Kimi K3.1 Pro와 K3 비교: 달라진 점, 비용, 전환을 고려해야 할 사용자

Kimi K3.1 Pro는 Moonshot AI가 2026년 7월 16일 출시한 2.8조 파라미터 오픈 웨이트 모델 Kimi K3의 첫 업데이트입니다. 2026년 10월 23~24일 Kimi 앱, Kimi Code, Kimi API에서 출시됐습니다. Moonshot의 출시 게시물에서는 이 모델을 “새로운 K3.1 시리즈의 첫 모델이자 지금까지 가장 뛰어난 3T급 오픈 웨이트 모델”이라고 소개합니다. K3를 사후 학습한 버전으로, “수백 개의 다운스트림 도메인” 전반에 걸쳐 훨씬 많은 컴퓨팅 자원을 투입해 사후 학습했습니다. Moonshot은 코딩, 3D 제작, 금융 리서치 및 모델링 성능이 향상됐다고 주장합니다. K3.1 Pro Highspeed 변형 모델은 성능은 동일하면서 속도는 약 2~3배 빠르며, 전체 가중치는 2026년 11월 4일까지 공개될 예정입니다.

간단히 말하면, API 코드에서는 모델 ID만 바꾸면 됩니다. kimi-k3.1-pro는 kimi-k3와 동일한 파라미터 제약을 따르므로 고정 샘플링 설정, 세 가지 추론 강도 단계, 기본 최댓값 설정을 모두 그대로 사용할 수 있습니다. 가장 먼저 체감할 변화는 좀 더 미묘합니다. Kimi Code에서 K3는 기본적으로 높은 추론 강도로 작동했지만 K3.1 Pro는 최대로 설정됩니다. 작업마다 더 많이 추론하므로 토큰이 더 많이 소모되거나 요금제 할당량을 더 많이 사용할 수 있습니다.

가격 면에서는 K3.1 Pro의 토큰당 가격이 더 저렴합니다. AIHubMix는 입력 100만 토큰당 $2.00, 출력 100만 토큰당 $10.50로 책정했습니다. K3는 각각 $2.84와 $14.20이며, 출시 당일 유통된 위안화 가격표에서도 Moonshot의 가격이 비슷한 폭으로 인하된 것을 확인할 수 있습니다. 작성 시점에는 Moonshot의 공식 USD 가격표를 확인할 수 없었습니다. Moonshot이 자체 공개한 벤치마크에서는 자체 코딩, 환각, 금융 테스트에서 K3보다 확실한 성능 향상을 보였습니다. 따라서 실제로 따져볼 점은 토큰당 가격이 더 저렴해졌더라도 작업을 더 오래 추론하는 모델에서 이러한 성능 향상이 투자할 만한 가치가 있는지입니다.

K3와 K3.1 Pro 한눈에 비교

K3 열의 정보는 Moonshot의 Kimi K3 가이드와 모델 카드에서 가져왔습니다. K3.1 Pro 열의 정보는 Moonshot의 K3.1 Pro 빠른 시작 가이드와 Kimi Code 모델 문서에서 가져왔으며, 두 문서에는 Kimi Code의 기본 설정도 나와 있습니다. Highspeed ID는 API에서 kimi-k3.1-pro-highspeed, Kimi Code에서 k3.1-pro-highspeed입니다. Kimi Code에서 전체 1M 컨텍스트 창을 이용하려면 상위 요금제가 필요합니다. Moonshot은 K3.1 Pro의 활성 파라미터 수를 공개하지 않았으며, 가중치에 어떤 라이선스를 적용할지도 밝히지 않았습니다.

K3.1 Pro가 모습을 드러내기까지

K3.1 시리즈는 한 달에 걸쳐 조금씩 유출됐습니다. CometAPI의 추적 페이지에 유출 정보를 모아 정리했으며, Wccftech, AIBase와 LINUX DO 게시자들도 이를 보도했습니다. Moonshot은 티저 영상이 나오기 전까지 이 정보들을 확인해 주지 않았습니다.

