Kimi K3.1 Pro와 0.7점 격차: 11월 4일 가중치 공개 전에 릴리스 시트 읽기

핵심 요약

• Kimi K3.1 Pro는 Terminal-Bench 4.0에서 65.7% — 벤더가 동일 하니스에서 Claude Opus 5.5를 위해 측정한 66.4%보다 0.7점 낮고, 58.2%의 GPT-6 Astra보다 7.5점 높다 (Moonshot 릴리스 게시물).
• 주장 수준 환각률은 K3의 23.4%에서 K3.1 Pro의 8.3%로 낮아졌다 — Opus 5.5의 15.0%보다 낮으며 — 스트레스 테스트 단서가 같은 문단에 인쇄되어 있다 (릴리스 게시물).
• API 가격은 플랫폼 자체 페이지에서 검증되었다: MTok당 $2.00/$10.00, 캐시된 입력은 $0.20 — 공표된 90% 캐시 할인 — 캐시 쓰기는 TTL별로 별도 청구, 5분 $2.00 또는 1시간 $4.00 (Kimi API 가격).
• Moonshot은 오픈 웨이트 공개 전에 두 훈련 단계 — mid-training 말뭉치와 RL 환경 믹스 — 에서 사이버 공격 데이터를 모두 제거했다 (릴리스 게시물, 사이버보안 섹션).
• 전체 가중치는 벤더가 11월 4일로 확인했다; 그때까지 Artificial Analysis는 이 모델을 2.8조 파라미터의 사유(proprietary)로 표시하고 있으며, 가중치 라이선스 이름은 미정이다 (Artificial Analysis 모델 페이지).

같은 릴리스 페이지의 두 숫자가 이 분석의 대부분을 결정합니다: 65.7과 66.4. Kimi K3.1 Pro는 Moonshot K3.1 시리즈의 첫 모델로, 회사는 "지금까지 가장 뛰어난 3T급 오픈 웨이트 모델"이라 부르며 100만 토큰 컨텍스트 윈도우를 갖추고, Terminal-Bench 4.0에서 65.7%를 기록했습니다 — 같은 시트에는 Moonshot 자체 하니스에서 측정한 Claude Opus 5.5의 66.4%와 GPT-6 Astra의 58.2%가 인쇄되어 있습니다 (릴리스 게시물). 이 릴리스는 자신이 근소하게 지는 행을 선두에 실었습니다. 이 시트는 주장 수준 환각률이 K3 23.4%에서 K3.1 Pro 8.3%로 낮아진 것, 행마다 대조가 맞는 가격 페이지, 그리고 전체 가중치의 11월 4일 날짜도 실었습니다. 이 글은 구매자가 읽는 방식으로 릴리스를 읽습니다: 시트가 이미 확정한 것 — 역량 등급, 가격, 워크로드 적합 — 가중치만 답할 수 있는 것 — 라이선스, 캘리브레이션, 재현 — 그리고 가중치일 방법을 사용해 11월 4일 실행할 다섯 항목 감사. 이 감사는 시트가 먼저 도착한 릴리스로 확장됩니다.

스스로에게 인쇄한 비교 대상

Terminal-Bench 4.0의 세 행이 곧 공개입니다. K3.1 Pro 65.7, Claude Opus 5.5 66.4 — Moonshot이 자체 하니스에서 측정. 시트의 각주는 Opus 점수의 비교 기준 출처로 Anthropic 시스템 카드를 명시 — GPT-6 Astra 58.2. 0.7점 격차는 그럭저럭 합리적인 노이즈 범위 안에 있습니다. 그것이 요점입니다: 이 정도 격차로 기술 스택을 바꿀 구매자는 없지만, 이 시트는 모델이 Anthropic 플래그십을 앞선 것처럼 가장하는 유혹을 제거합니다. 이 구분은 조달 용어에서 중요합니다. OpenAI 에이전트 플래그십 대비 7.5점 리드는 실재하는 역량 열입니다. Anthropic 프런티어와의 동등 혹은 우위 주장은 독립 지수가 즉시 반박하는 날조일 것입니다 — Artificial Analysis의 복합 지수는 K3.1 Pro를 Intelligence Index 55, 215개 모델 중 4위에 두며, 사유 상위진과 같은 프런티어 클러스터에 위치시킵니다. 벤더 자체의 각주는 비교 기준을 1차 출처로 거슬러 올라갑니다 — Astra는 OpenAI 페이지, Opus 5.5는 Anthropic 시스템 카드. 이 시트의 출처는 검증 가능하며 단언이 아닙니다.

