Kimi K3.1 Pro kontra K3: co się zmieniło, ile to kosztuje i kto powinien przejść na nowy model

Kimi K3.1 Pro to pierwsza aktualizacja modelu Kimi K3 — modelu z otwartymi wagami i 2,8 biliona parametrów, który Moonshot AI udostępnił 16 lipca 2026 roku. Model zadebiutował 23–24 października 2026 roku w aplikacji Kimi, Kimi Code i interfejsie Kimi API. W informacji o premierze Moonshot nazywa go „pierwszym modelem z naszej nowej serii K3.1 i najwydajniejszym dotąd modelem z otwartymi wagami w klasie 3T”. To wersja K3 po treningu post-training, przeprowadzonym z użyciem znacznie większych mocy obliczeniowych w setkach „domen zastosowań”. Moonshot deklaruje ulepszenia w programowaniu, tworzeniu 3D oraz badaniach i modelowaniu finansowym. Wariant K3.1 Pro Highspeed oferuje identyczne możliwości, ale działa około dwa–trzy razy szybciej, a pełne wagi mają zostać udostępnione do 4 listopada 2026 roku.

Krótka odpowiedź: w przypadku kodu korzystającego z API wystarczy zmienić identyfikator modelu. kimi-k3.1-pro ma takie same ograniczenia parametrów jak kimi-k3, więc nadal obowiązują stałe ustawienia próbkowania, trzy poziomy intensywności rozumowania i domyślna wartość max. Pierwszą zauważalną zmianą będzie coś mniej oczywistego. W Kimi Code K3 domyślnie działał z wysoką intensywnością rozumowania, a K3.1 Pro — z maksymalną. Spodziewaj się więcej namysłu nad każdym zadaniem, a co za tym idzie, większego zużycia tokenów lub większej części limitu w planie na jedno zadanie.

K3.1 Pro jest tańszy w przeliczeniu na token. AIHubMix podaje cenę 2,00 USD za milion tokenów wejściowych i 10,50 USD za milion wyjściowych, w porównaniu z odpowiednio 2,84 USD i 14,20 USD w przypadku K3. Tabela cen w juanach, która krążyła w dniu premiery, wskazuje na podobną obniżkę u Moonshot. W chwili pisania tego tekstu nie udało się potwierdzić oficjalnego cennika Moonshot w USD. Z opublikowanych przez Moonshot wyników testów wynika, że K3.1 Pro wyraźnie przewyższa K3 w firmowych testach programowania, halucynacji i finansów. Pytanie brzmi więc: czy te ulepszenia, przy niższej cenie za token, nadal się opłacają w przypadku modelu, który dłużej analizuje Twoje zadania?

K3 i K3.1 Pro — porównanie

Dane dotyczące K3 pochodzą z przewodnika Moonshot po Kimi K3 i karty modelu. Informacje o K3.1 Pro pochodzą z krótkiego przewodnika K3.1 Pro Moonshot oraz dokumentacji modeli Kimi Code, która podaje również domyślne ustawienia dla obu modeli w Kimi Code. Identyfikatory wariantu Highspeed to kimi-k3.1-pro-highspeed w API i k3.1-pro-highspeed w Kimi Code. W Kimi Code pełne okno o rozmiarze 1M jest dostępne w wyższych planach. Moonshot nie opublikował liczby aktywnych parametrów K3.1 Pro ani nie podał, na jakiej licencji zostaną udostępnione jego wagi.

Jak ujawniono K3.1 Pro

Informacje o serii K3.1 wyciekały stopniowo przez miesiąc. CometAPI zebrało przecieki w swoim trackerze, a Wccftech, AIBase i użytkownicy LINUX DO również o nich informowali. Moonshot nie potwierdził żadnego z tych doniesień przed publikacją filmu-zapowiedzi.

