Moonshot AI

Kimi K3.1 HighspeedOuvert

Latency-optimized serving tier of Kimi K3.1 — 1M context at flash-class throughput.

#13publié le 20 oct. 2026·Open Weights·2.8T MoE
textimage1.0M ctxraisonnement
Fournisseurs APIObtenir la clé API →vs Kimi K3.1 ProClassement
Intelligence
91.5 #13
AAQI 60.0
Vitesse Sortie
130 t/s
ITL 7.7 ms/tok
Prix mixte (3:1)
$3.13 /1M
Entrée $1.5/M · Sortie $8/M
Contexte
1.0M
≈ 2,500 pages A4 · sortie max 65,536

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Kimi K3.1 Highspeed
Claude Mythos Preview (#1)
Average (68)
Coding (60)Mathematics (88)Hard Science (GPQA) (92)Agentic & Tool Use (74)Knowledge (MMLU) (38)Vision / Multimodal (90)

Les axes du radar sont approximés depuis les scores par catégorie lorsque les mesures directes manquent — voir Méthodologie.

Points forts & compromis

Là où il gagne

  • 130 tok/s — fastest 1M-context open model
  • Roughly half the Pro tier’s blended price
  • Same agentic tool-use lineage as K3.1 Pro

Points de vigilance

  • Caps reasoning effort vs. Pro — drops on the hardest tasks
  • 65K output window vs. 131K on Pro
  • Still needs multi-node serving to self-host

Cas d'usage clés

Real-time agent loops
High-throughput tool calling for interactive copilots.
High-volume RAG
Cheap 1M-context reads over large corpora.
Voice-adjacent LLM backends
Sub-second first token keeps spoken agents snappy.

Démarrage rapide développeur & API

Définissez d’abord MOONSHOT_API_KEY — obtenir une clé 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-highspeed",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

Ressources & liens officiels

Déploiement API

Comparer hôtes et latence

Débit, TTFT et tarifs de cache chez Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock et Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Voir la matrice des fournisseurs →

Scores par Source

Duels en direct

Specs en direct & architecture

Sous le capot
Kimi K3.1 Highspeed — 2.8T MoE, speculative decode
  • Same K3.1 weights served with aggressive speculative decoding
  • Sub-600ms TTFT at 130 tok/s on dedicated capacity
  • 1M context retained; 65K max output
  • Lower reasoning-effort ceiling than the Pro tier
Date de Sortie
20 oct. 2026
Architecture
Kimi K3.1 Highspeed — 2.8T MoE, speculative decode
Paramètres
2.8T MoE
Licence
Open Weights
Fenêtre de Contexte
1,000,000 tokens
Sortie max
65,536 tokens
Modalités
text + image
Tarifs du cache
lecture $0.15 · écriture $1.88 /1M
Raisonnement
Niveaux d'effort
Prix Entrée
$1.5/M
Prix Sortie
$8/M
Vitesse Sortie
130 t/s
Temps au Premier Token
—
Données mises à jour
22 oct. 2026
Matériel et inférence locale
Données : Convly AI (CC BY 4.0) ↗
GPU min.
Multi-node cluster (e.g. 2× 8-GPU H200 141GB nodes)

Facture mensuelle estimée

Dépense mensuelle estimée
$0.00
Calcul des économies vs GPT-4o…

Citer et intégrer

Badge Markdown GitHub
Loading badge markdown...
BibTeX
@misc{llmpodium2026kimik31highspeed,
  title = {Benchmark Analysis and Intelligence Evaluation of Kimi K3.1 Highspeed},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/kimi-k3-1-highspeed}
}

Intégrer le badge de score

Ajoutez un badge Podium Score en direct à votre README GitHub ou Hugging Face — il renvoie vers le classement en direct.

Aperçu
Kimi K3.1 Highspeed LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Plus de Moonshot AI

Modèles alternatifs

Meilleures alternatives à Kimi K3.1 Highspeed selon les capacités, le prix et les benchmarks.

0 / 4