Moonshot AI

Kimi K3.1 Proمفتوح

Moonshot’s 2.8T-parameter MoE flagship with 1M context, native multimodality and frontier reasoning.

#3صدر 20 أكتوبر 2026·Open Weights·2.8T MoE
textimage1.0M ctxاستدلال
مزودو APIاحصل على مفتاح API ←ضد Claude 5.5 Sonnetالترتيب
الذكاء
94.2 #3
AAQI 68.0
سرعة الإخراج
45 t/s
ITL 22.2 ms/tok
السعر الممزوج (3:1)
$8 /1M
إدخال $4/M · إخراج $20/M
السياق
1.0M
≈ 2,500 صفحة A4 · أقصى إخراج 131,072

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Kimi K3.1 Pro
Claude Mythos Preview (#1)
Average (68)
Coding (72)Mathematics (95)Hard Science (GPQA) (98)Agentic & Tool Use (82)Knowledge (MMLU) (45)Vision / Multimodal (96)

محاور الرادار تقريبية من درجات الفئات عند غياب قياسات مباشرة — راجع المنهجية.

نقاط القوة والمقايضات

أين يتفوق

  • Top-3 podium score — frontier reasoning and agentic tool use
  • 1M context with open weights
  • Strong SWE-bench / Terminal-Bench results for long-horizon coding
  • Multimodal document and chart understanding at 96+

ما يجب الانتباه له

  • Multi-node cluster required for self-hosting (2.8T MoE)
  • 45 tok/s output — slower than flash-tier peers
  • Premium pricing vs. smaller open models

حالات استخدام قاتلة

Long-horizon coding agents
131K output window rewrites whole files; leads SWE-bench-class leaderboards.
Agentic browsing & research
Tool-use loops over 1M-token contexts — the K-line’s signature workload.
Multimodal enterprise RAG
Charts, scans and PDFs ingested natively alongside text.

بداية سريعة للمطورين و API

عيّن MOONSHOT_API_KEY أولاً — احصل على مفتاح API
curl https://api.moonshot.ai/v1/chat/completions \
  -H "Authorization: Bearer $MOONSHOT_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "kimi-k3-1-pro",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

الموارد والروابط الرسمية

نشر API

مقارنة المضيفين ووقت الاستجابة

الإنتاجية وTTFT وتسعير ذاكرة التخزين المؤقت عبر Groq وCerebras وTogether وDeepInfra وFireworks وBedrock وAzure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
عرض مصفوفة المزودين →

الدرجات حسب المصدر

مواجهات مباشرة حية

المواصفات الحية والبنية

تحت الغطاء
Kimi K3.1 Pro — 2.8T MoE, ~40B active
  • Sparse MoE routing — ~40B active per token out of 2.8T total
  • Native multimodality: text + vision in a single weight set
  • Reasoning effort levels with a 131K max output window
  • INT4 checkpoints for cheaper multi-node serving
تاريخ الإصدار
20 أكتوبر 2026
البنية
Kimi K3.1 Pro — 2.8T MoE, ~40B active
المعلمات
2.8T MoE
الترخيص
Open Weights
نافذة السياق
1,000,000 tokens
أقصى إخراج
131,072 tokens
الوسائط
text + image
أسعار التخزين المؤقت
قراءة $0.4 · كتابة $5 /1M
الاستدلال
مستويات الجهد
سعر الإدخال
$4/M
سعر الإخراج
$20/M
سرعة الإخراج
45 t/s
الزمن حتى أول رمز
—
آخر تحديث
22 أكتوبر 2026
الأجهزة والاستدلال المحلي
البيانات: Convly AI (CC BY 4.0) ↗
الحد الأدنى لـ GPU
Multi-node cluster (e.g. 2× 8-GPU H200 141GB nodes)

الفاتورة الشهرية المقدرة

الإنفاق الشهري المقدر
$0.00
جارٍ حساب التوفير مقابل GPT-4o…

اقتباس وتضمين

شارة Markdown لـ GitHub
Loading badge markdown...
BibTeX
@misc{llmpodium2026kimik31pro,
  title = {Benchmark Analysis and Intelligence Evaluation of Kimi K3.1 Pro},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/kimi-k3-1-pro}
}

تضمين شارة النتيجة

أضف شارة Podium Score المباشرة إلى ملف README على GitHub أو Hugging Face — ترتبط بالترتيب المباشر.

معاينة
Kimi K3.1 Pro LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

المزيد من Moonshot AI

النماذج البديلة

أقرب البدائل لـ Kimi K3.1 Pro استناداً إلى القدرات والأسعار ونتائج الاختبارات.

0 / 4