Kimi K3.1 Pro vs. K3: wat is er veranderd, wat kost het en wie kan het beste overstappen?

Kimi K3.1 Pro is de eerste update van Kimi K3, het open-weightmodel met 2.8 biljoen parameters dat Moonshot AI op 16 juli 2026 uitbracht. Het verscheen op 23–24 oktober 2026 in de Kimi-app, Kimi Code en de Kimi API. Moonshot noemt het in zijn aankondiging "het eerste model in onze nieuwe K3.1-serie en tot nu toe ons krachtigste open-weightmodel in de 3T-klasse": een versie van K3 die na de training verder is getraind, met veel meer rekenkracht voor post-training in "honderden downstream-domeinen". Moonshot claimt verbeteringen op het gebied van programmeren, 3D-creatie en financieel onderzoek en modelleren. Een K3.1 Pro Highspeed-variant biedt dezelfde mogelijkheden met ongeveer twee tot drie keer de snelheid, en de volledige gewichten worden uiterlijk op 4 november 2026 verwacht.

Het korte antwoord: voor API-code is overstappen een kwestie van het model-ID wijzigen. kimi-k3.1-pro heeft dezelfde parameterbeperkingen als kimi-k3, dus vaste sampling, de drie inspanningsniveaus en de standaardinstelling max blijven hetzelfde. De eerste verandering die je merkt, is subtieler. In Kimi Code draaide K3 standaard op hoge inspanning, terwijl K3.1 Pro standaard op max draait. Verwacht meer denkwerk per taak en dus meer tokens of een groter deel van je abonnementsquotum per taak.

K3.1 Pro is goedkoper per token. AIHubMix vermeldt een prijs van $2.00 voor invoer en $10.50 voor uitvoer per miljoen tokens, tegenover $2.84 en $14.20 voor K3. Een yuan-prijstabel die op de lanceringsdag rondging, laat bij Moonshot een vergelijkbare verlaging zien. De eigen USD-lijstprijs van Moonshot kon op het moment van schrijven niet worden bevestigd. Moonshots zelfgerapporteerde benchmarks laten duidelijke verbeteringen zien ten opzichte van K3 op de eigen tests voor programmeren, hallucinaties en financiën. De echte vraag is dus of die verbeteringen, tegen een lagere prijs per token, nog steeds opwegen tegen het feit dat het model langer nadenkt over je werk.

K3 en K3.1 Pro naast elkaar

De K3-kolom is gebaseerd op Moonshots Kimi K3-gids en modelkaart. De K3.1 Pro-kolom is gebaseerd op Moonshots K3.1 Pro-snelstartgids en de Kimi Code-modeldocumentatie, waarin ook de standaardinstellingen voor beide in Kimi Code staan. De Highspeed-ID's zijn kimi-k3.1-pro-highspeed voor de API en k3.1-pro-highspeed in Kimi Code. In Kimi Code is het volledige venster van 1M beschikbaar bij de hogere abonnementsniveaus. Moonshot heeft het aantal actieve parameters van K3.1 Pro nog niet gepubliceerd en evenmin aangegeven onder welke licentie de gewichten zullen vallen.

Hoe K3.1 Pro opdook

De K3.1-serie lekte in de loop van een maand stukje bij beetje uit. De tracker van CometAPI bracht de lekken bijeen; Wccftech, AIBase en gebruikers op LINUX DO deden er verslag van. Moonshot bevestigde niets ervan voordat de teaser werd gepubliceerd.

