng

Đối với agent lập trình, sử dụng công cụ trong tác vụ dài hạn, nghiên cứu tài chính và xác minh tài liệu, lý do để chuyển là rất mạnh: điểm số do nhà cung cấp báo cáo tốt hơn đúng ở những lĩnh vực đó, giá thấp hơn trên mọi dòng tính phí, và tỷ lệ ảo giác giảm khoảng hai phần ba. Rủi ro là tất cả đều do tự báo cáo, vì vậy cách hợp lý là đánh giá shadow trên chính tác vụ của bạn trước khi chuyển lưu lượng sản xuất.

Đối với tạo hàng loạt và truy xuất ngữ cảnh dài, giá khi trúng bộ nhớ đệm là con số quan trọng, và nó mang lợi thế cho mô hình mới ở mức một phần ba. Với bất kỳ ai gắn bó với trọng số mở, lịch sẽ định đoạt: ngày 4 tháng 11 là ngày sớm nhất để phép so sánh trở thành thực tế.

Phần đảm nhận của OrcaRouter trong việc này là cố ý không hào nhoáng. Danh mục của chúng tôi có kimi/kimi-k3 hôm nay với giá niêm yết của Moonshot và mức tăng giá 0%, trên cùng một khóa như phần còn lại của stack của bạn, nên phía cũ trong phép so sánh này đã có thể gọi được mà không cần hợp đồng thứ hai. Kimi K3.1 Pro chưa có trong danh mục tại thời điểm viết. Khi nó ra mắt, mô hình chuyển thẳng nghĩa là mức $2/$10 ở trên là số bạn trả tại đây chứ không phải phiên bản của một nhà bán lại, và việc chuyển thế hệ chỉ là thay đổi chuỗi mô hình bên trong một chính sách định tuyến chứ không phải một dự án di trú.

Phán quyết

Kimi K3.1 Pro là mô hình tốt hơn và cũng rẻ hơn, khiến việc khuyến nghị trở nên dễ dàng và bằng chứng mỏng hơn vẻ ngoài của nó. Moonshot đã cải thiện những hành vi quan trọng đối với công việc tác tử và chuyên môn, giảm một phần ba mọi dòng giá, và công bố một hồi quy liên quan đến an toàn mà hầu hết bài ra mắt sẽ chôn vùi. Điều hãng chưa làm là gửi kết quả cho một bộ đánh giá độc lập. Nếu bạn đã dùng Kimi K3, bản nâng cấp tự hoàn vốn trên hóa đơn trước khi tự hoàn vốn trên điểm chuẩn. Nếu bạn đang chờ bằng chứng, trọng số và những đánh giá bên ngoài đầu tiên đều dự kiến trong vòng hai tuần — và đó là lúc so sánh này không còn là tuyên bố của nhà cung cấp mà trở thành một phép đo.