Kimi K3.1 Pro ออกแล้ว: บริบท 1M, open weights กำหนด 4 พ.ย.

Moonshot AI เปิดตัว Kimi K3.1 Pro เมื่อวันที่ 23 ตุลาคม 2026: โมเดลที่มีหน้าต่างบริบท 1,048,576 โทเคน มุ่งเน้นงานแบบ agentic และการเขียนโค้ด พร้อมสัญญาว่าจะเปิด weights เต็มรูปแบบภายในวันที่ 4 พฤศจิกายน สิ่งเดียวที่ยังขาดคือราคา API: ในหน้าที่เราเช็กเมื่อวันที่ 23 ตุลาคม ยังไม่มีการเผยแพร่

ดังนั้นถ้าคุณมาหาคำตัดสินแบบเร็ว ๆ นี่คือคำตอบ: โมเดลน่าสนใจ ตัวเลขจากผู้ขายแข็งแกร่ง แต่ยังไม่มีทางคิดราคางานจริงบนโมเดลนี้ได้ ด้านล่างคือสิ่งที่ประกาศระบุไว้จริง วิธีอ่าน benchmark และการคำนวณต้นทุนสำหรับงานประเภทเดียวกันบนโมเดลที่คุณรันได้วันนี้

สิ่งที่ Moonshot ประกาศ#

ประกาศ Kimi K3.1 Pro (เช็กเมื่อ 23 ตุลาคม 2026) ระบุว่า K3.1 Pro เป็นโมเดลแรกในซีรีส์ K3.1 นอกจากนี้ยังมีรุ่นที่เร็วกว่า คือ Kimi K3.1 Pro Highspeed ซึ่ง Moonshot อธิบายว่าเร็วกว่า 2–3 เท่า API id คือ kimi-k3.1-pro และ kimi-k3.1-pro-highspeed

Moonshot เรียกมันว่า "โมเดล open-weight ระดับ 3T" และระบุว่า weights เต็มรูปแบบจะมาภายในวันที่ 4 พฤศจิกายน 2026 มีการเล่าต่อใน Telegram ที่อ้างจำนวนพารามิเตอร์ที่แน่นอน แต่หน้าทางการไม่ได้ระบุ จึงควรถือว่าตัวเลขนั้นยังไม่ได้รับการยืนยัน

ตามประกาศ คุณใช้มันได้วันนี้ที่: Kimi.ai และแอปต่าง ๆ, Kimi Work เดสก์ท็อป 3.1.0+, Kimi Code (ผ่าน /model), Kimi API (พร้อม Zero Data Retention สำหรับลูกค้า API) และ Kimi Business ซึ่งผู้ดูแลองค์กรต้องเปิดใช้งานเอง — ค่าเริ่มต้นตอนเปิดตัวคือปิดอยู่

ขีดจำกัดและรายละเอียด API#

quickstart (เช็กเมื่อ 23 ตุลาคม 2026) ให้ตัวเลขเหล่านี้:

• หน้าต่างบริบท: 1,048,576 โทเคน;
• max_completion_tokens: ค่าเริ่มต้น 131,072 สูงสุดถึง 1,048,576;
• ราคาต่อโทเคนแบบคงที่ ไม่มีขั้นบันไดตามบริบท;
• แคชบริบทอัตโนมัติด้วย TTL เริ่มต้น 5 นาที; การเขียนแคชคิดตาม TTL (5 นาที หรือ 1 ชั่วโมง) อินพุตที่แคชคิดในราคา cache-hit;
• base URL https://api.moonshot.ai/v1 พร้อมตัวอย่างสำหรับ OpenAI SDK

เกี่ยวกับราคา หน้าราคา แสดงตารางว่างสำหรับ K3.1 Pro เมื่อเราเช็กเมื่อวันที่ 23 ตุลาคม ยังไม่มีราคาอินพุต แคช หรือเอาต์พุตที่เปิดเผย ดังนั้นอะไรก็ตามที่บอกว่า "Kimi K3.1 Pro ราคา X" ที่คุณเห็นวันนี้ล้วนเป็นการเดา

Benchmark และวิธีอ่าน#

ทั้งหมดนี้เป็นตัวเลขของ Moonshot เอง รันที่ระดับการให้เหตุผลสูงสุด, 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 พร้อมเครื่องมือ: 92.7% (Opus 5.5 96.2%, GPT-6 Astra 95.9%);
• Kimi Code Bench 3.0 แบบ long-horizon: 61.2% เทียบกับ 55.95% ของ K3;
• อัตราการ hallucination ระดับข้อกล่าวอ้างบน Kimi Hallu Bench Hard ภายในของ Moonshot: 8.3% ลดลงจาก 23.4% ของ K3