• 23 september: een configuratiefragment dat op X werd geplaatst, liet een identificatie zien, k3d1-agent, drie inspanningsniveaus (Low, High, Max), een contextoptie "Extra Long" tot 1M tokens en opties voor agent-, swarm-, zoek- en batchmodi.
• 28 september: ontwikkelaars vonden kimi-k3-1 in het modelregister van Moonshots API-platform en meldden dat het op verzoeken reageerde. De preview op het open platform vermeldde dezelfde prijs als voor K3.
• 21 oktober: de configuratie model_switch_confirm van Kimi Code begon een regel terug te geven die k3, K3, kimi-k3, k3-256k, kimi-for-coding en kimi-for-coding-highspeed omzet naar k3.1. Twee dagen later verscheen het model in Kimi Code als k3.1-pro.
• 22 oktober: een anoniem model met de naam Kibitz verscheen in Arena's Code Arena. Een tokenizer-fingerprint koppelde het aan Kimi, en de naam past bij Moonshots naamgevingspatroon (K3 werd getest als Kivine). De eenmalige tests van testers vielen positief uit; één tester beoordeelde een 3D-creatie bij een gemiddelde inspanning bijna op het niveau van Claude Opus 5.5. Arena publiceerde geen score.
• 23 oktober: het officiële account van Kimi plaatste een teaser van 24 seconden. Daarin is een Kimi Code-terminal te zien met de tekst "Model: Kimi K3.1", terwijl het model een 3D-scène in Three.js schrijft.
• 23–24 oktober: Moonshot voegde K3.1 Pro en K3.1 Pro Highspeed toe aan de Kimi Code-documentatie, waarin staat dat het model "nu volledig is uitgerold in Kimi Code". De aankondiging verscheen kort online en werd weer ingetrokken; die avond kwam ze terug met de volledige benchmarktabel, naast API-documentatie voor kimi-k3.1-pro en kimi-k3.1-pro-highspeed.

De meeste uitgelekte opties beschreven functies die K3 al had: drie inspanningsniveaus, een contextvenster van 1M en Kimi's bestaande swarmmodus. De lancering bevestigde dat beeld. K3.1 Pro behoudt het requestcontract van K3; nieuw zijn de extra post-training, de standaardinspanning max in Kimi Code en de Highspeed-variant.

Wat hetzelfde blijft en wat je opnieuw moet controleren

Moonshot zegt dat kimi-k3.1-pro "dezelfde parameterbeperkingen heeft als kimi-k3", dus code die op K3 draait, heeft alleen een nieuw ID nodig. De regels die hetzelfde blijven:

• Denken staat altijd aan. Moonshot zegt dat verzoeken waarbij dit wordt uitgeschakeld, worden afgewezen met HTTP 400; de hoofd-ID's van AIHubMix wezen ze niet af (zie hieronder).
• reasoning_effort accepteert low, high of max en staat standaard op max. Er is geen niveau medium, ondanks een bericht daarover vóór de lancering: Kimi Code zet medium om naar high, xhigh en ultra naar max, en minimum en light naar low. In Kimi Code leidt off, none, disabled of een onbekende waarde tot een 400.
• Sampling ligt vast: temperature 1.0, top_p 0.95, n 1 en beide penalties op 0. Laat deze waarden weg; andere waarden leveren een fout op in Moonshots API.
• tool_choice accepteert required, net als bij K3.
• max_completion_tokens staat standaard op 131,072 en kan oplopen tot 1,048,576, binnen een contextvenster van 1M.
• Als je het model of het inspanningsniveau wijzigt, wordt de cache ongeldig. In Kimi Code raadt Moonshot af om binnen een bestaande K3-, K2.8 Preview- of K2.7 Code Highspeed-sessie over te stappen op K3.1 Pro, omdat de uitvoerkwaliteit afneemt en er minder cachetreffers zijn.

Net als bij K3 moeten multi-turn- en toolloops het volledige assistant-bericht terugsturen, inclusief reasoning_content.

