Kimi K3.1 Pro đã ra mắt: ngữ cảnh 1M, trọng số mở dự kiến ngày 4 tháng 11

Moonshot AI phát hành Kimi K3.1 Pro vào ngày 23 tháng 10 năm 2026: một mô hình với cửa sổ ngữ cảnh 1.048.576 token, hướng đến công việc agentic và lập trình, với cam kết mở toàn bộ trọng số vào ngày 4 tháng 11. Giá API là thứ duy nhất còn thiếu: trên các trang chúng tôi kiểm tra ngày 23 tháng 10, nó chưa được công bố.

Vậy nếu bạn đến để tìm một kết luận nhanh, đây là: mô hình thú vị, con số từ nhà cung cấp mạnh, nhưng chưa có cách nào để tính giá một khối lượng công việc trên đó. Dưới đây là những gì thông báo thực sự nói, cách đọc các benchmark, và một phép tính chi phí cho cùng loại công việc trên các mô hình bạn có thể chạy ngay hôm nay.

Moonshot đã công bố gì#

Thông báo Kimi K3.1 Pro (kiểm tra ngày 23 tháng 10 năm 2026) cho biết K3.1 Pro là mô hình đầu tiên của dòng K3.1. Còn có một biến thể nhanh hơn, Kimi K3.1 Pro Highspeed, mà Moonshot mô tả là nhanh hơn 2–3×. Các id API là kimi-k3.1-pro và kimi-k3.1-pro-highspeed.

Moonshot gọi nó là "mô hình trọng số mở cấp 3T" và nói toàn bộ trọng số sẽ có vào ngày 4 tháng 11 năm 2026. Một bài đăng lại trên Telegram dẫn một con số tham số chính xác; trang chính thức thì không, nên hãy coi con số đó là chưa được xác nhận.

Nơi bạn có thể dùng nó hôm nay, theo thông báo: Kimi.ai và các ứng dụng, Kimi Work desktop 3.1.0+, Kimi Code (qua /model), Kimi API (với Zero Data Retention cho khách hàng API) và Kimi Business, nơi quản trị viên doanh nghiệp phải bật nó — mặc định nó tắt khi ra mắt.

Giới hạn và chi tiết API#

Quickstart (kiểm tra ngày 23 tháng 10 năm 2026) đưa ra các con số sau:

• cửa sổ ngữ cảnh: 1.048.576 token;
• max_completion_tokens: mặc định 131.072, tối đa 1.048.576;
• giá đồng nhất theo token, không có bậc ngữ cảnh;
• bộ nhớ đệm ngữ cảnh tự động với TTL mặc định 5 phút; ghi bộ nhớ đệm được tính theo TTL (5 phút hoặc 1 giờ), đầu vào được lưu đệm theo giá cache-hit;
• base URL https://api.moonshot.ai/v1, với các ví dụ cho OpenAI SDK.

Về giá. Trang giá trả về bảng trống cho K3.1 Pro khi chúng tôi xem ngày 23 tháng 10. Chưa có giá đầu vào, bộ nhớ đệm hay đầu ra nào được công khai, nên bất kỳ "Kimi K3.1 Pro tốn X" nào bạn thấy hôm nay đều là phỏng đoán.

Các benchmark, và cách đọc chúng#

Tất cả đều là con số của chính Moonshot, chạy ở mức suy luận tối đa, 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 với công cụ: 92,7% (Opus 5.5 96,2%, GPT-6 Astra 95,9%);
• Kimi Code Bench 3.0, tầm xa: 61,2% so với 55,95% của K3;
• tỷ lệ ảo giác ở cấp độ khẳng định trên Kimi Hallu Bench Hard nội bộ của Moonshot: 8,3%, giảm từ 23,4% của K3.

Hãy đọc điều đó như sau: gần đứng đầu ở các tác vụ terminal, kém hơn ở CAD, và một mức giảm lớn được tuyên bố về các khẳng định bịa đặt so với phiên bản tiền nhiệm. Hai trong bốn là benchmark nội bộ của Moonshot, nên hãy chờ các lần chạy độc lập trước khi xây dựng lại bất cứ thứ gì dựa trên chúng. Moonshot cũng nói họ đã loại bỏ dữ liệu liên quan đến an ninh mạng khỏi giai đoạn mid-training và học tăng cường để hạn chế năng lực tấn công mạng.

Điều này có nghĩa gì cho hóa đơn agent của bạn#

Cửa sổ 1M quan trọng khi agent của bạn giữ nhiều ngữ cảnh: tệp kho mã, đầu ra công cụ, lịch sử dài. Nhưng hầu hết vòng lặp agent không cần một triệu token mỗi lần gọi; chúng cần vài chục nghìn, lặp lại nhiều lần. Đó là nơi hóa đơn phát sinh, và bạn có thể tính giá nó ngay hôm nay.

Giả sử agent của bạn chạy 1.000 bước, và mỗi bước gửi 30.000 token ngữ cảnh và nhận lại 800 token. Đó là 30.000 × 1.000 = 30.000.000 token đầu vào và 800 × 1.000 = 800.000 token đầu ra. Bảng dưới đây tính giá chính xác điều đó trên các mô hình có sẵn trong CheapTokens, bên cạnh tham chiếu OpenRouter:

Với các vòng lặp agentic và lập trình, MiniMax-M2.7 là lựa chọn đơn giản: trong các dữ kiện chúng tôi kiểm tra ngày 23 tháng 10 năm 2026, cả đầu vào và đầu ra của nó đều rẻ hơn tham chiếu của OpenRouter, với ngữ cảnh 180K và tối đa 8.192 token đầu ra mỗi câu trả lời. Một bước của khối lượng công việc này tốn $0.0016.

Giá lấy từ danh sách giá trực tiếp, nên các con số trên làm mới khi biểu giá thay đổi. Để xem các mô hình cạnh nhau, mở trang giá; để ước tính từng bước cho vòng lặp của riêng bạn, xem cách ước tính chi phí của một AI agent.

Tự thử cùng khối lượng công việc#

API CheapTokens tương thích OpenAI, nên một client hiện có chỉ cần base URL mới và một id mô hình. Cần id đầy đủ; tên viết tắt từ danh sách giá không được chấp nhận:

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
  }'

Phản hồi mang một khối usage với số token đầu vào và đầu ra. Nhân chúng với số bước của bạn và bạn có phiên bản bảng trên của riêng mình. Chi tiết thiết lập có trong tài liệu; nếu bạn đang chọn giữa ba mô hình, GLM vs DeepSeek vs MiniMax đi qua từng tác vụ.

Những gì cần theo dõi tiếp theo#

• Giá. Kiểm tra lại trang giá Kimi: khi giá đầu vào, bộ nhớ đệm và đầu ra xuất hiện, bạn có thể chạy cùng phép tính 1.000 bước trên chúng.
• 4 tháng 11. Trọng số mở. Các đánh giá độc lập thường theo sau trong vài ngày.
• Highspeed. Giá và cửa sổ ngữ cảnh của nó chưa được xác nhận riêng so với K3.1 Pro.

Một quy tắc ngón tay cái cho bất kỳ mô hình ngữ cảnh dài mới nào: hãy tính giá bước thực tế của bạn (ngữ cảnh vào, câu trả lời ra) trước khi bạn hào hứng với kích thước cửa sổ.