• 9월 23일: X에 게시된 설정 코드 조각에는 k3d1-agent 식별자, 세 가지 추론 강도(Low, High, Max), 최대 1M 토큰의 “Extra Long” 컨텍스트 옵션, 에이전트, 스웜, 검색, 배치 모드 플래그가 표시됐습니다.
• 9월 28일: 개발자들이 Moonshot API 플랫폼의 모델 레지스트리에서 kimi-k3-1을 발견하고, 해당 모델이 호출에 응답했다고 보고했습니다. 오픈 플랫폼의 미리보기에는 K3와 동일한 가격이 표시됐습니다.
• 10월 21일: Kimi Code의 model_switch_confirm 설정이 k3, K3, kimi-k3, k3-256k, kimi-for-coding, kimi-for-coding-highspeed를 k3.1로 전환하는 규칙을 반환하기 시작했습니다. 이틀 뒤 모델은 k3.1-pro라는 이름으로 Kimi Code에 출시됐습니다.
• 10월 22일: Kibitz라는 익명의 모델이 Arena의 Code Arena에 등장했습니다. 토크나이저 지문을 통해 Kimi와 관련이 있는 것으로 확인됐으며, 이름도 Moonshot의 작명 방식(K3는 Kivine이라는 이름으로 테스트됨)을 따랐습니다. 테스터들의 단발성 대결 결과는 좋았으며, 한 테스터는 중간 추론 강도에서 3D 빌드 성능이 Claude Opus 5.5에 근접했다고 평가했습니다. Arena는 점수를 공개하지 않았습니다.
• 10월 23일: Kimi 공식 계정이 24초짜리 티저 영상을 게시했습니다. 영상에는 Kimi Code 터미널에 “Model: Kimi K3.1”이 표시되고 모델이 Three.js 3D 장면을 작성하는 모습이 나옵니다.
• 10월 23~24일: Moonshot은 Kimi Code 문서에 K3.1 Pro와 K3.1 Pro Highspeed를 추가했습니다. 문서에는 모델이 “이제 Kimi Code에 완전히 배포됐다”고 적혀 있습니다. 출시 게시물은 잠시 공개됐다가 내려간 뒤, 그날 밤 전체 벤치마크 표와 함께 다시 올라왔으며 kimi-k3.1-pro 및 kimi-k3.1-pro-highspeed API 문서도 함께 공개됐습니다.

유출된 플래그 대부분은 K3가 이미 지원하던 기능을 가리켰습니다. 세 가지 추론 강도 단계, 1M 컨텍스트 창, Kimi의 기존 스웜 모드가 그 예입니다. 실제 출시를 통해 이 점이 확인됐습니다. K3.1 Pro는 K3의 요청 규격을 그대로 유지합니다. 새로 추가된 것은 사후 학습 강화, Kimi Code의 기본 추론 강도 최댓값 설정, 그리고 Highspeed 쌍둥이 모델입니다.

그대로인 점과 다시 확인할 점

Moonshot은 kimi-k3.1-pro가 “kimi-k3와 동일한 파라미터 제약을 따른다”고 밝혔으므로, K3에서 작동하는 코드는 새 ID만 적용하면 됩니다. 그대로 적용되는 규칙은 다음과 같습니다.