Wat AIHubMix heeft gemeten. Op 24 oktober testte AIHubMix beide modellen met hun hoofd-ID's, kimi-k3.1-pro en kimi-k3.1-pro-highspeed, en via het codingkanaal, met coding-kimi-k3.1-pro en coding-kimi-k3.1-pro-highspeed, dat de inspanningsmapping van Kimi Code volgt:

• Chat Completions (met reasoning_content) en Messages (met denk- en tekstblokken) gaven voor beide een 200 terug. De Responses API gaf alleen via het codingkanaal een 200 terug; de hoofd-ID's gaven een 404 terug: "The model kimi-k3.1-pro is not available on this endpoint." Bij de lancering had Codex, dat Responses gebruikt, op AIHubMix dus het ID van het codingkanaal nodig.
• Elke geteste waarde voor reasoning_effort (low, medium, high, max, xhigh) gaf een 200 terug. De gateway accepteert ze allemaal, maar Moonshot documenteert alleen low, high en max. Beschouw de extra waarden dus niet als extra niveaus. Ook off en een onbekende waarde gaven een 200 terug. none of een veld thinking: {"type": "disabled"} gaf eveneens een 200 terug, zonder enige redenering: op AIHubMix werkt een schakelaar om denken uit te zetten stilletjes niet, in plaats van een 400-fout te geven.
• temperature=0.2 gaf voor de hoofd-ID's een 400 terug: "invalid temperature: only 1 is allowed for this model". Het codingkanaal accepteerde de waarde wel. Een overgebleven K2.x-veld thinking: {"type": "enabled"} gaf voor beide een 200 terug.
• Gestructureerde uitvoer via de Messages API werkt nu. Een json_schema-verzoek waarvan de prompt niet om JSON vroeg, gaf {"city":"Paris"} terug. In de test van AIHubMix in juli had K3 het schema daar stilletjes genegeerd.
• Caching gebeurt automatisch: via het codingkanaal werd bij een herhaalde prompt de volledige prompt als gecachte tokens geteld.

In het migratieartikel in deze reeks wordt elk van deze situaties behandeld als een mogelijke fout, met de foutmelding en de oplossing.

Benchmarks: vergeleken met K3 en de hogere klasse

De cijfers zijn de zelfgerapporteerde lanceringsresultaten van Moonshot, afkomstig uit de aankondiging van K3.1 Pro en, voor K3, de modelkaart op GitHub. De testopstellingen verschillen per model (K3.1 Pro draaide grotendeels in een Claude Code-testopstelling), en niemand heeft de cijfers tot nu toe gereproduceerd.

Van K3 naar K3.1 Pro. Dit zijn de paren die Moonshot voor beide modellen op dezelfde manier heeft gemeten:

Kimi Code Bench, Kimi Hallu Bench en de twee financiële datasets zijn interne benchmarks van Moonshot. De twee modellen voor Kimi Code Bench 2.0 zijn getest in een Claude Code-testopstelling (de kopscore 72.9 van K3 was gemeten met Kimi Code), en voor Hallu Bench Hard worden tools gebruikt. Alle resultaten gingen de goede kant op: 3 tot 8 punten winst op de programmeertests, 7 tot 12 punten op de financiële tests en een daling van het hallucinatiepercentage op de moeilijke test van 23.4 naar 8.3. Terminal-Bench, SWE Marathon en ProgramBench komen in beide lanceringen voor, maar met verschillende versies of scoringsmethoden. De scores van K3 — 88.3, 42.0 en 77.8 — zijn daarom niet rechtstreeks te vergelijken met de 65.7, 51.7 en 31.5 van K3.1 Pro.

Vergeleken met de hogere klasse. Kimi heeft niets boven K3.1 Pro, dus de relevante vergelijking is met de gesloten modellen in Moonshots tabel. Moonshot testte die met maximale inspanning en merkt op dat "tests van propriëtaire modellen mogelijk enige fallback omvatten".

Volgens Moonshots eigen scorecard is K3.1 Pro op alle vier de modellen de beste voor langdurig programmeren (SWE Marathon v1.1) en HLE met tools, en scoort het iets hoger op DeepSWE v1.1. Op Terminal-Bench 4.0 verslaat het Fable 5.1 en GPT-6 Astra en blijft het binnen één punt van Opus 5.5; op GDPval-AA staat het net achter Opus 5.5. Het scoort duidelijk lager op ProgramBench, waar Opus 5.5 ongeveer twee keer zo hoog scoort, op HLE zonder tools en op Moonshots interne Design Bench, waar GPT-6 Astra de beste is. K3 kwam binnen op de eerste plaats van Arenas Frontend Code-leaderboard met 1,679; K3.1 Pro had bij de lancering geen Arena-score.

