먼저 결론부터 말씀드리면 다음과 같습니다.Kimi K3.1 Pro는 Moonshot(Kimi)이 2026년 10월 23일 발표한 플래그십 MoE 모델입니다. 공식 가격은 100만 tokens당 입력 $2, 출력 $10(고속 버전 $4/$20)이고, 컨텍스트는 1,048,576 tokens, 총 파라미터는 약 2.8T, 활성 파라미터는 약 104B입니다. Artificial Analysis 지능 지수는 약 55로, Opus 5.5, Sonnet 5.5, Muse Wonder Full 다음 순위입니다. Terminal-Bench 4.0은 서드파티 측정에서 약 67%였고, 공식 자체 평가(Claude Code harness)는 65.7%입니다.
이 글의 수치는 2026-10-24 기준이며, Kimi 공식 발표 블로그,플랫폼 가격표,빠른 시작, 그리고 Artificial Analysis 게시글,OpenRouter 모델 페이지를 근거로 했습니다. 서드파티 순위는 바뀔 수 있으니 원본 페이지를 기준으로 확인하시기 바랍니다. 서드파티 평가가 더 나오면 이 글을 업데이트하겠습니다.
K3.1 Pro란
공식 설명 요점:
- 2026년 10월 23일 정식 발표, 차세대 Kimi 플래그십으로 포지셔닝
- 총 약 2.8T, 활성 약 104B의 MoE
- 컨텍스트 1M, 입력은 텍스트·이미지·비디오 지원, 출력은 텍스트
- 사고 모드 항상 켜짐,
reasoning_effort항목에 다음 값을 지정할 수 있습니다:low/high/max(기본값max) - 일반 버전
kimi-k3.1-pro및 고속 버전kimi-k3.1-pro-highspeed - 가중치는 2026년 11월 4일까지 공개하기로 약속했습니다(2026-10-24 기준 아직 공개되지 않음)
- API는 OpenAI 및 Anthropic 스타일과 호환되며, 엔드포인트는
https://api.moonshot.ai/v1
이전 세대 kimi-k3보다 공식 가격이 더 낮고(K3는 $3/$15), 장기 코딩, 오피스 QA 등 자체 평가 항목에서 더 높은 점수를 제시했습니다.
사양 한눈에 보기
| 항목 | 공식 설명 |
|---|---|
| 모델명(Moonshot API) | kimi-k3.1-pro / kimi-k3.1-pro-highspeed |
| 컨텍스트 | 1,048,576 tokens |
| 파라미터 | 총 약 2.8T / 활성 104B(MoE) |
| 입력 모달리티 | 텍스트, 이미지, 비디오 |
| 출력 | 텍스트 |
| 사고 | 항상 켜짐;reasoning_effort: low / high / max(기본값 max) |
| 프로토콜 | OpenAI 호환, Anthropic 호환 |
공식 가격
단위: 100만 tokens(MTok) 기준, 플랫폼 가격 페이지 확인일은 2026-10-24이며,컨텍스트 길이별 구간 요금은 없습니다.
| 모델 | 입력 | 출력 | Cache Write | Cache Hit |
|---|---|---|---|---|
| kimi-k3.1-pro | $2.00 | $10.00 | $2.00 | $0.20 |
| kimi-k3.1-pro-highspeed | $4.00 | $20.00 | $4.00 | $0.20 |
| kimi-k3(비교용) | $3.00 | $15.00 | $3.00 | $0.30 |
OpenRouter에서도 moonshotai/kimi-k3.1-pro을(를) 호출할 수 있으며, 정확한 가격은 해당 시점의 OpenRouter 페이지를 기준으로 합니다.
