Kimi K3.1 Pro: åpen 3T-modell med 1M kontekst, vektene kommer innen 4. november

Kimi K3.1 Pro koster 2 dollar per million input-tokens og 10 dollar per million output-tokens i Kimi API, mot 3 og 15 dollar for forgjengeren K3, ifølge prisoversikten til Moonshot AI. Likevel scorer den nye modellen høyere på nesten alt Moonshot AI viser i lanseringsbloggen: 65,7 % på Terminal-Bench 4.0, foran GPT-6 Astra (58,2 %) og like bak Claude Opus 5.5 (66,4 %). Kontekstvinduet er 1 million tokens, nøyaktig 1 048 576 ifølge API-dokumentasjonen.

K3.1 Pro er ikke en ny arkitektur, men en videre etter-trent K3 med betydelig mer RL-regnekraft. Samtidig kommer K3.1 Pro Highspeed, som skal være 2 til 3 ganger raskere, til dobbel pris: 4 og 20 dollar. Begge ligger i Kimi.ai, Kimi Work, Kimi Code og API-et som kimi-k3.1-pro og kimi-k3.1-pro-highspeed, med Zero Data Retention tilgjengelig for API-kunder.

Bakgrunn: hva benchmarktallene er verdt

Moonshot AI kjørte Terminal-Bench, DeepSWE og flere andre kodetester med Claude Code som agentmiljø, og konkurrentenes tall er hentet fra deres egne rapporter eller fra offentlige ledertavler. Terminal-Bench 4.0 er dessuten omstridt. Selskapet Preference Model gikk gjennom 65 av benchmarkens 66 oppgaver og fant at 41 kunne felle en modell som gjorde ærlig og korrekt arbeid, fordi testen sjekket regler oppgaveteksten aldri nevnte.

«Vårt viktigste funn er at Terminal Bench 4 er nærmere løst enn ledertavlen tilsier.» — Preference Model, i en gjennomgang av benchmarken

Da Preference Model rettet oppgavene, gikk Claude Sonnet 5.5 fra 62,8 til 89,2 % bestått. Et gap på 0,7 poeng mellom K3.1 Pro og Opus 5.5 sier derfor lite om hvilken modell som gjør best jobb i din kodebase. Det samme gjelder hallusinasjonstallet: på Moonshot AIs interne stresstest falt andelen feilaktige påstander fra 23,4 % for K3 til 8,3 %, men selskapet presiserer selv at dette ikke er feilraten i daglig bruk.

Cyberevnene er bevisst trukket ned

Før den åpne utgivelsen fjernet Moonshot AI cyber-relaterte data fra både mid-training og RL-miljøene. På den interne testen xdev-bench-hard løste et sjekkpunkt uten disse tiltakene 90,5 % av oppgavene (pass@3), mens den ferdige K3.1 Pro landet på 81,0 %.

«For det første tar vi sikte på ikke å slippe åpne vekter som ville utvide den absolutte fronten for cyberevner.» — Moonshot AI, i lanseringsbloggen

Bruker du K2-modellene i dag, har du også en frist. Fra 31. oktober får nye brukere ikke tilgang til K2-serien, og Moonshot AI planlegger å fase ut hele serien innen utgangen av desember 2026.

For deg som bygger agenter betyr dette at en åpen modell nær de beste lukkede kodeagentene er under to uker unna. Med en modell i 3T-klassen er det likevel API-et eller en inferensleverandør som er den realistiske veien, ikke hjemmelaben.