Prijs en werkelijke kosten

Prijzen per miljoen tokens. De prijs van K3.1 Pro bij AIHubMix ligt voor input 30% onder die van K3 en voor output 26% eronder; Highspeed kost voor input en output precies twee keer zoveel als K3.1 Pro, met dezelfde prijs voor cachehits. De eigen USD-prijs van Moonshot voor K3.1 Pro kon op het moment van schrijven niet worden bevestigd, dus staat er in de officiële kolom een streepje. OpenAI biedt tijdelijk een tarief van $4 / $20 voor GPT-5.6 Sol, dat volgens berichten ten minste tot 21 November 2026 geldt. Cachehits bij AIHubMix kosten $0.20 per miljoen voor K3.1 Pro en Highspeed, tegenover $0.284 voor K3 ($0.30 bij Moonshot). Sinds de factureringsupdate van Moonshot worden cachewrites voor K3 afzonderlijk vermeld: $3.00 per miljoen voor de standaardlevensduur van 5 minuten, $6.00 voor één uur. Op Moonshots API hanteert K3.1 Pro hetzelfde patroon: vaste prijzen ongeacht de contextlengte, cachewrites die worden gefactureerd op basis van de levensduur en reasoningtokens die bij elk inspanningsniveau als output worden gefactureerd. Op de modelpagina's van AIHubMix staan alleen de prijzen voor input, output en cachehits; er is geen afzonderlijk tarief voor cachewrites.

De yuan-prijslijst van Moonshot volgens berichten. Een prijstabel die op de lanceringsdag rondging, toont de Chinese prijslijst van Moonshot voor K3.1 Pro en K3.1 Pro Highspeed, inclusief cachewrites. De gegevens zijn niet bevestigd aan de hand van de prijspagina van Moonshot:

Per miljoen tokens, in CNY. De K3-regel komt overeen met de Chinese prijslijst van Moonshot. Als de tabel klopt, heeft Moonshot K3.1 Pro met 35% verlaagd voor input, 32% voor output en 35% voor cachehits, iets meer dan de korting van AIHubMix. Highspeed kost voor input, output en cachewrites twee keer zoveel als K3.1 Pro, met dezelfde prijs voor cachehits. Daarmee ligt het 30% boven K3 voor input en 36% voor output. De USD- en CNY-prijslijsten van Moonshot zijn niet gekoppeld aan een vaste wisselkoers, dus uit de yuanbedragen valt de prijs in dollars niet af te leiden.

Eén taak, doorgerekend. In juli vroeg AIHubMix K3 om op basis van één prompt en een referentieafbeelding een HTML-game in één bestand te bouwen. De run duurde 2,541 seconden (ongeveer 42 minuten) en leverde 1,275 regels werkende code op. Er werden 74,994 completiontokens gebruikt, waarvan 54,486 (73%) voor het denkproces. De run stond op de maximale inspanning; dat was destijds het enige niveau dat K3 accepteerde en is vandaag de standaardinstelling van K3.1 Pro. De inputomvang is niet vastgelegd, dus de schattingen hieronder gaan uit van 5,000 inputtokens. De prijzen zijn van AIHubMix.