도구 부착 점수는 두 번 인쇄되며, 격차가 교훈입니다. CAD 코드 생성으로 3D 재구성을 시험하는 BenchCAD에서 K3.1 Pro는 도구 부착 시 92.7, Opus 5.5의 96.2와 GPT-6 Astra의 95.9에 근접 — 그리고 도구 없이는 72.8, Opus 5.5의 73.0에 대비 (릴리스 게시물). 공표 점수의 19점이 도구 하니스에 의존합니다. 환각 테스트에서도 같은 패턴입니다: 도구 부착 8.3%, 미부착 5.4%. 자체 서빙 스택이 모든 것에 도구를 붙인다는 것을 아는 팀은 도구 부착 열을 읽어야 하고, 모델 단독 거동을 평가하는 팀은 다른 열을 읽어야 합니다. 두 열을 모두 인쇄하는 것이야말로 선택을 판독 가능하게 만드는 공개입니다.

독립 열은 작업에 가격을 매기고, 공짜가 아닙니다. Artificial Analysis의 복합 행 — Kimi API에서 측정 — 은 역량 표가 생략하는 부작용을 더합니다: Intelligence Index 작업당 $2.11, 출력 속도 초당 57.5 토큰(중앙값 82.3 대비), 인덱스 실행의 장황함 출력 토큰 150M(중앙값 87M 대비). 장황함은 청구서입니다 — Sonnet 5.5 에포트 경제학 분석이 분리해낸 동일한 메커니즘: 더 많은 토큰으로 사고하는 에이전트는 사고 비용이 더 큽니다. 상시 워크로드에서 느린 출력 속도는 대화형 지연 세금입니다. time-to-first-token 3.07s는 중앙값 3.90s보다 나아 몇 가닥 완화가 됩니다. 이 세금에 대한 Moonshot의 답은 2차 티어입니다: K3.1 Pro Highspeed는 같은 상호작용 등급으로 K3.1 Pro의 2–3× 속도를 가격 페이지의 MTok당 $4.00/$20.00에 제공합니다.

환각 절반 감소, 스트레스 테스트로 명시

먼저 정직한 숫자, 그다음 정직한 라벨. Kimi Hallucination Benchmark Hard 세트 — 오류가 일어나기 쉬운 상황을 의도적으로 파고드는, 비식별화된 실용 프롬프트에 대해 팩트체크 에이전트가 주장 수준 환각률을 평가 — 에서 K3.1 Pro의 비율은 K3의 23.4%에서 8.3%로 낮아졌고, 최소 한 개의 사실 오류를 포함한 응답 비율은 **전작 대비 42.4%**로 내려갔습니다 (릴리스 게시물). 도구 부착 열에서 K3.1 Pro의 8.3%는 Opus 5.5의 15.0%보다 낮고, GLM-5.3의 22.6%와 DeepSeek-V4.1-Flash-1017의 23.3%보다 훨씬 낮으며, 앞서는 것은 GPT-6 Astra의 5.5%뿐입니다. 그리고 릴리스 게시물은 같은 섹션에 자기 단서를 실었습니다: 이 평가는 사실 정확성에 대한 스트레스 테스트이며, 예시는 모델이 오류를 일으키기 쉬운 상황을 파고들고, 보고된 비율은 "일상 사용의 전반적 오류율을 나타내지 않는다". 라벨 없이 8.3%를 인용하는 구매자는 벤더를 잘못 인용하는 것입니다.

문서 중심 작업에 대한 운영적 판독은 여전히 강합니다. OfficeQA Pro v2 — 검색, 문서 간 검증, 다단계 수치 추론을 거치는 재무 문서 분석 — 는 K3.1 Pro에 대해 선언된 최고 수준 64.4를 기록했고, 벤더 내부 재무 벤치는 K3 대비 재무 모델링 +7.2점, 재무 리서치 +11.6점, 장기 비즈니스 운영은 4.2배입니다 (릴리스 게시물). 견적 대조나 인보이스 감사 에이전트에게 있어, 스트레스 테스트에서 주장 수준 오류율을 절반으로 낮추면서 단서를 인쇄하는 것은 "모든 개방형 검색에 검증 계층이 필요한 모델"과 "적대적 프롬프트에서만 필요한 모델"의 차이입니다. 나머지는 상시 에이전트 경제학이 가격을 매깁니다.