• 23 września: opublikowany na X fragment konfiguracji ujawnił identyfikator k3d1-agent, trzy poziomy intensywności rozumowania (Low, High, Max), opcję kontekstu „Extra Long” o rozmiarze do 1M tokenów oraz flagi trybów agent, swarm, search i batch.
• 28 września: programiści znaleźli kimi-k3-1 w rejestrze modeli platformy API Moonshot i zgłosili, że model odpowiadał na wywołania. W podglądzie otwartej platformy podano tę samą cenę co w przypadku K3.
• 21 października: konfiguracja model_switch_confirm w Kimi Code zaczęła zwracać regułę, która zmienia k3, K3, kimi-k3, k3-256k, kimi-for-coding i kimi-for-coding-highspeed na k3.1. Dwa dni później model pojawił się w Kimi Code jako k3.1-pro.
• 22 października: w Code Arena serwisu Arena pojawił się anonimowy model o nazwie Kibitz. Odcisk tokenizera powiązał go z Kimi, a nazwa pasuje do schematu stosowanego przez Moonshot (K3 testowano pod nazwą Kivine). Jednorazowe pojedynki przeprowadzone przez testerów wypadły korzystnie, a jeden z nich ocenił, że model stworzył scenę 3D na poziomie zbliżonym do Claude Opus 5.5 przy średniej intensywności rozumowania. Arena nie opublikowała wyniku.
• 23 października: oficjalne konto Kimi opublikowało 24-sekundowy teaser. Widać na nim terminal Kimi Code z komunikatem „Model: Kimi K3.1”, podczas gdy model tworzy scenę 3D w Three.js.
• 23–24 października: Moonshot dodał K3.1 Pro i K3.1 Pro Highspeed do dokumentacji Kimi Code, w której napisano, że model jest „już w pełni dostępny w Kimi Code”. Informacja o premierze została na krótko opublikowana, po czym ją wycofano. Tego wieczoru wróciła wraz z pełną tabelą wyników testów, a także dokumentacją API dla kimi-k3.1-pro i kimi-k3.1-pro-highspeed.

Większość ujawnionych flag opisywała funkcje, które K3 już obsługiwał: trzy poziomy intensywności rozumowania, okno kontekstowe 1M i istniejący tryb swarm Kimi. Premiera potwierdziła te informacje. K3.1 Pro zachowuje ten sam kontrakt wywołań co K3; nowości to dodatkowy trening post-training, domyślna maksymalna intensywność rozumowania w Kimi Code oraz bliźniaczy wariant Highspeed.

Co pozostaje bez zmian, a co warto ponownie sprawdzić

Moonshot podaje, że kimi-k3.1-pro ma „takie same ograniczenia parametrów co kimi-k3”, więc kod działający z K3 wymaga jedynie zmiany identyfikatora. Oto ustawienia, które pozostają bez zmian:

• Rozumowanie jest zawsze włączone. Moonshot informuje, że żądania wyłączające tę funkcję są odrzucane z kodem HTTP 400; główne identyfikatory AIHubMix ich nie odrzucały (patrz niżej).
• reasoning_effort przyjmuje wartości low, high lub max, a domyślnie ustawiona jest wartość max. Nie ma poziomu medium, mimo że przed premierą informowano o jego istnieniu: Kimi Code mapuje medium na high, xhigh i ultra na max, a minimum i light na low. W Kimi Code wartości off, none, disabled oraz nieznane wartości powodują błąd 400.
• Parametry próbkowania są stałe: temperature 1.0, top_p 0.95, n 1, a obie kary mają wartość 0. Pomiń je w żądaniu — inne wartości powodują błąd w API Moonshot.
• tool_choice obsługuje wartość required, tak samo jak w przypadku K3.
• max_completion_tokens domyślnie wynosi 131,072, a jego maksymalna wartość to 1,048,576 w ramach okna kontekstowego 1M.
• Zmiana modelu lub poziomu intensywności rozumowania unieważnia pamięć podręczną. W Kimi Code Moonshot odradza przełączanie się na K3.1 Pro w istniejącej sesji K3, K2.8 Preview lub K2.7 Code Highspeed, ponieważ pogarsza to jakość odpowiedzi i zmniejsza liczbę trafień pamięci podręcznej.

Podobnie jak w przypadku K3, w pętlach wieloetapowych i pętlach wywołań narzędzi należy przekazywać pełną wiadomość asystenta, łącznie z reasoning_content.