อ่านได้ว่า: ใกล้เคียงหัวตารางในงาน terminal, ตามหลังใน CAD และอ้างว่าลดข้อกล่าวอ้างที่กุขึ้นได้มากเมื่อเทียบกับรุ่นก่อน สองในสี่เป็น benchmark ภายในของ Moonshot ดังนั้นควรรอผลการรันอิสระก่อนจะสร้างอะไรใหม่บนพื้นฐานของมัน Moonshot ยังระบุว่าลบข้อมูลที่เกี่ยวข้องกับไซเบอร์ออกจากการฝึกช่วงกลางและการเรียนรู้แบบเสริมกำลัง เพื่อจำกัดความสามารถด้านไซเบอร์เชิงรุก

สิ่งนี้หมายถึงอะไรต่อค่าใช้จ่าย agent ของคุณ#

หน้าต่าง 1M สำคัญเมื่อ agent ของคุณเก็บบริบทจำนวนมาก: ไฟล์ใน repository, เอาต์พุตของเครื่องมือ, ประวัติยาว ๆ แต่ลูป agent ส่วนใหญ่ไม่ต้องการหนึ่งล้านโทเคนต่อการเรียก; ต้องการแค่ไม่กี่หมื่นโทเคน ซ้ำหลายครั้ง นั่นคือที่มาของค่าใช้จ่าย และคุณคิดราคาได้วันนี้

สมมติ agent ของคุณรัน 1,000 ขั้น และแต่ละขั้นส่งบริบท 30,000 โทเคนและได้กลับมา 800 โทเคน นั่นคือ 30,000 × 1,000 = 30,000,000 อินพุตโทเคน และ 800 × 1,000 = 800,000 เอาต์พุตโทเคน ตารางคิดราคาแบบนั้นพอดีบนโมเดลที่ใช้ได้ใน CheapTokens เทียบกับราคาอ้างอิงของ OpenRouter:

สำหรับลูป agentic และการเขียนโค้ด MiniMax-M2.7 เป็นตัวเลือกที่ตรงไปตรงมา: ในข้อเท็จจริงที่เราเช็กเมื่อวันที่ 23 ตุลาคม 2026 ทั้งอินพุตและเอาต์พุตถูกกว่าราคาอ้างอิงของ OpenRouter ด้วยบริบท 180K และเอาต์พุตสูงสุด 8,192 โทเคนต่อคำตอบ หนึ่งขั้นของงานนี้มีค่าใช้จ่าย $0.0016

ราคามาจากรายการราคาแบบสด ตัวเลขข้างต้นจึงอัปเดตเมื่ออัตราเปลี่ยน หากต้องการดูโมเดลเทียบกัน เปิดหน้าราคา; สำหรับการประเมินลูปของคุณเองทีละขั้น ดูวิธีประเมินต้นทุนของ AI agent

ลองงานเดียวกันด้วยตัวเอง#

API ของ CheapTokens เข้ากันได้กับ OpenAI ไคลเอนต์ที่มีอยู่จึงต้องการเพียง base URL ใหม่และ model id ต้องใช้ id แบบเต็ม ชื่อย่อจากรายการราคาใช้ไม่ได้:

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
  }'

การตอบกลับมีบล็อก usage พร้อมจำนวนโทเคนอินพุตและเอาต์พุต คูณจำนวนเหล่านั้นด้วยจำนวนขั้นของคุณ คุณก็จะได้ตารางเวอร์ชันของคุณเอง รายละเอียดการตั้งค่าอยู่ในเอกสาร; หากคุณกำลังเลือกระหว่างสามโมเดล GLM vs DeepSeek vs MiniMax อธิบายตามงาน

สิ่งที่ควรจับตาต่อไป#

• ราคา เช็กหน้าราคา Kimi อีกครั้ง: เมื่อราคาอินพุต แคช และเอาต์พุตปรากฏ คุณก็คำนวณ 1,000 ขั้นแบบเดียวกันบนราคาเหล่านั้นได้
• 4 พฤศจิกายน weights แบบเปิด การประเมินอิสระมักตามมาภายในไม่กี่วัน
• Highspeed ราคาและหน้าต่างบริบทของมันยังไม่ได้รับการยืนยันแยกจาก K3.1 Pro

หลักง่าย ๆ สำหรับโมเดล long-context ใหม่ทุกรุ่น: คิดราคาขั้นจริงของคุณ (บริบทเข้า คำตอบออก) ก่อนจะตื่นเต้นกับขนาดหน้าต่าง