가격 페이지가 확약하는 것

비용 모형에 필요한 모든 숫자가 플랫폼 자체 가격 페이지에 있으며, 이번 주 대조를 마쳤습니다. kimi-k3.1-pro는 MTok당 입력 $2.00, 출력 $10.00, 캐시된 입력 $0.20으로 청구됩니다; Highspeed 티어는 두 정가를 두 배로 하며 같은 $0.20 캐시 요율을 유지합니다; K3 시리즈 전 모델은 1,048,576 토큰 컨텍스트 윈도우를 갖습니다 (Kimi API 가격). 청구는 컨텍스트 길이에 따른 티어 없는 정액 종량제이며 — 산술을 바꾸는 행 — 캐시 쓰기는 TTL별로 별도 청구됩니다: 5분 티어 MTok당 $2.00, 1시간 티어 MTok당 $4.00. API는 반복되는 요청 접두사에 context caching을 자동 활성화하고 기본 TTL은 5분입니다. 1시간 캐시 쓰기는 입력 가격의 정확히 두 배, 5분 쓰기는 입력과 같은 가격입니다. 긴 수명의 에이전트 세션은 싼 티어를 사고 재계산해야 하며, 캐시 비용이 하나라고 가정해서는 안 됩니다.

이 캐시 요율은 플래시 티어 옆의 세 번째 공표 행입니다 — 크기 등급이 다릅니다. MiniMax M3.1 Flash는 캐시된 입력을 MTok당 $0.015로 실었고 (공개일 독해), DeepSeek의 1017 스냅샷은 관측된 캐시 히트율에서 유효 입력 약 $0.017로 계산됩니다 ($0.017 에이전트). Kimi의 $0.20은 절대값으로 10배 높습니다 — 게다가 플래그십 규모의 행입니다 (Artificial Analysis는 총 파라미터 2.8T를 계상) — 플래시 티어 제품이 아니며 공표 할인은 90%입니다. 중간시장 구매자가 실행해야 할 비교는 토큰당 정가가 아니라 자기 워크로드의 히트 점유율에 따른 작업당 비용입니다.

이 시트는 이행 시계도 실었습니다. K2 시리즈 모델은 2026년 10월 31일 신규 사용자에게 문을 닫고, 플랫폼은 12월 말까지 모두 폐지할 계획입니다 (가격 공지) — 플랫폼의 모든 K2 배포는 기한이 붙은 K3.1 이행을 물려받습니다. 비용 레버가 하나 더 플랫폼 문서에 기록되어 있습니다: 추론 에포트는 요청별로 low, high, max로 설정되며(기본 max) thinking을 완전히 끌 수는 없습니다 — 토글이 아니라 에포트가 작업당 비용 통제입니다 (K3.1 Pro 퀵스타트).

이미 읽을 수 있는 릴리스 게이트

사이버 데이터 제거는 구호가 아니라 메커니즘과 함께 서술되어 있습니다. Moonshot은 포스트트레이닝이 확대되며 취약점 연구 능력이 상승하는 것을 관찰하고, mid-training 일반 말뭉치에 박힌 사이버 관련 콘텐츠와 RL 환경 믹스 속 사이버 작업을 추적했으며, 예비 실험에서 "mid-training이나 RL 어느 단계에서도 데이터 제거를 하지 않으면 하류 사이버 능력이 상당히 상승한다"는 것을 발견했습니다. 오픈 웨이트 공개를 위해 회사는 일반 코딩 작업을 유지하면서 두 훈련 단계에서 사이버 관련 데이터를 제거했습니다 (릴리스 게시물, 사이버보안 섹션). 이는 GLM-5.3이 단계적 릴리스에서 적용한 것과 같은 게이트 패턴 — 안전 중지 후에 가중치 공개 (단계적 릴리스 선례) — 이지만 한 가지 구조적 차이가 있습니다: K3.1 Pro는 공개 당일에 전체 상세 시트를 실었고 가중치 날짜를 정했습니다. 중간에 단계적 중지는 없습니다.

10월의 오픈 웨이트 릴리스는 이제 명백히 읽히는 세 가지 플레이북을 이룹니다. MiniMax는 API 공개 4일 후에 가중치를 내놓고, 라이선스 파일이 구매 조건을 갖도록 했습니다 — 연간 $20M 수익선과 귀속 조건입니다. GLM-5.3은 릴리스를 안전 중지 뒤에 두었습니다. Kimi K3.1 Pro는 시트 퍼스트 릴리스로, 안전 게이트를 선제 적용했고 가중치는 11월 4일로 정했습니다. 바뀌는 것은 역량 주장이 아니라 어느 산출물이 먼저 상륙하는지이며, 구매자의 감사는 산출물을 따라가야 합니다.