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

Hetzelfde aantal tokens is een aanname; in werkelijkheid kan het aantal beide kanten op gaan. In een praktijktest van Chase AI gebruikte K3 21.5 miljoen tokens, tegenover 3.5 miljoen voor Claude Fable 5: ongeveer zes keer zoveel. Bij die verhouding zou Fable 5 de game met ongeveer 12,200 tokens bouwen, voor circa $0.73. Dat is minder dan de $1.08 van K3 en de $0.80 van K3.1 Pro, hoewel de outputprijs bijna vier keer zo hoog is. Bij de indextaken van Artificial Analysis was het verschil juist andersom: Fable 5.1 gebruikte gemiddeld 78,000 outputtokens per taak, tegenover 48,000 voor K3, en kostte $7.63 per taak, tegenover $2.00 voor K3.

Hoe lang een model nadenkt, hangt af van de taak. Bij een kleine steekproefcontrole van AIHubMix op 24 oktober deed K3.1 Pro bij een uitleggende prompt van 600 woorden en lage inspanning 5,561 tot 7,356 tokens aan redeneren voordat het antwoordde; K3 gebruikte 3,013 tot 7,051: vergelijkbare aantallen. Het verschil zat in de snelheid. K3.1 Pro streamde ongeveer 86 tokens per seconde, tegenover 22 tot 26 voor K3, en antwoordde daardoor in 80 tot 99 seconden, terwijl K3 er 154 tot 309 seconden over deed. Dit was één prompt en drie runs per model op de hoofd-ID's van AIHubMix, geen benchmark. Toch levert een kwart lagere outputprijs alleen een kwart lagere rekening op als K3.1 Pro voor jouw werk niet langer nadenkt dan K3. Meet dus eerst het aantal tokens per taak voordat je de besparing berekent.

Wanneer K3.1 Pro niet de voor de hand liggende keuze is

• Werk waarbij latency doorslaggevend is. K3.1 Pro denkt altijd na, staat standaard op max en ondersteunt niet de mogelijkheid om het denken uit te schakelen. De gametest met K3 duurde 42 minuten in één verzoek; in de steekproefcontrole hierboven kwam zelfs bij lage inspanning het eerste antwoordtoken van K3.1 Pro na 71 tot 91 seconden (bij K3 na 132 tot 280). Highspeed maakt output ongeveer 2–3× sneller, maar volgens Moonshot "versnelt het alleen de output van het model", waardoor toolaanroepen en scripts even lang blijven duren. Als gebruikers op elk antwoord moeten wachten, past een sneller model zonder redeneermodus beter, zelfs bij dezelfde kwaliteit.
• Pijplijnen die temperatuurregeling nodig hebben. K3.1 Pro behoudt de vaste samplingwaarde van K3 van 1.0, en bij de hoofd-ID's van AIHubMix levert temperatuur 0.2 een 400-fout op. Het werd geaccepteerd in het codingkanaal, maar een 200-respons bewijst niet dat de waarde is toegepast. Als je op temperatuur 0 vertrouwt voor reproduceerbare output, biedt K3.1 Pro dat niet.
• Werk dat lijkt op de benchmarks waarop het model zwak scoort. In de eigen tabel van Moonshot scoort het half zo hoog als Claude Opus 5.5 op ProgramBench, lager dan alle drie gesloten modellen op HLE zonder tools en lager dan GPT-6 Astra op Design Bench. Test dat soort taken voordat je overstapt.
• taken waarbij het model in de hogere klasse minder nadenkt. Zoals de bouwtest van Chase AI laat zien, kan een duurder model dat minder nadenkt per taak goedkoper uitvallen. Meet je eigen workload voordat je ervan uitgaat dat K3.1 Pro de goedkopere optie is.
• Lagere Kimi Code-abonnementen. Voor K3.1 Pro heb je Plus of hoger nodig op de nieuwe abonnementen (Moderato of hoger op de oude abonnementen); voor het 1M-contextvenster heb je Pro (Allegretto) nodig. Voor Highspeed heb je Pro of hoger nodig (Allegretto).

Wie moet overstappen en wie kan beter wachten?