Co zmierzył AIHubMix. 24 października AIHubMix przetestował oba modele pod ich głównymi identyfikatorami: kimi-k3.1-pro i kimi-k3.1-pro-highspeed, a także w kanale programistycznym: coding-kimi-k3.1-pro i coding-kimi-k3.1-pro-highspeed. Kanał ten korzysta z mapowania intensywności rozumowania stosowanego w Kimi Code:

• Chat Completions (z reasoning_content) i Messages (bloki thinking i text) zwracały kod 200 w przypadku obu modeli. Responses API zwracało kod 200 tylko w kanale programistycznym; główne identyfikatory zwracały błąd 404: „The model kimi-k3.1-pro is not available on this endpoint.” W chwili premiery Codex, który korzysta z Responses, wymagał więc identyfikatora kanału programistycznego w AIHubMix.
• Każda testowana wartość reasoning_effort (low, medium, high, max, xhigh) zwracała kod 200. Bramka akceptuje wszystkie, ale Moonshot dokumentuje tylko low, high i max, więc dodatkowych wartości nie należy traktować jako osobnych poziomów. off i nieznana wartość również zwracały kod 200, podobnie jak none lub pole thinking: {"type": "disabled"} — w tych przypadkach odpowiedź nie zawierała żadnego rozumowania. W AIHubMix przełącznik wyłączający rozumowanie nie powoduje błędu 400, lecz jest ignorowany bez komunikatu.
• temperature=0.2 zwracało błąd 400 dla głównych identyfikatorów: „invalid temperature: only 1 is allowed for this model”. Kanał programistyczny akceptował tę wartość. Pozostałe po K2.x pole thinking: {"type": "enabled"} zwracało kod 200 dla obu modeli.
• Ustrukturyzowane wyjście za pośrednictwem Messages API działa już poprawnie. Żądanie json_schema z poleceniem, które nie prosiło o JSON, zwróciło {"city":"Paris"}. W lipcowym teście AIHubMix K3 po cichu ignorował tam schemat.
• Buforowanie odbywa się automatycznie: w kanale programistycznym powtórzone polecenie zwróciło całe zapytanie jako liczbę tokenów z pamięci podręcznej.

W artykule z tej serii poświęconym migracji opisano każdy z tych problemów, na które można natrafić, wraz z treścią błędu i sposobem jego rozwiązania.

Testy porównawcze: w zestawieniu z K3 i modelami wyższej klasy

Wyniki pochodzą z testów opublikowanych przez Moonshot w dniu premiery, opisanych w informacji o premierze K3.1 Pro oraz, w przypadku K3, w karcie modelu na GitHubie. W zależności od modelu użyto różnych środowisk testowych (K3.1 Pro działał głównie w środowisku Claude Code), a dotychczas nikt nie odtworzył tych wyników.

K3 a K3.1 Pro. Oto wyniki uzyskane przez Moonshot dla obu modeli przy użyciu tej samej metodologii:

Kimi Code Bench, Kimi Hallu Bench i oba zestawy finansowe to wewnętrzne testy Moonshot. Wyniki dla Kimi Code Bench 2.0 uzyskano w środowisku Claude Code (najlepszy wynik K3, 72.9, zmierzono w Kimi Code), a Hallu Bench Hard przeprowadzany jest z użyciem narzędzi. Wszystkie pary wyników zmieniły się na korzyść K3.1 Pro: o 3–8 punktów w testach programistycznych, o 7–12 punktów w testach finansowych, a wskaźnik halucynacji w trudnym teście spadł z 23.4 do 8.3. Testy Terminal-Bench, SWE Marathon i ProgramBench występują w obu zestawach wyników, ale w różnych wersjach lub z innym sposobem punktacji, dlatego wyników K3: 88.3, 42.0 i 77.8 nie można bezpośrednio porównywać z wynikami K3.1 Pro: 65.7, 51.7 i 31.5.

W porównaniu z modelami wyższej klasy. Kimi nie oferuje modelu wyżej pozycjonowanego niż K3.1 Pro, więc warto porównać go z zamkniętymi modelami z tabeli Moonshot. Moonshot testował je przy maksymalnej intensywności rozumowania i zaznacza, że „testowanie modeli własnościowych może obejmować pewne zachowanie awaryjne”.