11월 4일까지 열려 있는 것 — 그리고 실행할 감사

이 시트는 역량과 가격, 워크로드 적합에 답합니다. 답하지 못하는 네 가지가 있고, 다섯 항목 가중치일 방법이 MiniMax를 다룬 것과 같은 방식으로 다룹니다:

1. 라이선스 이름이 미정입니다. MiniMax의 가중치일은 상업적 셀프호스팅에 수익 기준선과 귀속 요건을 적었습니다; K3.1 Pro의 조건은 11월 4일 최대 미결 사항으로 남아 있고, 라이선스 파일을 읽기 전에 셀프호스팅 계획에 가격을 매겨서는 안 됩니다.
2. 독립 캘리브레이션 열이 존재하지 않습니다. Artificial Analysis의 복합 지수는 역량(지수 55, 작업당 $2.11)을 측정하며, 자신만만하게 틀리는 실패 양상 — MiniMax 플래시 티어의 92.8% 오답이 자신만만한 오답이었다고 보여준 AA-Omniscience급 행 (가중치일 감사) — 은 측정하지 않습니다. 검증 계층이 없는 개방형 사실 검색에서 이 열은 시트가 자신에 대해 결코 인쇄할 수 없는 것입니다.
3. 서드파티 하니스에서의 재현. 복합 지수는 이미 Terminal-Bench 4.0을 열 가지 평가 중 하나로 실행합니다; 가중치가 도착하면 커뮤니티 하니스 판독은 시트의 65.7을 재현하거나 하니스 각주를 강요합니다 — MiniMax 표가 초대했던 바로 그 대조입니다.
4. 카드 수준 파라미터와 서빙 레시피. "3T급" 표현과 Artificial Analysis의 2.8T 계수는 모델 카드 자체의 서술이 필요합니다; vLLM과 SGLang급 스택의 서빙 레시피가 다운로드를 배포 가능한 것으로 바꿉니다.

Artificial Analysis는 지금도 K3.1 Pro를 사유(proprietary)로 표시합니다 — 11월 4일 인도로 대체될 상태이며, 모든 가중치 이벤트 후 며칠 동안 구매자가 겪을 표면의 고착 상태입니다.

1분짜리 다이어그램이 확정된 것과 미확정된 것을 나눕니다:

두 패널은 시트가 그린 경계선입니다: 앰버 쪽은 10월 23일에 대조 가능한 숫자로 확정된 것, 바이올렛 쪽은 11월 4일 가중치만이 답할 수 있는 것, 그리고 코럴 띠가 그 격차를 메우는 이벤트입니다.

관련 읽기

• 라이선스 속의 2000만 달러: 가중치일 감사 — MiniMax M3.1 Flash — 이 시트 퍼스트 판독이 확장하는 자매 감사: 가중치가 먼저 상륙한 릴리스에서 다섯 항목 방법을 실행한 것
• 추론 경제학: 상시 가동 프로덕션 에이전트가 이제 저렴해진 이유 — Kimi의 공표 캐시 티어를 워크로드 결정으로 바꾸는 작업당 비용 프레임
• $0.017 에이전트: DeepSeek 1017 스냅샷은 가격을 내리지 않고 작업 비용을 깎았다 — Kimi $0.20 옆에 나란히 놓인 또 하나의 캐시 경제 행: 에이전트의 유효 비용은 가격표가 아니라 히트 점유율이 정한다

대표적인 구축 사례

400인 규모의 B2B 소프트웨어 회사가 코드 리뷰와 문서 감사 에이전트 함대를 운영합니다 — 지난주 자사의 MCP 프런트 레포지터리와 ERP 통합 위에서 혼합 모델 풀로 약 12,000개의 에이전트 작업을 과금하며 실행했습니다. 이 릴리스 시트는 이번 주 두 워크로드를 움직입니다: Terminal-Bench 4.0 프록시가 K3.1 Pro(도구 부착 65.7 등급)로 보내는 장주기 코딩 작업 — 반복 접두사 트래픽이 $0.20 캐시 입력 요율과 기본 5분 캐시 TTL에 맞아떨어지기 때문입니다. 그리고 동일하게 K3.1 Pro로 향하는 회계 문서 감사 런(OfficeQA류 워크로드 프록시 경로) — 팀 자체 토큰 비용 검토 후 추론 에포트를 기본 max 대신 high로 고정합니다. 1시간 캐시 쓰기 티어는 산술 후 기각되었습니다 — 입력 가격의 두 배에서는 세션을 유지하는 것보다 재계산하는 것이 싸기 때문입니다. 11월 4일 플랫폼 팀은 모든 셀프호스팅 계획 전에 다섯 항목 감사를 실행합니다: 라이선스 파일 먼저, 그다음 파라미터, 포맷과 레시피, 벤더 시트 대비 하니스 차이, 그리고 캘리브레이션 — 서빙이 벤더 API로 계속되는 동안에도 고정된 checkpoint를 지킵니다.

범위를 정한 구축을 요청합니다. 1주일 디스커버리. 시스템 목록, 워크플로우 지도, 확정 범위를 드립니다 — 우리와 만들지 여부는 상관없습니다.