• 추론은 항상 켜져 있습니다. Moonshot에 따르면 추론을 비활성화하는 요청은 HTTP 400 오류로 거부됩니다. 다만 AIHubMix의 기본 ID에서는 거부되지 않았습니다(아래 참조).
• reasoning_effort에는 low, high, max를 사용할 수 있으며 기본값은 max입니다. 출시 전에는 medium 단계가 있다는 보고도 있었지만, 실제로는 없습니다. Kimi Code는 medium을 high로, xhigh와 ultra를 max로, minimum과 light를 low로 매핑합니다. Kimi Code에서 off, none, disabled 또는 알 수 없는 값을 지정하면 400 오류가 반환됩니다.
• 샘플링 값은 고정입니다. temperature는 1.0, top_p는 0.95, n은 1, 두 패널티 값은 모두 0입니다. 해당 값은 생략하세요. Moonshot API에서는 다른 값을 지정하면 오류가 반환됩니다.
• tool_choice에는 K3와 마찬가지로 required를 사용할 수 있습니다.
• max_completion_tokens의 기본값은 131,072이며 최대 1,048,576까지 설정할 수 있습니다. 컨텍스트 창은 1M입니다.
• 모델이나 추론 강도 단계를 변경하면 캐시가 무효화됩니다. Kimi Code에서 Moonshot은 출력 품질이 떨어지고 캐시 적중률도 낮아지므로 기존 K3, K2.8 Preview 또는 K2.7 Code Highspeed 세션 중에 K3.1 Pro로 전환하지 말라고 권고합니다.

K3와 마찬가지로 여러 턴에 걸친 대화나 도구 호출 루프에서는 reasoning_content를 포함한 전체 어시스턴트 메시지를 다시 전달해야 합니다.

AIHubMix 측정 결과. 10월 24일 AIHubMix는 두 모델을 기본 ID인 kimi-k3.1-pro 및 kimi-k3.1-pro-highspeed와 코딩 채널인 coding-kimi-k3.1-pro 및 coding-kimi-k3.1-pro-highspeed로 테스트했습니다. 코딩 채널은 Kimi Code의 추론 강도 매핑을 따릅니다.

• Chat Completions(reasoning_content 포함)와 Messages(thinking 및 text 블록)는 두 모델 모두에서 200을 반환했습니다. Responses API는 코딩 채널에서만 200을 반환했습니다. 기본 ID에서는 “The model kimi-k3.1-pro is not available on this endpoint.”라는 404 오류가 반환됐습니다. 따라서 출시 당시 Responses를 사용하는 Codex는 AIHubMix에서 코딩 채널 ID가 필요했습니다.
• 테스트한 모든 reasoning_effort 값(low, medium, high, max, xhigh)에서 200이 반환됐습니다. 게이트웨이는 모두 허용하지만 Moonshot 문서에 명시된 값은 low, high, max뿐입니다. 따라서 추가 값을 별도의 추론 강도 단계로 해석하지 마세요. off와 알 수 없는 값도 200을 반환했고, none이나 thinking: {"type": "disabled"} 필드를 지정하면 추론 없이 200이 반환됐습니다. AIHubMix에서는 추론 끄기 설정이 400 오류를 내지 않고 조용히 처리되지 않습니다.
• temperature=0.2를 지정하면 기본 ID에서는 “invalid temperature: only 1 is allowed for this model”이라는 400 오류가 반환됐습니다. 코딩 채널에서는 허용됐습니다. K2.x에서 사용하던 thinking: {"type": "enabled"} 필드를 남겨 두면 두 ID 모두에서 200이 반환됐습니다.
• 이제 Messages API에서 구조화된 출력이 작동합니다. 프롬프트에서 JSON을 요청하지 않은 json_schema 요청도 {"city":"Paris"}로 반환됐습니다. AIHubMix가 7월에 테스트했을 때 K3는 해당 API에서 스키마를 무시했습니다.
• 캐싱은 자동으로 이루어집니다. 코딩 채널에 같은 프롬프트를 다시 보내자 프롬프트 전체가 캐시된 토큰으로 집계됐습니다.

이 시리즈의 마이그레이션 게시물에서는 이러한 문제를 각각 실제로 겪을 수 있는 실패 사례로 다루며, 오류 문구와 해결 방법을 함께 설명합니다.

벤치마크: K3 및 상위 모델과 비교

수치는 Moonshot이 공개한 출시 당시 자체 측정 결과입니다. K3.1 Pro 수치는 출시 게시물에서, K3 수치는 GitHub 모델 카드에서 가져왔습니다. 모델마다 하네스가 다르며(K3.1 Pro는 대부분 Claude Code 하네스에서 실행됨), 아직 누구도 이 수치를 재현하지 못했습니다.

