Kimi K3.1 Pro: Context 1 Juta Token dan Bobot Terbuka November

Moonshot AI merilis Kimi K3.1 Pro pada 23 Oktober 2026 sebagai model pertama di seri K3.1, dengan context window 1 juta token dan status open-weight kelas 3T. Bobot penuhnya dijadwalkan tersedia paling lambat 4 November 2026, sementara versi Highspeed menawarkan kecepatan 2 sampai 3 kali lebih tinggi. Pada Artificial Analysis Intelligence Index, model ini mencatat skor 55 dan ditempatkan pada garis Pareto untuk kombinasi kecerdasan dan biaya.

TL;DR

• Kimi K3.1 Pro membawa context window 1 juta token dan termasuk model open-weight kelas 3T.
• Bobot penuh dijadwalkan rilis paling lambat 4 November 2026, jadi akses API lebih dulu tersedia.
• Varian Highspeed mengejar kecepatan 2 sampai 3 kali lipat, bukan kualitas jawaban yang lebih tinggi.
• Skor 55 pada Intelligence Index menempatkannya di garis Pareto, artinya kualitasnya sebanding dengan biaya yang dikeluarkan.
• Peningkatan terbesar diklaim pada coding, pembuatan 3D, riset keuangan, dan kemampuan agentic.

Apa yang membedakan Kimi K3.1 Pro dari K3?

K3.1 Pro adalah versi hasil post-training lanjutan dari K3 dengan komputasi post-training yang jauh lebih besar. Arsitektur dasarnya tidak diganti, yang ditambah adalah proses pelatihan setelah pre-training, termasuk reinforcement learning bersama di ratusan domain downstream.

Moonshot menyebut pendekatan itu sebagai large-scale joint RL, yaitu pelatihan yang menjalankan banyak domain sekaligus alih-alih satu per satu. Tujuannya menghindari model yang bagus di satu tugas tapi merosot di tugas lain ketika dioptimalkan secara terpisah. Klaim peningkatan mencakup coding, pembuatan 3D, riset keuangan, dan kemampuan agentic, yang semuanya bergantung pada kemampuan mengikuti instruksi panjang serta memakai alat secara berurutan.

Yang perlu dicatat, semua angka peningkatan itu berasal dari pihak yang merilis model. Belum ada evaluasi independen yang diterbitkan untuk seluruh klaim tersebut. Satu angka yang bisa diperiksa dari pihak ketiga adalah skor Intelligence Index 55 dari Artificial Analysis, dan itulah yang dipakai di artikel ini sebagai pembanding.

Untuk tim yang selama ini memakai model open-weight kelas 30B sampai 100B, lompatan ke kelas 3T bukan sekadar ganti endpoint. Kebutuhan memori dan biaya inferensi berubah drastis, dan keputusan memakainya harus dihitung dengan beban kerja nyata, bukan dengan benchmark umum.

Seberapa besar context 1 juta token dalam praktik?

Satu juta token kira-kira setara 700 sampai 800 ribu kata bahasa Inggris, atau sekitar 1.500 sampai 2.000 halaman dokumen teknis. Untuk bahasa Indonesia, jumlah kata per token umumnya lebih boros, sehingga kapasitas efektifnya lebih kecil dari angka itu.

Context besar berguna untuk tugas yang memang butuh seluruh dokumen sekaligus, misalnya audit kode satu repositori, analisis kontrak panjang, atau membaca kumpulan log dalam satu sesi. Namun ada dua hal yang sering dilupakan. Pertama, biaya per permintaan naik seiring panjang konteks, karena token input dihitung. Kedua, kualitas perhatian model tidak selalu linear terhadap panjang konteks, sehingga menaruh seluruh isi repositori belum tentu lebih baik daripada memilih bagian yang relevan.

Praktik yang lebih hemat adalah memakai context besar untuk tugas yang jarang, dan retrieval untuk tugas yang sering. Menaruh 500 ribu token pada setiap permintaan membuat biaya membengkak tanpa jaminan jawaban lebih akurat. Sebaliknya, untuk tugas yang butuh penalaran lintas bagian dokumen, memotong konteks justru merusak hasil karena model kehilangan hubungan antar bagian.