Według własnej tabeli wyników Moonshot K3.1 Pro prowadzi we wszystkich czterech testach dotyczących długotrwałego kodowania (SWE Marathon v1.1) oraz w HLE z narzędziami, a także nieznacznie wyprzedza konkurencję w DeepSWE v1.1. W Terminal-Bench 4.0 pokonuje Fable 5.1 i GPT-6 Astra, uzyskując wynik o mniej niż punkt niższy od Opus 5.5; w GDPval-AA plasuje się tuż za Opus 5.5. Wyraźnie ustępuje w ProgramBench, gdzie wynik Opus 5.5 jest mniej więcej dwa razy wyższy, w HLE bez narzędzi oraz w wewnętrznym teście Moonshot Design Bench, w którym prowadzi GPT-6 Astra. K3 zadebiutował na szczycie rankingu Arena Frontend Code z wynikiem 1,679; K3.1 Pro nie miał wyniku Arena w chwili premiery.

Cena i rzeczywisty koszt

Ceny podano za milion tokenów. Cena K3.1 Pro w AIHubMix jest o 30% niższa od ceny K3 za tokeny wejściowe i o 26% niższa za wyjściowe; Highspeed kosztuje dokładnie dwa razy więcej niż K3.1 Pro za tokeny wejściowe i wyjściowe, przy tej samej cenie trafień w pamięci podręcznej. W chwili pisania nie udało się potwierdzić oficjalnego cennika K3.1 Pro Moonshot w USD, dlatego w kolumnie z cenami oficjalnymi widnieje kreska. OpenAI oferuje promocyjną stawkę $4 / $20 za GPT-5.6 Sol, która według doniesień ma obowiązywać co najmniej do 21 November 2026. Trafienia w pamięci podręcznej w AIHubMix kosztują $0.20 za milion tokenów dla K3.1 Pro i Highspeed, w porównaniu z $0.284 dla K3 ($0.30 w Moonshot). Od czasu aktualizacji rozliczeń Moonshot zapisy w pamięci podręcznej K3 są wykazywane osobno: $3.00 za milion tokenów przy domyślnym okresie 5 minut, $6.00 przy okresie jednej godziny. W API Moonshot K3.1 Pro działa według tych samych zasad: stała cena niezależnie od długości kontekstu, rozliczanie zapisów w pamięci podręcznej zależnie od okresu przechowywania oraz rozliczanie tokenów rozumowania jako tokenów wyjściowych przy każdym poziomie wysiłku. Strony modeli AIHubMix podają wyłącznie ceny tokenów wejściowych, wyjściowych i trafień w pamięci podręcznej, bez osobnej stawki za zapisy w pamięci podręcznej.

Podany przez Moonshot cennik w juanach. W dniu premiery pojawiła się tabela z chińskim cennikiem Moonshot dla K3.1 Pro i K3.1 Pro Highspeed, obejmująca również zapisy w pamięci podręcznej. Nie udało się jej potwierdzić na stronie z cennikiem Moonshot:

Za milion tokenów, w CNY. Wiersz K3 odpowiada chińskiemu cennikowi Moonshot. Jeśli tabela jest prawdziwa, Moonshot obniżył cenę K3.1 Pro o 35% za tokeny wejściowe, 32% za wyjściowe i 35% za trafienia w pamięci podręcznej, czyli nieco bardziej niż AIHubMix. Highspeed kosztuje dwa razy więcej niż K3.1 Pro za tokeny wejściowe, wyjściowe i zapisy w pamięci podręcznej, przy tej samej cenie trafień w pamięci podręcznej, co oznacza, że jest o 30% droższy od K3 za tokeny wejściowe i o 36% za wyjściowe. Cenniki Moonshot w USD i CNY nie są powiązane stałym kursem, więc ceny w juanach nie wskazują ceny w dolarach.

Jeden zadanie, konkretny koszt. W lipcu AIHubMix poprosił K3 o stworzenie jednoplikowej gry HTML na podstawie jednego promptu i obrazu referencyjnego. Uruchomienie trwało 2,541 sekund (około 42 minut) i wygenerowało 1,275 wierszy działającego kodu. Zużyto 74,994 tokenów uzupełnienia, z czego 54,486 (73%) przeznaczono na rozumowanie. Model działał z maksymalnym wysiłkiem — był to jedyny poziom akceptowany wtedy przez K3 i domyślny poziom K3.1 Pro obecnie. Nie zapisano rozmiaru danych wejściowych, więc poniższe szacunki zakładają 5,000 tokenów wejściowych. Ceny pochodzą z AIHubMix.