K3와 K3.1 Pro 비교. Moonshot이 두 모델을 같은 방식으로 측정한 항목은 다음과 같습니다.

Kimi Code Bench, Kimi Hallu Bench와 두 금융 테스트 세트는 Moonshot의 내부 벤치마크입니다. Kimi Code Bench 2.0은 Claude Code 하네스에서 테스트했습니다(K3의 대표 점수 72.9는 Kimi Code에서 기록). Hallu Bench Hard는 도구를 사용해 실행합니다. 모든 항목이 개선됐습니다. 코딩 세트는 3~8점, 금융 세트는 7~12점 상승했고, 하드 세트의 환각률은 23.4에서 8.3으로 떨어졌습니다. Terminal-Bench, SWE Marathon, ProgramBench는 두 출시 자료 모두에 등장하지만 버전이나 채점 방식이 달라 K3의 88.3, 42.0, 77.8을 K3.1 Pro의 65.7, 51.7, 31.5와 비교할 수 없습니다.

상위 모델과 비교. Kimi에는 K3.1 Pro보다 상위 모델이 없으므로 Moonshot 표에 나온 폐쇄형 모델과의 비교가 중요합니다. Moonshot은 이들을 최상위 추론 강도로 테스트했으며 “독점 모델 테스트에는 일부 대체 동작이 포함될 수 있다”고 밝혔습니다.

Moonshot 자체 평가표에서 K3.1 Pro는 장시간 지속 코딩(SWE Marathon v1.1)과 도구를 사용한 HLE에서 네 모델 가운데 가장 높은 점수를 기록하고, DeepSWE v1.1에서도 앞섭니다. Terminal-Bench 4.0에서는 Fable 5.1과 GPT-6 Astra를 이기고 Opus 5.5보다 1점 낮은 수준이며, GDPval-AA에서는 Opus 5.5 바로 뒤에 있습니다. 반면 Opus 5.5가 약 두 배 높은 점수를 얻은 ProgramBench와 도구 없이 수행한 HLE, GPT-6 Astra가 앞서는 Moonshot 내부 Design Bench에서는 확실히 뒤처집니다. K3는 출시 당시 Arena의 Frontend Code 리더보드에서 1,679점으로 1위를 차지했지만, K3.1 Pro는 출시 시점에 Arena 점수가 없었습니다.

가격 및 실제 비용

가격은 토큰 100만 개당입니다. AIHubMix에서 K3.1 Pro의 가격은 K3보다 입력이 30%, 출력이 26% 저렴합니다. Highspeed는 입력과 출력 모두 K3.1 Pro의 정확히 두 배이며, 캐시 적중 가격은 같습니다. 작성 시점에 Moonshot의 K3.1 Pro USD 가격표를 확인할 수 없어 공식 가격 열에는 대시를 표시했습니다. OpenAI는 GPT-5.6 Sol에 $4 / $20의 프로모션 요금을 적용 중이며, 보도에 따르면 최소 21 November 2026까지 유지됩니다. AIHubMix에서 K3.1 Pro와 Highspeed의 캐시 적중 비용은 토큰 100만 개당 $0.20으로, K3의 $0.284($0.30 at Moonshot)보다 낮습니다. Moonshot의 과금 업데이트 이후 K3의 캐시 쓰기는 별도 항목으로 표시되는 것으로 보입니다. 기본 5분 유지 시간은 100만 개당 $3.00, 1시간은 $6.00입니다. Moonshot API에서 K3.1 Pro도 같은 방식으로 과금됩니다. 컨텍스트 길이에 따른 가격 차이는 없고, 캐시 쓰기는 유지 시간에 따라 과금되며, 모든 추론 수준에서 추론 토큰은 출력으로 과금됩니다. AIHubMix 모델 페이지에는 입력, 출력, 캐시 적중 가격만 표시되고 별도의 캐시 쓰기 요금은 없습니다.