Angka 1 juta token juga perlu diuji sendiri. Banyak model mengalami penurunan akurasi di bagian tengah konteks yang sangat panjang, dan pola itu hanya terlihat kalau diuji dengan dokumen yang posisi jawabannya divariasikan. Sebelum memakai context penuh di produksi, uji dulu dengan dokumen yang panjangnya mirip dan pertanyaan yang jawabannya sengaja ditaruh di awal, tengah, dan akhir.

Kapan memilih K3.1 Pro dan kapan memilih Highspeed?

Pilih Pro untuk tugas yang menuntut penalaran panjang, dan Highspeed untuk interaksi yang menuntut respons cepat. Keduanya memakai model dasar yang sama, perbedaannya ada pada kecepatan penyajian, bukan pada kualitas jawaban yang lebih tinggi.

Aspek	Kimi K3.1 Pro	Kimi K3.1 Pro Highspeed
Fokus	Kualitas penalaran	Latensi rendah
Kecepatan	Baseline	2 sampai 3 kali lebih cepat
Context window	1 juta token	1 juta token
Cocok untuk	Analisis dokumen, agentic task panjang	Chat interaktif, autocomplete, tool call beruntun
Status bobot	Rilis paling lambat 4 November 2026	Rilis paling lambat 4 November 2026

Untuk aplikasi chat yang dipakai banyak orang, Highspeed lebih masuk akal karena waktu tunggu pengguna adalah biaya terbesar. Untuk pipeline yang berjalan di latar belakang, misalnya analisis laporan atau review kode, kecepatan kurang penting dibanding kualitas dan konsistensi keluaran. Mencampur keduanya dalam satu produk juga wajar: Highspeed untuk percakapan, Pro untuk tugas yang dijalankan setelah pengguna menekan tombol analisis.

Apakah open-weight berarti bisa dijalankan sendiri?

Secara lisensi dan ketersediaan, ya, tapi secara praktis belum tentu. Model kelas 3T parameter menuntut infrastruktur yang jauh di luar jangkauan satu server, sehingga kebanyakan tim tetap akan memakai API meskipun bobotnya tersedia.

Bobot yang dijadwalkan rilis paling lambat 4 November 2026 berguna untuk tiga hal: audit perilaku model, fine-tuning untuk domain tertentu, dan menjalankan inferensi di lingkungan yang tidak boleh mengirim data ke pihak ketiga. Ketiganya membutuhkan kapasitas GPU yang serius, dan biaya menyiapkannya sering lebih besar daripada biaya memakai API untuk beban kerja kecil.

Yang perlu diperiksa sebelum mengandalkan rilis bobot adalah lisensinya. Istilah open-weight tidak otomatis berarti lisensi permisif. Beberapa model open-weight membatasi penggunaan komersial di atas skala tertentu, atau mewajibkan atribusi pada produk turunan. Untuk tim yang berencana membangun produk di atas model ini, lisensi adalah hal pertama yang harus dibaca, bukan benchmark.

Selain itu, rilis bobot dan rilis API tidak selalu identik. Versi yang dilayani lewat API bisa berbeda dari versi yang nanti dipublikasikan, terutama pada tahap awal. Kalau hasil pengujian menjadi dasar keputusan arsitektur, catat versi API yang dipakai dan ulangi pengujian setelah bobot rilis.

Bagaimana angka 55 di Intelligence Index sebaiknya dibaca?

Angka itu adalah hasil pengukuran independen yang menempatkan model pada garis Pareto, artinya kualitasnya sebanding dengan biaya yang diperlukan untuk mencapainya. Skor 55 bukan nilai absolut kecerdasan, melainkan posisi relatif terhadap model lain yang diuji dengan rangkaian tugas yang sama.

Artificial Analysis juga mencatat sisi lain yang penting: model ini sangat verbose. Saat menjalani pengujian index, model menghasilkan sekitar 150 juta token. Jumlah token yang besar berarti biaya keluaran lebih tinggi dan waktu tunggu lebih panjang, terutama pada tugas yang sebenarnya tidak butuh penjelasan panjang.

