Kimi K3.1 Pro telah rilis: konteks 1M, bobot terbuka dijadwalkan 4 Nov

Moonshot AI merilis Kimi K3.1 Pro pada 23 Oktober 2026: model dengan jendela konteks 1.048.576 token, ditujukan untuk pekerjaan agentic dan coding, dengan bobot terbuka penuh yang dijanjikan pada 4 November. Harga API adalah satu-satunya hal yang belum ada: pada halaman yang kami periksa pada 23 Oktober, harga tersebut belum dipublikasikan.

Jadi jika Anda datang untuk kesimpulan cepat, inilah dia: model menarik, angka dari vendor kuat, belum ada cara untuk menghitung biaya beban kerja di atasnya. Berikut adalah apa yang sebenarnya dikatakan pengumuman, cara membaca benchmark, dan perhitungan biaya untuk jenis pekerjaan yang sama pada model yang bisa Anda jalankan hari ini.

Apa yang diumumkan Moonshot#

Pengumuman Kimi K3.1 Pro (diperiksa 23 Oktober 2026) menyatakan K3.1 Pro adalah model pertama dari seri K3.1. Ada juga varian yang lebih cepat, Kimi K3.1 Pro Highspeed, yang menurut Moonshot 2–3× lebih cepat. ID API-nya adalah kimi-k3.1-pro dan kimi-k3.1-pro-highspeed.

Moonshot menyebutnya "model open-weight kelas 3T" dan menyatakan bobot lengkap akan tersedia pada 4 November 2026. Sebuah ulasan ulang di Telegram mengutip jumlah parameter yang pasti; halaman resmi tidak menyebutkannya, jadi anggap angka itu belum terkonfirmasi.

Tempat Anda bisa menggunakannya hari ini, menurut pengumuman: Kimi.ai dan aplikasinya, Kimi Work desktop 3.1.0+, Kimi Code (melalui /model), Kimi API (dengan Zero Data Retention untuk pelanggan API) dan Kimi Business, di mana admin enterprise harus mengaktifkannya — fitur ini nonaktif secara default saat peluncuran.

Batasan dan detail API#

Quickstart (diperiksa 23 Oktober 2026) memberikan angka-angka berikut:

• jendela konteks: 1.048.576 token;
• max_completion_tokens: 131.072 secara default, hingga 1.048.576;
• harga per token yang flat, tanpa tingkatan konteks;
• caching konteks otomatis dengan TTL default 5 menit; penulisan cache ditagih berdasarkan TTL (5 menit atau 1 jam), input yang di-cache dengan harga cache-hit;
• base URL https://api.moonshot.ai/v1, dengan contoh untuk OpenAI SDK.

Tentang harga. Halaman harga menampilkan tabel kosong untuk K3.1 Pro saat kami memeriksanya pada 23 Oktober. Harga input, cache, maupun output belum dipublikasikan, jadi apa pun "Kimi K3.1 Pro berbiaya X" yang Anda lihat hari ini hanyalah tebakan.

Benchmark, dan cara membacanya#

Semua ini adalah angka Moonshot sendiri, dijalankan pada upaya penalaran maksimum, temperature 1.0, top-p 0.95:

• Terminal-Bench 4.0: 65,7% (GPT-6 Astra 58,2%, Claude Opus 5.5 66,4%);
• BenchCAD dengan tools: 92,7% (Opus 5.5 96,2%, GPT-6 Astra 95,9%);
• Kimi Code Bench 3.0, long-horizon: 61,2% dibandingkan 55,95% untuk K3;
• tingkat halusinasi tingkat klaim pada Kimi Hallu Bench Hard internal Moonshot: 8,3%, turun dari 23,4% untuk K3.

Bacalah itu sebagai: mendekati puncak pada tugas terminal, tertinggal pada CAD, dan penurunan besar yang diklaim pada klaim yang dibuat-buat dibandingkan pendahulunya. Dua dari empat adalah benchmark internal Moonshot, jadi tunggu hasil uji independen sebelum Anda membangun ulang apa pun di atasnya. Moonshot juga menyatakan telah menghapus data terkait siber dari mid-training dan reinforcement learning untuk membatasi kemampuan siber ofensif.

Apa artinya ini bagi tagihan agen Anda#

Jendela 1M penting ketika agen Anda menyimpan banyak konteks: file repositori, output tool, riwayat panjang. Tetapi sebagian besar loop agen tidak membutuhkan satu juta token per panggilan; mereka membutuhkan beberapa puluh ribu token, diulang berkali-kali. Di situlah tagihan berasal, dan Anda bisa menghitungnya hari ini.

Katakanlah agen Anda menjalankan 1.000 langkah, dan setiap langkah mengirim 30.000 token konteks dan menerima 800 token kembali. Itu berarti 30.000 × 1.000 = 30.000.000 token input dan 800 × 1.000 = 800.000 token output. Tabel tersebut menghitung persis itu pada model yang tersedia di CheapTokens, di samping referensi OpenRouter:

Untuk loop agentic dan coding, MiniMax-M2.7 adalah pilihan yang lugas: dalam fakta yang kami periksa pada 23 Oktober 2026, baik input maupun outputnya lebih murah daripada referensi OpenRouter, dengan konteks 180K dan hingga 8.192 token output per jawaban. Satu langkah beban kerja ini berbiaya $0.0016.

Harga berasal dari daftar harga langsung, sehingga angka di atas diperbarui saat tarif berubah. Untuk melihat model secara berdampingan, buka halaman harga; untuk estimasi langkah demi langkah loop Anda sendiri, lihat cara memperkirakan biaya agen AI.

Coba sendiri beban kerja yang sama#

API CheapTokens kompatibel dengan OpenAI, jadi klien yang sudah ada hanya memerlukan base URL baru dan ID model. ID lengkap diperlukan; nama pendek dari daftar harga tidak diterima:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "List the files you would read first in a Python repo with a failing test."}],
    "max_tokens": 400
  }'

Respons membawa blok usage dengan token input dan output. Kalikan dengan jumlah langkah Anda dan Anda mendapatkan versi tabel di atas milik Anda sendiri. Detail penyiapan ada di dokumentasi; jika Anda memilih di antara ketiga model, GLM vs DeepSeek vs MiniMax membahasnya berdasarkan tugas.

Yang perlu diperhatikan selanjutnya#

• Harganya. Periksa kembali halaman harga Kimi: setelah harga input, cache, dan output muncul, Anda bisa menjalankan perhitungan 1.000 langkah yang sama pada harga tersebut.
• 4 November. Bobot terbuka. Evaluasi independen biasanya menyusul dalam beberapa hari.
• Highspeed. Harga dan jendela konteksnya tidak dikonfirmasi secara terpisah dari K3.1 Pro.

Satu aturan praktis untuk model long-context baru mana pun: hitung biaya langkah nyata Anda (konteks masuk, jawaban keluar) sebelum Anda bersemangat soal ukuran jendela.