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

Założenie tej samej liczby tokenów jest umowne, a rzeczywiste wartości mogą zmienić wynik w obie strony. W praktycznym teście tworzenia gry przeprowadzonym przez Chase AI K3 zużył 21.5 miliona tokenów, podczas gdy Claude Fable 5 — 3.5 miliona, czyli około sześć razy mniej. Przy takim stosunku Fable 5 stworzyłby grę, zużywając około 12,200 tokenów, za około $0.73 — mniej niż K3 za $1.08 i K3.1 Pro za $0.80, mimo że jego cena za tokeny wyjściowe jest niemal czterokrotnie wyższa. W zadaniach z indeksu Artificial Analysis różnica działała w drugą stronę: Fable 5.1 zużywał średnio 78,000 tokenów wyjściowych na zadanie, a K3 — 48,000; koszt wynosił odpowiednio $7.63 i $2.00 na zadanie.

Czas rozumowania modelu zależy od zadania. W niewielkim teście AIHubMix z 24 October prompt z prośbą o 600-słowny tekst objaśniający i ustawionym niskim poziomem wysiłku sprawił, że K3.1 Pro rozumował przez 5,561–7,356 tokenów przed udzieleniem odpowiedzi, a K3 — przez 3,013–7,051: wartości były zbliżone. Różnica dotyczyła szybkości. K3.1 Pro generował około 86 tokenów na sekundę, a K3 — 22–26, więc odpowiadał w 80–99 sekund, podczas gdy K3 potrzebował 154–309 sekund. To jeden prompt i trzy uruchomienia każdego modelu w głównych ID AIHubMix, a nie test porównawczy. Jednak obniżka ceny tokenów wyjściowych o jedną czwartą oznacza niższy rachunek o jedną czwartą tylko wtedy, gdy K3.1 Pro nie rozumuje nad Twoimi zadaniami dłużej niż K3, dlatego przed oszacowaniem oszczędności sprawdź liczbę tokenów na zadanie.

Kiedy K3.1 Pro nie jest oczywistym wyborem

• Praca wrażliwa na opóźnienia. K3.1 Pro zawsze rozumuje, domyślnie działa z maksymalnym wysiłkiem i nie pozwala wyłączyć rozumowania. Uruchomienie gry w K3 trwało 42 minuty w ramach jednego żądania, a w opisanym wyżej teście punktowym pierwsze tokeny odpowiedzi K3.1 Pro pojawiły się po 71–91 sekundach nawet przy niskim poziomie wysiłku (w przypadku K3 po 132–280 sekundach). Highspeed generuje odpowiedź około 2–3× szybciej, ale według Moonshot „przyspiesza wyłącznie generowanie odpowiedzi przez model”, więc wywołania narzędzi i skrypty nadal działają tak jak wcześniej. Jeśli użytkownicy czekają na każdą odpowiedź, lepiej sprawdzi się szybszy model bez rozumowania, nawet przy tej samej jakości.
• Potoki wymagające kontroli temperatury. K3.1 Pro zachowuje stałą wartość próbkowania 1.0 z K3, a w głównych ID AIHubMix wartość temperature 0.2 zwraca błąd 400. Kanał kodowania ją zaakceptował, ale odpowiedź 200 nie dowodzi, że wartość została zastosowana. Jeśli do uzyskania powtarzalnych wyników potrzebujesz temperature 0, K3.1 Pro Ci tego nie zapewni.
• Zadania podobne do tych, w których model wypada słabo w testach porównawczych. Według własnej tabeli Moonshot K3.1 Pro osiąga połowę wyniku Claude Opus 5.5 w ProgramBench, ustępuje wszystkim trzem zamkniętym modelom w HLE bez narzędzi oraz GPT-6 Astra w Design Bench. Przed zmianą przetestuj zadania tego typu.
• Zadania, w których model z wyższego poziomu rozumuje mniej. Jak pokazuje test tworzenia gry Chase AI, droższy model, który mniej rozumuje, może kosztować mniej na zadanie. Zmierz koszty we własnym obciążeniu, zanim założysz, że K3.1 Pro będzie tańszy.
• Niższe plany Kimi Code. K3.1 Pro wymaga nowego planu Plus lub wyższego (Moderato lub wyższego w starszych planach), a okno 1M wymaga planu Pro (Allegretto). Highspeed wymaga planu Pro lub wyższego (Allegretto).