• Kimi Code-gebruikers: K3.1 Pro is beschikbaar als k3.1-pro. Start er een nieuwe sessie mee in plaats van een bestaande sessie met K3, K2.8 Preview of K2.7 Code Highspeed om te schakelen; volgens Moonshot leidt een omschakeling midden in een sessie tot lagere outputkwaliteit en minder cachehits. Verwacht standaard max, terwijl K3 op high draaide, en houd je quotum de eerste week in de gaten. Als het sneller opraakt, zet routinewerk dan op high, maar verwacht niet dat low goedkoop is: in de steekproefcontrole van AIHubMix redeneerde K3.1 Pro op low nog steeds 5,561 tot 7,356 tokens lang.
• K3 API-gebruikers: wijzig kimi-k3 in kimi-k3.1-pro; de parameterbeperkingen blijven hetzelfde. Op de eigen API van Moonshot wordt het model beschikbaar na een opwaardering van $1; AIHubMix biedt het onder dezelfde ID aan. Voer eerst een evaluatie van één dag uit op je eigen taken en vergelijk completiontokens en thinkingtokens, niet alleen de slagingspercentages. De eigen USD-prijslijst van Moonshot was op het moment van schrijven niet bevestigd; bij AIHubMix kost K3.1 Pro $2.00 / $10.50 per miljoen tokens.
• K2.6- en K2.7 Code-gebruikers: de sprong is groter en Moonshot heeft een deadline vastgesteld. Op het platform van Moonshot zijn K2-seriemodellen vanaf 31 October 2026 niet meer beschikbaar voor nieuw geregistreerde gebruikers; Moonshot is van plan ze eind december 2026 allemaal uit te faseren. Op 24 oktober stonden K2.6 en K2.7 Code nog op AIHubMix, zonder aangekondigde uitfaseringsdatum. K3.1 Pro ondersteunt niet de mogelijkheid om het denken uit te schakelen; het redeneren wordt bepaald door het inspanningsniveau in plaats van door de thinking-schakelaar van K2.x. Lees het migratiebericht voordat je iets wijzigt.
• Als snelheid belangrijker is dan de prijs: K3.1 Pro Highspeed biedt dezelfde mogelijkheden met ongeveer 2–3× de snelheid, voor ongeveer twee keer zoveel quotum in Kimi Code en twee keer de prijs per token ($4.00 / $21.00 bij AIHubMix). In het Highspeed-bericht in deze reeks wordt die afweging besproken.
• Wacht als je rechtstreeks bij Moonshot koopt en eerst de USD-prijslijst wilt zien voordat je een keuze maakt.
• Blijf bij je huidige model als je workload bestaat uit korte verzoeken met een hoog volume, waarbij voortdurend nadenken onnodige overhead is.

Om K3 en K3.1 Pro met je eigen prompts te vergelijken, voer je beide via AIHubMix uit met één sleutel. De snelstartgids behandelt sleutels en basis-URL's; op de modelpagina van K3.1 Pro staat de prijs. Gebruik Chat Completions of Messages met kimi-k3.1-pro; gebruik voor de Responses API voorlopig coding-kimi-k3.1-pro. AIHubMix bestempelt dit als een evaluatiepreview, niet voor productie.

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)

Het script gebruikt Chat Completions en laat temperature weg: K3 en K3.1 Pro wijzen elke waarde behalve 1 af.

Veelgestelde vragen

Is Kimi K3.1 Pro beschikbaar?
Ja. Moonshot heeft het model op 23–24 oktober 2026 gelanceerd in de Kimi-app, Kimi Work, Kimi Code en de Kimi API: als kimi-k3.1-pro op de API en als k3.1-pro in Kimi Code. Beheerders van Business- en Enterprise-abonnementen moeten het voor hun teams inschakelen.

Kost K3.1 Pro meer dan K3?
Per token niet. AIHubMix rekent $2.00 voor input en $10.50 voor output per miljoen tokens, tegenover $2.84 en $14.20 voor K3. Volgens een yuanprijstabel die op de lanceringsdag rondging, heeft Moonshot de prijzen met ongeveer een derde verlaagd, maar de eigen USD-prijslijst van Moonshot was op het moment van schrijven niet bevestigd. Het model denkt nog steeds veel na: in Kimi Code staat max standaard ingesteld en bij een steekproefcontrole van AIHubMix redeneerde het zelfs bij lage inspanning 5,561 tot 7,356 tokens lang. De kosten per taak kunnen dus nog steeds stijgen.

