Kimi는 2026년 10월 24일 베이징 시간 01:15에 공식 X 계정 을 통해 Kimi K3.1 Pro를 발표했으며, K3.1 Pro Highspeed도 함께 선보였습니다. 결론부터 말하면 다음과 같습니다.
- K3.1 Pro는 K3를 기반으로 후속 학습(post-training) 연산량을 늘려 만든 버전입니다. 총 파라미터 2.8T, 활성 파라미터 104B(MoE)이며, 1M Token 컨텍스트와 멀티모달을 지원합니다.
- Highspeed 버전은 공식 발표 기준으로 K3.1 Pro보다 2~3배 빠릅니다.
- 공식 API 모델 ID는
kimi-k3.1-pro및kimi-k3.1-pro-highspeed입니다. - 본 사이트(aicodewith)에서 현재 지원하는 모델은
kimi-k3입니다. K3.1 Pro는 아직 제공되지 않습니다. 아래 Claude Code 가이드와 실측은 모두kimi-k3로 진행했으며, K3.1 Pro가 제공되면 모델 ID만 바꾸면 됩니다.
발표 핵심 요약
아래 내용은 모두 Kimi 기술 블로그 와 공식 게시글에서 가져왔습니다.
| 항목 | 공식 설명 |
|---|---|
| 발표 시각 | 베이징 시간 10월 24일 01:15(게시글 기준) |
| 포지셔닝 | 원문: "our most capable 3T-class open-weight model to date" |
| 파라미터 | 원문: "2.8T total / 104B active params (MoE), Multimodal" |
| 컨텍스트 | 원문: "a 1-million-token context window" |
| Highspeed | 원문: "delivers 2-3× the speed of K3.1 Pro" |
| 제공 채널 | 원문: "available today on Kimi.ai, Kimi Work, Kimi Code, and the Kimi API" |
| 오픈 웨이트 | 원문: "Full model weights will be released by Nov 4, 2026." |
| API 모델 ID | 원문: "select kimi-k3.1-pro / kimi-k3.1-pro-highspeed" |
엔터프라이즈 안내: 공식 문서에 따르면 Kimi Enterprise 관리자가 조직에서 K3.1 Pro를 수동으로 활성화해야 하며, 원문은 "access is off by default at launch"입니다.
공식 자체 보고 벤치마크 점수
아래 점수는 모두 Kimi 공식 블로그가 자체 보고한 수치입니다. K3.1 Pro의 코딩 관련 성적은 Claude Code harness에서 추론 강도를 max로 두고 측정했습니다.
| 벤치마크 | K3.1 Pro | 비교 |
|---|---|---|
| Terminal-Bench 4.0 | 65.7% | GPT-6 Astra 58.2%, Claude Opus 5.5 66.4% |
| Kimi Code Bench 3.0 Long-horizon(Kimi 내부 벤치마크) | 61.2% | K3 55.95% |
| BenchCAD(도구 사용) | 92.7% | Claude Opus 5.5 96.2%, GPT-6 Astra 95.9% |
K3.1 Pro와 K3는 무엇이 다른가
| 비교 항목 | Kimi K3 | Kimi K3.1 Pro |
|---|---|---|
| 관계 | 기반 모델 | 공식 원문: "a post-trained version of Kimi K3, with substantially larger post-training compute" |
| API 모델 ID | kimi-k3 | kimi-k3.1-pro / kimi-k3.1-pro-highspeed |
| Kimi Code Bench 3.0 Long-horizon(공식 자체 보고) | 55.95% | 61.2% |
| 환각률(Kimi Hallu Bench Hard, 공식 자체 보고, claim 단위) | 23.4% | 8.3% |
| 본 사이트(aicodewith)에서 사용 가능 여부 | 사용 가능, 본 사이트 Key로 연동 확인 완료 | 아직 출시되지 않음 |
환각률 데이터에 대한 공식 설명은 다음과 같습니다. 오류가 나기 쉬운 시나리오를 일부러 구성한 스트레스 테스트이며, "The reported rates do not represent overall error rates in daily use."라고 밝혔습니다.