Moonshot에서 공개된 위안화 가격표. 출시 당일 유통된 가격표에는 캐시 쓰기를 포함한 K3.1 Pro 및 K3.1 Pro Highspeed의 중국 내 Moonshot 가격이 나와 있습니다. 작성 시점에 Moonshot 가격 페이지에서 확인하지는 못했습니다.

토큰 100만 개당 CNY 기준입니다. K3 행은 Moonshot의 중국 가격표와 일치합니다. 이 표가 맞다면 Moonshot은 K3.1 Pro 가격을 입력 35%, 출력 32%, 캐시 적중 35% 인하했으며, AIHubMix의 인하 폭보다 약간 큽니다. Highspeed는 입력, 출력, 캐시 쓰기 가격이 K3.1 Pro의 두 배이고 캐시 적중 가격은 같으므로, K3보다 입력은 30%, 출력은 36% 비쌉니다. Moonshot의 USD 및 CNY 가격표는 고정 환율로 연결되어 있지 않으므로, 위안화 가격으로는 달러 가격을 알 수 없습니다.

작업 하나의 비용 계산. 7월, AIHubMix는 K3에 프롬프트 하나와 참고 이미지를 제공해 단일 파일 HTML 게임을 만들도록 했습니다. 실행에는 2,541초(약 42분)가 걸렸고, 작동하는 코드 1,275줄이 생성됐습니다. 완료 토큰은 74,994개였으며, 그중 54,486개(73%)는 추론 토큰이었습니다. 당시 K3가 지원하는 유일한 수준이자 현재 K3.1 Pro의 기본값인 최대 추론 수준으로 실행했습니다. 입력 크기는 기록되지 않아 아래 추정치는 입력 토큰 5,000개를 가정합니다. 가격은 AIHubMix 기준입니다.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• GPT-5.6 Sol, 토큰 수 동일 가정: 약 $1.52
• Claude Fable 5.1, 토큰 수 동일 가정: 약 $4.18
• K3.1 Pro, 토큰 수 동일 가정: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• K3.1 Pro Highspeed, 토큰 수 동일 가정: 5,000 × $4.00/M + 74,994 × $21.00/M ≈ $1.59

토큰 수가 같다는 것은 가정일 뿐이며, 실제 토큰 수에 따라 결과는 어느 쪽으로든 달라질 수 있습니다. Chase AI의 직접 제작 테스트에서는 K3가 21.5 million 토큰을 사용한 반면 Claude Fable 5는 3.5 million을 사용해 약 6배 차이가 났습니다. 이 비율대로라면 Fable 5는 약 12,200토큰으로 게임을 완성해 비용은 약 $0.73입니다. K3의 $1.08, K3.1 Pro의 $0.80보다 낮은 금액이며, 출력 가격은 거의 네 배나 높은데도 그렇습니다. 반면 Artificial Analysis의 지수 작업에서는 격차가 반대였습니다. Fable 5.1은 작업당 평균 출력 토큰이 78,000개로 K3의 48,000개보다 많았고, 작업당 비용도 K3의 $2.00보다 높은 $7.63이었습니다.

모델이 추론하는 시간은 작업에 따라 달라집니다. 24 October에 AIHubMix에서 소규모로 확인한 결과, 600단어 설명문 프롬프트를 낮은 추론 수준으로 실행했을 때 K3.1 Pro는 답변 전에 5,561~7,356개, K3는 3,013~7,051개의 토큰을 추론했습니다. 비슷한 수준입니다. 차이는 속도였습니다. K3.1 Pro는 초당 약 86토큰을 생성한 반면 K3는 22~26토큰을 생성해, K3.1 Pro는 80~99초 만에 답했고 K3는 154~309초가 걸렸습니다. 이는 AIHubMix의 기본 ID를 사용해 프롬프트 하나를 모델별로 세 번 실행한 결과이지, 벤치마크가 아닙니다. 그래도 K3.1 Pro가 K3보다 작업당 추론 토큰을 더 많이 쓰지 않을 때만 출력 가격 25% 인하가 청구액 25% 절감으로 이어지므로, 절감액을 계산하기 전에 작업당 토큰 수를 측정하세요.