평가 벤치마크
공식 자체 평가(공식으로 표기)
Kimi 발표 블로그에서 가져온 수치이며, 공식 발표 기준으로 이해해야 합니다:
| 벤치마크 | K3.1 Pro(공식) | 비고 |
|---|---|---|
| Terminal-Bench 4.0 | 65.7% | Claude Code harness |
| Kimi Code Bench 3.0 Long-horizon | 61.2% | K3 55.95%와 비교 |
| BenchCAD(도구 사용) | 92.7% | 공식 자체 평가 |
| OfficeQA Pro v2 | 64.4 | 공식 자체 평가 |
| Hallu Bench Hard(claim-level) | 8.3% | K3 23.4%와 비교, 내부 스트레스 테스트 |
서드파티: Artificial Analysis / OpenRouter
| 지표 | 수치(2026-10-24 확인) | 출처 |
|---|---|---|
| Intelligence Index | 55(게시글) / 약 55.1(OpenRouter 임베드) | AA 게시글, OpenRouter |
| 대략적 순위 | AA 게시글에서는 약 4위로 언급, OpenRouter 임베드 당시에는 약 3/352위 | 순위는 바뀔 수 있음 |
| 비교 | Opus 5.5(58), Sonnet 5.5(56), Muse Wonder Full(56)보다 낮음 | AA 게시글 |
| Terminal-Bench 4.0 | 약 67% | AA, 공식 자체 평가 65.7%보다 높음 |
| GDPval-AA | 약 1,846 Elo, OpenRouter 표시는 약 67.3% | AA / OpenRouter |
| AutomationBench-AA | 약 73%(K3는 약 58%) | AA 게시글 |
| HLE | 약 52%(OpenRouter 약 52.5%) | AA / OpenRouter |
| AA-Omniscience Index | 약 30(정확도 약 51%, 환각 약 44%) | AA |
| 작업 1건당 비용 수준 | 약 $1.98–$2.11 | AA 게시글 |
수치를 볼 때 주의할 점: 공식 Terminal-Bench와 AA는 약 1.3%p 차이가 나는데, harness / 샘플링 차이에서 흔히 생기는 수준이므로 양쪽 수치를 모두 명시해 두면 됩니다. 지식 관련 환각은 AA-Omniscience에서 여전히 낮지 않으므로, 사실 질의응답에는 검증 단계를 추가하시길 권장합니다.
장단점과 적합한 시나리오
적합한 경우:
- 장문 컨텍스트 Agent / 다중 파일 코딩, 터미널 중심 작업(Terminal-Bench에서 두드러진 성능)
- 플래그십보다 저렴하면서 '실제로 일을 해내는' 모델이 필요한 경우(Opus 동급 대비 가격이 낮음)
- 이미 Moonshot / OpenRouter를 연동했고 OpenAI 또는 Anthropic 호환 프로토콜이 필요한 프로젝트
적합하지 않거나 주의할 점:
- 검증 없는 사실 질의응답(AA 환각률이 여전히 높은 편)
- 기본값
reasoning_effort=max은(는) 더 느리고 token 소모도 크므로, 간단한 작업에서는 직접 다음 값으로 낮추세요:low/high - 로컬 / 오픈 가중치 배포가 필요한 경우: 가중치를 11월 4일 이전에 공개하겠다고 약속했으나, 작성일 기준 아직 공개되지 않았습니다
연동 방법
Moonshot 공식 API
curl https://api.moonshot.ai/v1/chat/completions \
-H "Authorization: Bearer $MOONSHOT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3.1-pro",
"messages": [{"role": "user", "content": "你好"}],
"reasoning_effort": "high"
}'
고속 버전에서는 model 대신 kimi-k3.1-pro-highspeed을(를) 사용하세요. Anthropic 호환 엔드포인트도 사용할 수 있으며, 자세한 내용은 공식 빠른 시작을 참고하세요.
OpenRouter
모델 id:moonshotai/kimi-k3.1-pro.
AI Code With
2026-10-24 기준 사이트 카탈로그에 kimi-k2.6,kimi-k2.7-code,kimi-k3이(가) 등록되어 있으며,아직 kimi-k3.1-pro은(는) 등록되지 않았습니다. 등록되면 이곳에 모델 id와 호출 방법을 추가하겠습니다.
출처 확인
확인일:2026-10-24(Asia/Shanghai)