Codex 사용자의 K3 연동 방법은 Kimi K3를 Codex에 연동하기를 참고하세요. 이 글에서는 Claude Code만 다룹니다.
Claude Code 연동 단계
1. 본 사이트에서 API Key 만들기
가입하고 로그인한 뒤 콘솔에서 API Key를 만듭니다. 사용 가능한 모델은 모델 목록 을 기준으로 합니다.
2. 전역 settings.json에 작성하기
다음 파일을 엽니다: ~/.claude/settings.json(Windows는 %USERPROFILE%\.claude\settings.json) 이 파일의 env 안에 base URL, Key, 모델 이름을 작성합니다. 주의할 점은 ANTHROPIC_BASE_URL 끝에는추가하지 않는다는 것입니다: /v1.
본 사이트에서 현재 사용할 수 있는 설정입니다(모델은 kimi-k3):
{
"env": {
"ANTHROPIC_BASE_URL": "https://api.aicodewith.ai",
"ANTHROPIC_AUTH_TOKEN": "<你的 API Key>",
"ANTHROPIC_MODEL": "kimi-k3",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3",
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3",
"CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3"
}
}
K3.1 Pro 설정은 모델 이름만 공식 모델 ID kimi-k3.1-pro(Highspeed는 kimi-k3.1-pro-highspeed)로 바꾸면 됩니다. 모델 ID 출처는 Kimi 기술 블로그 의 원문 "select kimi-k3.1-pro / kimi-k3.1-pro-highspeed"입니다.
"ANTHROPIC_MODEL": "kimi-k3.1-pro"
K3.1 Pro 업데이트 예정: 본 사이트에는 아직 K3.1 Pro가 출시되지 않았습니다. 이때 사용하는 모델이 kimi-k3.1-pro 일 경우 아래 「model not found」 절의 오류가 반환됩니다. 출시되면 이곳에 실측 결과를 업데이트하겠습니다.3. /model로 전환하기
Claude Code를 실행한 뒤 /model 명령으로 모델을 전환할 수 있습니다. 위 설정은 Sonnet, Opus, Haiku, 서브에이전트의 기본 모델을 모두 kimi-k3로 지정했습니다. 이렇게 하면 모델을 전환한 뒤나 Claude Code가 서브에이전트를 시작할 때도 본 사이트에 없는 모델로 넘어가지 않습니다.
4. 연동 확인하기
Claude Code를 시작하면 다음과 같은 메시지가 표시됩니다.
Claude Code doesn't recognize the model "kimi-k3", so it assumes a context window of 200k tokens.
이는 Claude 모델이 아닌 모델 ID에 대해 Claude Code가 보여주는 안내이며, 호출에는 영향이 없습니다. 확인할 때는 작은 작업을 하나 맡기고 반환 내용을 살펴보면 됩니다.
실측: Claude Code에서 kimi-k3로 함수를 작성하고 테스트 실행하기
이번 실측에 사용한 모델은 kimi-k3이며, K3.1 Pro가 아닙니다. 테스트 시점은 베이징 시간 10월 24일 새벽이고, Claude Code 버전은 2.1.309, 설정은 위의 settings.json과 같습니다.
작업: 빈 디렉터리에서 Python으로 slugify(s)를 작성합니다(소문자 변환, 공백과 밑줄은 하이픈으로 변환, 그 외 문자 제거, 연속 하이픈 병합, 앞뒤 하이픈 제거). 이어서 unittest 테스트를 작성하고 실행합니다.
결과:
- 소요 시간은 약 72초, 총 5턴이었고, 응답에 표시된 모델은
kimi-k3입니다. - 생성된 파일은
slugify.py및test_slugify.py이며, 테스트는 총 8개 케이스입니다. 로컬에서 다시 실행한 결과는Ran 8 tests ... OK입니다.
