Moonshot AI
Kimi K3.1 Highspeedオープン
Latency-optimized serving tier of Kimi K3.1 — 1M context at flash-class throughput.
知能指数
91.5 #13
AAQI 60.0
出力速度
130 t/s
ITL 7.7 ms/tok
ブレンド価格 (3:1)
$3.13 /1M
入力 $1.5/M · 出力 $8/M
コンテキスト
1.0M
約 2,500 枚のA4ページ · 最大出力 65,536
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Kimi K3.1 Highspeed
Claude Mythos Preview (#1)
Average (68)
直接のベンチマーク測定がない場合、レーダー軸はカテゴリスコアから近似されます — 評価方法 を参照。
強みとトレードオフ
強み
- 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
注意すべきトレードオフ
- 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
キラーユースケース
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.
開発者向けクイックスタートとAPI
まず
MOONSHOT_API_KEY を設定 — APIキーを取得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."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.moonshot.ai/v1",
api_key=os.environ["MOONSHOT_API_KEY"],
)
resp = client.chat.completions.create(
model="kimi-k3-1-highspeed",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://api.moonshot.ai/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.MOONSHOT_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "kimi-k3-1-highspeed",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);公式リソースとリンク
API デプロイ
ホストとレイテンシを比較
Groq、Cerebras、Together、DeepInfra、Fireworks、Bedrock、Azure 全体のスループット、TTFT、キャッシュ料金。
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ソース別スコア
カテゴリー別スコア
ベンチマーク結果
ライブ対決
ライブスペックとアーキテクチャ
内部構造
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
リリース日
2026年10月20日
アーキテクチャ
Kimi K3.1 Highspeed — 2.8T MoE, speculative decode
パラメータ数
2.8T MoE
ライセンス
Open Weights
コンテキストウィンドウ
1,000,000 tokens
最大出力
65,536 tokens
モダリティ
text + image
キャッシュ料金
読み取り $0.15 · 書き込み $1.88 /1M
推論
エフォートレベル
入力価格
$1.5/M
出力価格
$8/M
出力速度
130 t/s
最初のトークンまでの時間
—
データ更新日
2026年10月22日
ハードウェアとローカル推論
データ:Convly AI(CC BY 4.0) ↗最小 GPU
Multi-node cluster (e.g. 2× 8-GPU H200 141GB nodes)
月額請求の見積もり
月額見積もり
$0.00
GPT-4o との節約額を計算中…
引用と埋め込み
GitHub Markdown バッジ
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}
}スコアバッジを埋め込む
GitHub または Hugging Face の README にライブ Podium スコアバッジを追加 — ライブランキングにリンクします。
プレビュー
Markdown
Loading badge snippet...HTML
Loading badge snippet...Moonshot AI のその他のモデル
代替モデル
機能、価格、ベンチマークスコアに基づく Kimi K3.1 Highspeed の最適な代替モデル。