Kto powinien przejść na nowy model, a kto poczekać

• Użytkownicy Kimi Code: K3.1 Pro jest dostępny pod nazwą k3.1-pro. Rozpocznij z nim nową sesję zamiast przełączać trwającą sesję K3, K2.8 Preview lub K2.7 Code Highspeed; Moonshot twierdzi, że zmiana modelu w trakcie sesji obniża jakość odpowiedzi i liczbę trafień w pamięci podręcznej. Domyślnie model działa z maksymalnym wysiłkiem, podczas gdy K3 działał na wysokim poziomie; przez pierwszy tydzień obserwuj zużycie limitu. Jeśli wyczerpuje się szybciej, przeznacz poziom wysoki do rutynowych zadań, ale nie zakładaj, że niski będzie tani: w teście punktowym AIHubMix K3.1 Pro przy niskim poziomie nadal rozumował przez 5,561–7,356 tokenów.
• Użytkownicy API K3: zmień kimi-k3 na kimi-k3.1-pro; ograniczenia parametrów pozostają takie same. W API Moonshot model odblokowuje się po doładowaniu konta kwotą $1; AIHubMix udostępnia go pod tym samym ID. Najpierw przeprowadź jednodniową ewaluację na własnych zadaniach i porównaj liczbę tokenów uzupełnienia oraz rozumowania, a nie tylko odsetek zaliczonych testów. W chwili pisania oficjalny cennik Moonshot w USD nie był potwierdzony; w AIHubMix K3.1 Pro kosztuje $2.00 / $10.50 za milion tokenów.
• Użytkownicy K2.6 i K2.7 Code: zmiana jest większa, a Moonshot wyznaczył termin. Na platformie Moonshot modele serii K2 nie są już dostępne dla nowo zarejestrowanych użytkowników od 31 October 2026, a firma planuje wycofać je wszystkie do końca December 2026. 24 October AIHubMix nadal udostępniał K2.6 i K2.7 Code, bez daty wycofania. K3.1 Pro nie pozwala wyłączyć rozumowania, a jego poziom ustawia się za pomocą wysiłku, a nie przełącznika thinking znanego z K2.x. Przed wprowadzeniem zmian zapoznaj się z wpisem o migracji.
• Jeśli szybkość jest ważniejsza niż cena: K3.1 Pro Highspeed oferuje te same możliwości przy szybkości większej o około 2–3×, za około dwa razy większy limit w Kimi Code i dwukrotnie wyższą cenę za token ($4.00 / $21.00 w AIHubMix). Wpis o Highspeed z tej serii omawia ten kompromis.
• Poczekaj, jeśli kupujesz bezpośrednio od Moonshot i przed podjęciem decyzji chcesz zobaczyć cennik w USD.
• Pozostań przy obecnym modelu, jeśli Twoje obciążenie obejmuje krótkie żądania w dużej liczbie, w których ciągłe rozumowanie jest zbędnym narzutem.

Aby porównać K3 i K3.1 Pro na własnych promptach, uruchom oba modele przez AIHubMix, używając jednego klucza. Szybki start wyjaśnia, jak skonfigurować klucze i podstawowe adresy URL, a strona modelu K3.1 Pro zawiera cennik. Użyj Chat Completions lub Messages z kimi-k3.1-pro; w przypadku Responses API na razie użyj coding-kimi-k3.1-pro. AIHubMix oznacza go jako wersję podglądową do ewaluacji, nieprzeznaczoną do użytku produkcyjnego.

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)

Skrypt korzysta z Chat Completions i pomija parametr temperature: K3 i K3.1 Pro odrzucają każdą wartość inną niż 1.

Często zadawane pytania

Czy Kimi K3.1 Pro jest już dostępny?
Tak. Moonshot wprowadził go 23–24 October 2026 w aplikacji Kimi, Kimi Work, Kimi Code i API Kimi — w API pod nazwą kimi-k3.1-pro, a w Kimi Code jako k3.1-pro. Administratorzy kont Business i Enterprise muszą włączyć go dla swoich zespołów.