생성된 핵심 코드는 다음과 같습니다.
def slugify(s):
s = s.lower()
s = re.sub(r"[\s_]", "-", s)
s = re.sub(r"[^a-z0-9-]", "", s)
s = re.sub(r"-{2,}", "-", s)
return s.strip("-")
K3.1 Pro와 Highspeed 중 무엇을 선택할까
공식 문서에서 밝힌 두 모델의 차이는 속도 하나뿐입니다. Highspeed는 "delivers 2-3× the speed of K3.1 Pro for more responsive interactions"라고 소개되어 있습니다. 두 모델의 성능 차이 여부는 공식적으로 언급되지 않았으므로, 다음과 같이 선택하시면 됩니다.
- 대화형 코드 수정, 잦은 질의응답: Highspeed를 먼저 사용해 보세요. 대기 시간이 더 짧습니다.
- 긴 작업, 여러 파일에 걸친 리팩터링, 무인으로 오래 실행하는 작업: K3.1 Pro를 사용하되, 직접 수행하는 작업에서 두 모델의 결과를 비교한 뒤 결정하세요.
가격은 Kimi 공식 가격 페이지 또는 본 사이트의 모델 목록 에 당일 표시된 내용을 기준으로 확인하시기 바랍니다.
자주 발생하는 오류
401: 유효하지 않은 Key
먼저 ANTHROPIC_AUTH_TOKEN 가 빠짐없이 붙여넣어졌는지, 불필요한 공백이 없는지, 같은 이름의 환경 변수가 settings.json을 덮어쓰고 있지는 않은지 확인합니다. 수정한 뒤에는 Claude Code를 다시 시작해야 합니다.
429: 요청이 너무 잦음
대개 짧은 시간에 요청이 너무 많이 몰렸을 때 발생합니다. 잠시 기다렸다가 다시 시도하거나, 병렬 작업과 서브 에이전트 수를 줄여 보세요.
model not found: 모델이 존재하지 않음
본 사이트의 Key로 아직 출시되지 않은 모델을 요청하면 Claude Code에서 실제로 다음과 같이 출력됩니다.
API Error: 400 {"error":"模型 kimi-k3.1-pro 不存在或未上线，请前往 https://aicodewith.ai/zh/dashboard/pricing 查看可用模型列表 (request_id: ...)"}
이 경우 모델 이름을 다시 kimi-k3(으)로 바꾸고, ANTHROPIC_DEFAULT_*_MODEL 와 CLAUDE_CODE_SUBAGENT_MODEL 도 사용 가능한 모델로 지정되어 있는지 확인합니다.
자주 묻는 질문
Kimi K3.1 Pro의 API 모델 ID는 무엇인가요?
공식적으로 안내된 값은 kimi-k3.1-pro 및 kimi-k3.1-pro-highspeed입니다.
지금 이 사이트에서 K3.1 Pro를 사용할 수 있나요?
아직은 사용할 수 없습니다. 이 사이트는 현재 kimi-k3를 지원하며, K3.1 Pro가 출시되면 이 글을 업데이트하겠습니다.
base URL에 /v1을 붙여야 하나요?
Claude Code의 ANTHROPIC_BASE_URL 에는 https://api.aicodewith.ai를 쓰고, /v1는 붙이지 않습니다.
시작할 때 "doesn't recognize the model" 메시지가 뜨는데 괜찮을까요?
호출에는 영향이 없습니다. Claude Code가 Claude가 아닌 모델 ID에 대해 표시하는 안내 메시지입니다.
K3.1 Pro의 오픈 웨이트는 언제 공개되나요?
공식 원문은 다음과 같습니다. "Full model weights will be released by Nov 4, 2026."
Codex에서 Kimi를 연동하려면 어떻게 하나요?
다음 글을 참고하세요. Kimi K3를 Codex에 연동하기입니다.