K3.1 Pro가 당연한 선택이 아닌 경우

• 지연 시간이 중요한 작업. K3.1 Pro는 항상 추론하며 기본 설정이 최대이고, 추론을 끄는 기능은 지원하지 않습니다. K3로 게임을 만들 때 요청 하나에 42분이 걸렸고, 앞서 언급한 간이 테스트에서는 낮은 추론 수준에서도 K3.1 Pro가 첫 답변 토큰을 내놓기까지 71~91초가 걸렸습니다(K3는 132~280초). Highspeed는 출력을 약 2~3배 빠르게 하지만, Moonshot에 따르면 “모델 출력만 가속”하므로 도구 호출과 스크립트 실행 시간은 그대로입니다. 사용자가 답변을 기다려야 한다면, 품질이 같더라도 추론하지 않는 더 빠른 모델이 적합할 수 있습니다.
• 온도 조절이 필요한 파이프라인. K3.1 Pro는 K3와 마찬가지로 샘플링 온도가 1.0으로 고정되어 있으며, AIHubMix의 기본 ID에서는 온도를 0.2로 설정하면 400 오류가 반환됩니다. 코딩 채널에서는 요청이 수락됐지만, 200 응답만으로 해당 값이 적용됐다고 볼 수는 없습니다. 반복 가능한 출력을 위해 온도 0에 의존한다면 K3.1 Pro에서는 이를 사용할 수 없습니다.
• 취약한 벤치마크와 유사한 작업. Moonshot 자체 평가표에서 K3.1 Pro는 ProgramBench에서 Claude Opus 5.5 점수의 절반에 그치고, 도구 없이 수행하는 HLE에서는 세 가지 비공개 모델 모두에 뒤지며, Design Bench에서는 GPT-6 Astra보다 낮습니다. 전환하기 전에 해당 유형의 작업을 테스트하세요.
• 상위 등급 모델이 추론을 덜 하는 작업. Chase AI의 제작 테스트에서 보듯, 가격이 더 비싸더라도 추론을 덜 하는 모델이 작업당 비용은 더 낮을 수 있습니다. K3.1 Pro가 더 저렴할 거라고 가정하기 전에 자신의 작업 환경에서 측정해 보세요.
• 하위 Kimi Code 요금제. 새 요금제에서는 K3.1 Pro를 사용하려면 Plus 이상이 필요하고, 기존 요금제에서는 Moderato 이상이 필요합니다. 1M 컨텍스트 창을 사용하려면 Pro(Allegretto)가 필요합니다. Highspeed는 Pro 이상(Allegretto)이 필요합니다.