Czy K3.1 Pro kosztuje więcej niż K3?
Jeśli chodzi o cenę za token — nie. AIHubMix podaje cenę $2.00 za tokeny wejściowe i $10.50 za wyjściowe na milion tokenów, w porównaniu z $2.84 i $14.20 dla K3. Tabela w juanach krążąca w dniu premiery wskazuje na obniżkę o około jedną trzecią w Moonshot, ale w chwili pisania nie udało się potwierdzić oficjalnego cennika Moonshot w USD. Model nadal jednak dużo rozumuje: w Kimi Code domyślnie ustawiony jest maksymalny wysiłek, a w jednym teście punktowym AIHubMix rozumowanie zajęło 5,561–7,356 tokenów nawet przy niskim poziomie wysiłku. Koszt pojedynczego zadania może więc wzrosnąć.

Czy mój kod dla K3 będzie działał w K3.1 Pro?
Tak, wystarczy zmienić ID modelu. Moonshot podaje, że kimi-k3.1-pro ma te same ograniczenia parametrów co kimi-k3. Nadal pomijaj temperature i pozostałe parametry próbkowania, w żądaniach wieloturowych przekazuj z powrotem reasoning_content i nie próbuj wyłączać rozumowania.

Co zmienia się w Kimi Code?
Zgodnie z dokumentacją Moonshot wybierz K3.1 Pro w nowej sesji, a nie w trakcie trwającej. Domyślny poziom wysiłku to maksymalny; w przypadku K3 był wysoki. Model wymaga planu Plus lub wyższego, a pełne okno 1M — planu Pro lub wyższego.

Czym jest K3.1 Pro Highspeed?
Te same możliwości modelu przy około dwu- lub trzykrotnie większej szybkości generowania odpowiedzi, dostępnego przez API jako kimi-k3.1-pro-highspeed. W Kimi Code zużywa około dwa razy więcej limitu, a cena za token jest dwukrotnie wyższa: $4.00 / $21.00 w AIHubMix. Przyspiesza tylko generowanie odpowiedzi przez model; wywołania narzędzi i skrypty nie.

Czy K3.1 Pro dorównuje Claude Fable 5.1, Claude Opus 5.5 lub GPT-6 Astra?
Według własnej tabeli Moonshot model wyprzedza całą trójkę w testach SWE Marathon i HLE z narzędziami, pokonuje Fable 5.1 i GPT-6 Astra w Terminal-Bench 4.0, ale wypada słabiej w ProgramBench, HLE bez narzędzi i Design Bench. Liczby pochodzą z deklaracji firmy, zestawy testów różnią się, a nikt jeszcze ich nie zweryfikował.

Czy K3.1 Pro będzie dostępny z otwartymi wagami?
Tak. Moonshot zapowiada, że pełne wagi zostaną udostępnione do 4 November 2026. Firma nie podała jeszcze, na jakiej licencji; wagi K3 są udostępnione na licencji Kimi K3.

Czytaj dalej: seria Kimi K3.1 Pro

• Jeśli zdecydowałeś się na zmianę, dowiedz się, skąd biorą się błędy 400 i niepostrzeżone podwyżki rachunków — od domyślnego trybu maksymalnego wysiłku po literówkę w identyfikatorze Highspeed: Migracja na Kimi K3.1 Pro: jak naprawić błędy 400, uważać na domyślny tryb maksymalnego wysiłku i nie pomylić identyfikatora Highspeed
• Jeśli porównujesz K3.1 Pro z alternatywami, zamiast przesiadać się na nowszą wersję, sprawdź, jak wypada na tle Qwen 4, który pojawił się w Arena w tym samym tygodniu, oraz Claude Fable 5.5, modelu, któremu oba próbują dorównać: Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: jakość front-endu, koszt zadania i weryfikacja szumu medialnego
• Jeśli kusi Cię 2–3× większa szybkość, w tym artykule sprawdzamy, kiedy warto zapłacić dwa razy więcej za token w wersji Highspeed: Kimi K3.1 Pro vs K3.1 Pro Highspeed: czy 2–3× większa szybkość jest warta 2× wyższej ceny?

Źródła

• Moonshot AI: wpis techniczny o Kimi K3.1 Pro
• Moonshot AI: przewodnik szybkiego startu Kimi K3.1 Pro
• Moonshot AI: konfiguracja modeli w Kimi Code
• AIHubMix: strona modelu Kimi K3.1 Pro
• Chase AI: Kimi K3 vs Claude Fable 5 vs GPT-5.6 — rzeczywisty koszt