Werkt mijn K3-code op K3.1 Pro?
Ja, als je de model-ID wijzigt. Volgens Moonshot gelden voor kimi-k3.1-pro dezelfde parameterbeperkingen als voor kimi-k3. Laat temperature en de andere samplingparameters dus achterwege, geef reasoning_content bij meerbeurtsverzoeken nog steeds door en probeer het denken niet uit te schakelen.

Wat verandert er in Kimi Code?
Kies K3.1 Pro in een nieuwe sessie in plaats van midden in een sessie, zoals Moonshot in de documentatie adviseert. De standaardinspanning is max, terwijl die bij K3 op high stond. Je hebt het Plus-abonnement of hoger nodig, en voor het volledige 1M-contextvenster Pro of hoger.

Wat is K3.1 Pro Highspeed?
Dezelfde modelmogelijkheden, maar met ongeveer twee tot drie keer zoveel uitvoersnelheid, als kimi-k3.1-pro-highspeed via de API. In Kimi Code verbruikt het ongeveer twee keer zoveel quota en kost het per token twee keer zoveel: $4.00 / $21.00 op AIHubMix. Alleen de modeluitvoer wordt sneller; toolaanroepen en scripts niet.

Is K3.1 Pro net zo goed als Claude Fable 5.1, Claude Opus 5.5 of GPT-6 Astra?
Volgens de eigen tabel van Moonshot scoort het hoger dan alle drie op SWE Marathon en HLE met tools, verslaat het Fable 5.1 en GPT-6 Astra op Terminal-Bench 4.0, en blijft het achter op ProgramBench, HLE zonder tools en Design Bench. De cijfers zijn door Moonshot zelf gerapporteerd, de evaluatieopstellingen verschillen en niemand heeft ze tot nu toe gereproduceerd.

Krijgt K3.1 Pro open gewichten?
Ja. Moonshot zegt dat de volledige gewichten uiterlijk op 4 november 2026 worden uitgebracht. Het bedrijf heeft niet gezegd welke licentie ze zullen gebruiken; de gewichten van K3 vallen onder de Kimi K3-licentie.

Lees verder: de Kimi K3.1 Pro-reeks

• Als je hebt besloten over te stappen, lees je hier waar de 400-fouten en de ongemerkte kostenstijgingen vandaan komen, van de standaardinstelling voor maximale inspanning tot een verkeerd getypte Highspeed-ID: Overstappen op Kimi K3.1 Pro: 400-fouten oplossen, letten op de standaardinstelling voor maximale inspanning en Highspeed correct typen
• Als je K3.1 Pro tegen alternatieven afweegt in plaats van te upgraden, lees je hier hoe het zich verhoudt tot Qwen 4, dat in dezelfde week opdook in Arena, en Claude Fable 5.5, het model waar ze allebei op jagen: Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: kwaliteit van front-ends, kosten per taak en een kritische blik op de hype
• Als de snelheid van 2–3× je aanspreekt, lees je hier wanneer het de moeite waard is om twee keer zoveel per token te betalen voor Highspeed: Kimi K3.1 Pro vs K3.1 Pro Highspeed: Is 2–3× zoveel snelheid 2× de prijs waard?

Bronnen

• Moonshot AI: technische blog over Kimi K3.1 Pro
• Moonshot AI: snelstartgids voor Kimi K3.1 Pro
• Moonshot AI: modelconfiguratie van Kimi Code
• AIHubMix: modelpagina van Kimi K3.1 Pro
• Chase AI: Kimi K3 vs Claude Fable 5 vs GPT-5.6, werkelijke kosten