전환할 사람과 기다릴 사람

• Kimi Code 사용자: K3.1 Pro를 k3.1-pro로 사용할 수 있습니다. 기존 K3, K2.8 Preview 또는 K2.7 Code Highspeed 세션을 전환하지 말고 새 세션을 시작하세요. Moonshot은 세션 중간에 모델을 바꾸면 출력 품질과 캐시 적중률이 떨어진다고 합니다. K3의 기본값이 높음이었다면 이제 최대가 기본값이므로, 첫 주에는 사용량 한도를 살펴보세요. 사용량이 더 빨리 줄어든다면 일반 작업에는 높은 수준을 사용하되, 낮은 수준이라고 비용이 적게 들 거라고 기대하지는 마세요. AIHubMix의 간이 테스트에서도 K3.1 Pro는 낮은 수준에서 5,561~7,356개 토큰을 추론했습니다.
• K3 API 사용자: kimi-k3를 kimi-k3.1-pro로 바꾸면 되며, 매개변수 제약은 같습니다. Moonshot API에서는 $1 충전 후 사용할 수 있고, AIHubMix에서는 동일한 ID로 제공됩니다. 먼저 자신의 작업을 대상으로 하루 동안 평가를 실행하고, 통과율뿐 아니라 완료 토큰과 추론 토큰도 비교하세요. 작성 시점에 Moonshot 자체 USD 가격표는 확인되지 않았습니다. AIHubMix에서 K3.1 Pro 가격은 토큰 100만 개당 $2.00 / $10.50입니다.
• K2.6 및 K2.7 Code 사용자: 변화 폭이 더 크며 Moonshot은 종료 시한을 정했습니다. Moonshot 플랫폼에서는 31 October 2026부터 신규 등록 사용자가 K2 시리즈 모델을 사용할 수 없으며, 2026년 12월 말까지 전 모델을 종료할 계획입니다. 24 October 기준 AIHubMix에서는 K2.6과 K2.7 Code가 계속 제공됐고, 종료 일정은 없었습니다. K3.1 Pro는 추론 끄기를 지원하지 않으며, 추론 수준은 K2.x의 thinking 스위치가 아니라 추론 강도 설정으로 정합니다. 변경하기 전에 마이그레이션 게시물을 읽어 보세요.
• 가격보다 속도가 중요하다면: K3.1 Pro Highspeed는 기능은 같으면서 약 2~3배 빠릅니다. Kimi Code에서는 사용량 한도가 약 두 배, 토큰당 가격(AIHubMix 기준 $4.00 / $21.00)도 두 배입니다. 이 시리즈의 Highspeed 게시물에서 이러한 절충점을 살펴봅니다.
• 기다리세요 if Moonshot에서 직접 구매하며 결제 전에 USD 가격표를 확인하고 싶다면.
• 그대로 사용하세요 상시 추론이 불필요한 오버헤드가 되는 짧고 처리량이 많은 요청이 작업의 대부분이라면.

자신의 프롬프트로 K3와 K3.1 Pro를 비교하려면 AIHubMix에서 키 하나로 두 모델을 모두 실행해 보세요. 빠른 시작 가이드에서 키와 기본 URL을 확인할 수 있으며, K3.1 Pro 모델 페이지에 가격이 나와 있습니다. Chat Completions 또는 Messages에는 kimi-k3.1-pro를 사용하세요. Responses API에는 당분간 coding-kimi-k3.1-pro를 사용하세요. AIHubMix는 이를 프로덕션용이 아닌 평가 미리보기로 표시합니다.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

스크립트는 Chat Completions를 사용하며 temperature는 제외합니다. K3와 K3.1 Pro는 1이 아닌 값을 모두 거부합니다.

자주 묻는 질문

Kimi K3.1 Pro는 출시됐나요?
네. Moonshot은 23–24 October 2026에 Kimi 앱, Kimi Work, Kimi Code 및 Kimi API로 출시했습니다. API에서는 kimi-k3.1-pro, Kimi Code에서는 k3.1-pro로 제공됩니다. Business 및 Enterprise 관리자는 팀에서 사용할 수 있도록 활성화해야 합니다.

K3.1 Pro는 K3보다 비싼가요?
토큰당 가격은 그렇지 않습니다. AIHubMix 가격은 토큰 100만 개당 입력 $2.00, 출력 $10.50으로, K3의 $2.84 및 $14.20보다 낮습니다. 출시 당일 유통된 위안화 가격표에는 Moonshot에서 약 3분의 1 가격을 인하한 것으로 나오지만, 작성 시점에 Moonshot 자체 USD 가격표는 확인되지 않았습니다. 다만 추론 토큰을 많이 사용할 수 있습니다. Kimi Code에서는 최대 추론 수준이 기본값이며, AIHubMix 간이 테스트에서는 낮은 수준에서도 5,561~7,356개 토큰을 추론했습니다. 따라서 작업당 비용은 오히려 늘어날 수 있습니다.