Karena itu, skor tinggi tidak otomatis berarti lebih murah untuk kasus tertentu. Model yang lebih ringkas bisa menang pada tugas pendek meskipun skornya lebih rendah. Cara paling jujur menilai adalah mengukur biaya per tugas yang berhasil, bukan biaya per juta token, karena model verbose bisa memakai dua sampai tiga kali lebih banyak token untuk hasil yang setara.

Detail lengkap metodologi dan posisi model di garis Pareto tersedia di halaman Artificial Analysis untuk Kimi K3.1 Pro, sementara pengumuman resmi beserta rincian varian ada di blog resmi Moonshot AI. Untuk akses API dan batas pemakaian, rujukannya adalah dokumentasi platform Moonshot.

Bagaimana cara menguji model ini untuk beban kerja sendiri?

Uji dengan tiga set tugas yang mewakili pekerjaan nyata, bukan dengan benchmark umum. Yang dicari bukan skor tertinggi, tapi biaya per tugas yang berhasil dan tingkat koreksi manual yang dibutuhkan.

Set pertama, tugas pendek yang sering diulang, misalnya klasifikasi tiket atau ekstraksi field dari dokumen. Di sini yang diukur adalah latensi dan jumlah token keluaran. Model verbose akan terlihat jelas boros pada set ini, dan itu alasan yang sah untuk tidak memakainya meskipun skor benchmark-nya tinggi.

Set kedua, tugas panjang yang butuh konteks besar, misalnya membaca satu repositori atau kumpulan dokumen kebijakan. Ukur akurasi jawaban ketika informasi kunci diletakkan di posisi berbeda di dalam konteks. Kalau akurasi turun drastis saat informasi ada di tengah, context 1 juta token tidak banyak membantu untuk kasus tersebut.

Set ketiga, tugas agentic berurutan yang memakai alat, misalnya mengambil data lalu menuliskannya ke berkas. Di sini yang dinilai adalah konsistensi mengikuti instruksi dan kemampuan pulih setelah satu langkah gagal. Kemampuan ini yang paling sering menentukan apakah model layak dipakai di pipeline otomatis, dan paling jarang tercermin di benchmark.

Untuk tiap set, catat empat angka: biaya per tugas, waktu sampai selesai, persentase hasil yang diterima tanpa koreksi, dan jumlah token rata-rata. Empat angka itu yang bisa dibandingkan dengan model yang sedang dipakai sekarang. Tanpa baseline seperti ini, keputusan pindah model hanya berdasarkan kesan, dan kesan mudah menipu ketika model baru terasa lebih meyakinkan karena jawabannya lebih panjang.

FAQ

Apakah Kimi K3.1 Pro gratis?

Tidak ada pernyataan resmi bahwa model ini gratis. Akses tersedia lewat Kimi.ai, Kimi Work, Kimi Code, dan API, dan biaya pemakaian mengikuti ketentuan platform yang bersangkutan. Periksa halaman harga resmi sebelum memakai untuk beban kerja produksi.

Berapa ukuran parameter Kimi K3.1 Pro?

Moonshot menyebutnya sebagai model open-weight kelas 3T, tanpa merinci angka parameter per komponen. Angka pastinya baru bisa dipastikan setelah bobot dipublikasikan dan kartu modelnya dirilis.

Apakah context 1 juta token bisa dipakai penuh di API?

Klaim context window tidak selalu sama dengan batas praktis pada setiap jalur akses. Batas token input dan output bisa berbeda antara antarmuka web, API, dan produk turunan, jadi periksa batas yang berlaku pada endpoint yang dipakai.

Apakah model ini cocok untuk bahasa Indonesia?

Belum ada pengukuran publik khusus untuk bahasa Indonesia pada rilis ini. Klaim resmi menyebut peningkatan pada coding, 3D, riset keuangan, dan kemampuan agentic, tanpa merinci performa per bahasa. Uji dengan data sendiri sebelum memakainya untuk produksi berbahasa Indonesia.