Moonshot AI

Kimi K3.1 ProОткрытая

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

#3выпущена 20 окт. 2026 г.·Open Weights·2.8T MoE
textimage1.0M ctxрассуждающая
Интеллект
94.2 #3
AAQI 68.0
Скорость вывода
45 t/s
ITL 22.2 ms/tok
Смешанная цена (3:1)
$8 /1M
Вход $4/M · Выход $20/M
Контекст
1.0M
≈ 2,500 стр. A4 · макс. выход 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)

Оси радара приближены по категорийным оценкам там, где нет прямых бенчмарк-измерений — см. Методология.

Сильные стороны и компромиссы

Где модель выигрывает

  • 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+

На что обратить внимание

  • 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

Киллер-сценарии

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.

Быстрый старт для разработчика и API

Сначала задайте MOONSHOT_API_KEY — получить ключ 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."}]
  }'

Официальные ресурсы и ссылки

Развёртывание API

Хосты и задержка

Пропускная способность, TTFT и цены на кэш у Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock и Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Матрица провайдеров →

Оценки по источникам

Очные live-сравнения

Живые характеристики и архитектура

Под капотом
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
Дата выпуска
20 окт. 2026 г.
Архитектура
Kimi K3.1 Pro — 2.8T MoE, ~40B active
Параметры
2.8T MoE
Лицензия
Open Weights
Контекстное окно
1,000,000 tokens
Макс. вывод
131,072 tokens
Модальности
text + image
Цены кэша
чтение $0.4 · запись $5 /1M
Рассуждение
Уровни усилия
Цена ввода
$4/M
Цена вывода
$20/M
Скорость вывода
45 t/s
Время до первого токена
—
Данные обновлены
22 окт. 2026 г.
Железо и локальный инференс
Данные: Convly AI (CC BY 4.0) ↗
Мин. GPU
Multi-node cluster (e.g. 2× 8-GPU H200 141GB nodes)

Оценка ежемесячного счёта

Оценка расходов в месяц
$0.00
Считаем экономию против GPT-4o…

Цитирование и вставка

Бейдж GitHub Markdown
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}
}

Бейдж оценки для README

Живой бейдж Podium Score для README на GitHub или Hugging Face — ведёт на актуальный рейтинг.

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

Ещё от Moonshot AI

Альтернативные модели

Ближайшие альтернативы для Kimi K3.1 Pro по возможностям, цене и бенчмаркам.

0 / 4
Сравнить →