기존 K3 코드가 K3.1 Pro에서도 작동하나요?
네. 모델 ID만 바꾸면 됩니다. Moonshot에 따르면 kimi-k3.1-pro는 kimi-k3와 매개변수 제약이 같습니다. temperature와 다른 샘플링 매개변수는 계속 생략하고, 멀티턴 요청에서는 reasoning_content를 계속 전달하며, 추론을 끄려 하지 마세요.

Kimi Code에서는 무엇이 달라지나요?
Moonshot 문서의 안내대로 세션 중간이 아니라 새 세션에서 K3.1 Pro를 선택하세요. K3의 기본 추론 수준은 높음이었지만, K3.1 Pro는 최대가 기본값입니다. Plus 이상 요금제가 필요하며, 1M 컨텍스트 창 전체를 사용하려면 Pro 이상이 필요합니다.

K3.1 Pro Highspeed란 무엇인가요?
API에서 kimi-k3.1-pro-highspeed로 제공되는 모델로, 모델 성능은 동일하면서 출력 속도는 약 2~3배 빠릅니다. Kimi Code에서는 할당량을 약 두 배 사용하며, 토큰당 비용도 두 배인 $4.00 / $21.00입니다(AIHubMix 기준). 모델의 출력만 빨라지며, 도구 호출과 스크립트 실행 속도는 달라지지 않습니다.

K3.1 Pro는 Claude Fable 5.1, Claude Opus 5.5 또는 GPT-6 Astra만큼 뛰어난가요?
Moonshot 자체 비교표에서는 SWE Marathon과 도구를 사용한 HLE에서 세 모델을 모두 앞서고, Terminal-Bench 4.0에서는 Fable 5.1과 GPT-6 Astra를 앞서지만, ProgramBench와 도구를 사용하지 않은 HLE, Design Bench에서는 뒤처집니다. 이 수치는 자체 보고된 것이고 평가 하네스도 서로 다르며, 아직 누구도 재현하지 않았습니다.

K3.1 Pro의 가중치도 공개되나요?
예. Moonshot은 전체 가중치를 2026년 11월 4일까지 공개하겠다고 밝혔습니다. 어떤 라이선스를 적용할지는 아직 공개하지 않았으며, K3의 가중치에는 Kimi K3 라이선스가 적용됩니다.

계속 읽기: Kimi K3.1 Pro 시리즈

• 전환을 결정했다면, 400 오류와 눈에 띄지 않는 요금 인상이 어디서 비롯되는지 알아보세요. 기본값인 최대 추론 강도부터 잘못 입력한 Highspeed ID까지 다룹니다. Kimi K3.1 Pro로 마이그레이션하기: 400 오류 해결, 최대 추론 강도 기본값 확인, Highspeed ID 오타 주의
• 업그레이드가 아닌 대안을 놓고 K3.1 Pro를 비교하고 있다면, 같은 주에 Arena에 등장한 Qwen 4와 두 모델이 모두 뒤쫓는 Claude Fable 5.5를 비교한 이 글을 확인해 보세요. Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: 프런트엔드 품질, 작업당 비용, 과장된 기대 검증
• 2~3배 빠른 속도가 매력적으로 느껴진다면, 토큰당 두 배의 비용을 내고 Highspeed를 사용할 가치가 있는지 따져보는 이 글을 읽어보세요. Kimi K3.1 Pro vs K3.1 Pro Highspeed: 2~3배 속도 향상은 2배 가격을 지불할 가치가 있을까?

출처

• Moonshot AI: Kimi K3.1 Pro 기술 블로그
• Moonshot AI: Kimi K3.1 Pro 빠른 시작 가이드
• Moonshot AI: Kimi Code 모델 구성
• AIHubMix: Kimi K3.1 Pro 모델 페이지
• Chase AI: Kimi K3 vs Claude Fable 5 vs GPT-5.6, 실제 비용