מאת אסף ביטון
Moonshot AI השיקה את Kimi K3.1 Pro ב-23-24 באוקטובר 2026, במחיר API של $2 למיליון טוקנים בקלט ו-$10 למיליון טוקנים בפלט. הבדיקה העצמאית מחזקת את התמונה: נכון ל-26 באוקטובר, Artificial Analysis נותנת ל-Kimi K3.1 Pro ציון 55 ב-Intelligence Index שלה, מקום 4 מתוך 221 מודלים, מול 58 ל-Claude Opus 5.5 במאמץ מקסימלי. אבל לפני שאתם מעבירים אליו עומס עבודה, כדאי לבדוק ארבעה דברים: מבחני הביצועים הבולטים הם של Moonshot עצמה והורצו במאמץ מקסימלי, ה-API מקבע את פרמטרי הדגימה ומשאיר את מצב החשיבה פעיל תמיד, המשקלים הפתוחים שהובטחו עוד לא שוחררו, ו-Moonshot הפחיתה בכוונה את יכולות הסייבר של המודל.
Claude Opus 5.5 is the main comparison point on price, vendor benchmarks and the Artificial Analysis index
הכי מתאים ל: Knowledge workers doing deep document analysis and long-form writing, Developers who need precise instruction-following for complex multi-step tasks
DeepSeek-V4.1-Flash appears as a reference row in Moonshot's benchmark tables
הכי מתאים ל: Budget-conscious developers and indie builders, Students and researchers needing math/logic reasoning
מה Moonshot שחררה
ההכרזה הרשמית מציגה את K3.1 Pro כמודל הראשון בסדרת K3.1 החדשה, והמודל החזק ביותר של Moonshot עד היום מבין המודלים עם משקלים פתוחים בקבוצת "3T-class", עם חלון הקשר (context window, כמות הטקסט שהמודל מעבד בבקשה אחת) של מיליון טוקנים. אינדקס הבלוג של Moonshot מתארך את הפוסט ל-24 באוקטובר; The Next Web ו-SiliconANGLE סיקרו אותו ב-23 באוקטובר, לפי שעון ארה״ב.
הנתונים החשובים למי שעובד מול ה-API:
- גודל. Moonshot אומרת רק "3T-class". Artificial Analysis מציינת 2.8 טריליון פרמטרים.
- הקשר. תיעוד התמחור קובע שכל המודלים בסדרת K3 תומכים בחלון הקשר של 1,048,576 טוקנים.
- איפה הוא זמין. לפי Moonshot, המודל הושק ב-Kimi.ai, ב-Kimi Work, ב-Kimi Code וב-Kimi API.
- גרסת Highspeed. לצדו יוצא מודל נפרד, K3.1 Pro Highspeed, ולפי Moonshot הוא רץ "פי 2-3 ממהירות K3.1 Pro" (בתרגום).
- ארגונים. בהשקה הגישה כבויה כברירת מחדל; מנהלי Kimi Enterprise צריכים להפעיל אותה עבור הארגון.
- שמירת נתונים. הבלוג מציין Zero Data Retention (בלי שמירת נתונים) ללקוחות API, אבל לא נותן תנאים נוספים. אם ZDR הוא דרישה אצלכם, קבלו את התנאים בכתב לפני ששולחים נתוני ייצור.
כמה זה עולה ב-Kimi API
בהכרזה עצמה אין מחירים. עמוד התמחור של ה-API של Moonshot, כפי שנבדק ב-26 באוקטובר, מציג את תעריפי הבסיס האלה:
| מודל | קלט (למיליון טוקנים) | פלט (למיליון טוקנים) |
|---|---|---|
| kimi-k3.1-pro | $2.00 | $10.00 |
| kimi-k3.1-pro-highspeed | $4.00 | $20.00 |
| kimi-k3 (הדור הקודם) | $3.00 | $15.00 |
MTok אחד הוא מיליון טוקנים. בתעריפים האלה K3.1 Pro זול יותר מ-K3 גם בקלט וגם בפלט, ו-Highspeed עולה פי שניים מהמודל הרגיל בשניהם.
המטמון של ההקשר (context caching, שמירה של תחילית פרומפט שחוזרת על עצמה כדי שלא תעובד מחדש בכל בקשה) פועל אוטומטית, ויש לו שורות חיוב משלו:
- כתיבה למטמון מחויבת. מדריך ההתחלה המהירה של K3.1 Pro אומר שכאשר תחילית פרומפט מתאימה נכתבת למטמון, "כל כתיבה כרוכה בחיוב חד-פעמי" (בתרגום). עמוד התמחור מוסיף שבמודלי סדרת K3 כתיבות למטמון מחויבות בנפרד לפי ה-TTL.
- פגיעה במטמון מחויבת במחיר הקלט מהמטמון. על פגיעה (cache hit) אין חיוב כתיבה נוסף.
- ה-TTL הוא
5m(ברירת מחדל) או1h. TTL הוא משך הזמן שבו התחילית נשמרת במטמון. המדריך מציע להעביר אתprompt_cache_options.ttlולבחור1hכשהמרווח בין הבקשות שלכם ארוך מחמש דקות, כדי שמטמון שפג תוקפו לא ייכתב מחדש שוב ושוב.
מדריך המטמון של Moonshot מציג את הפירוק עבור kimi-k3, לא עבור K3.1 Pro: $3.00 למיליון טוקנים לקלט שלא נמצא במטמון (cache miss), $3.00 לכתיבה עם 5m, $6.00 לכתיבה עם 1h ו-$0.30 לפגיעה במטמון. לפי המדריך, הפרדת חיוב הכתיבה לא משנה את העלות הכוללת של בקשות קיימות. אלה מספרים של K3. אם העומס שלכם נשען על פרומפטים ארוכים במטמון, קחו את תעריפי הכתיבה והפגיעה של K3.1 Pro מעמוד התמחור העדכני לפני שאתם מתקצבים, במקום לגזור אותם מהתעריפים של K3.
להשוואה, Simon Willison מעמיד את המחיר הרגיל על "אותו מחיר כמו GPT-6.1 Sol וחצי ממחיר Claude Opus 5.5" (בתרגום). Artificial Analysis מציעה מספר מעשי יותר: הרצת המדד שלה על K3.1 Pro עלתה $2.11 למשימה, עם 150 מיליון טוקני פלט בהרצה המלאה. לדעתי זה בסיס השוואה שימושי: אם בעמוד של המודל הנוכחי שלכם ב-Artificial Analysis מופיעה עלות למשימה, השוו בין השתיים, ואחר כך אמתו על המשימות שלכם.
הציון העצמאי, לצד המתחרים
Artificial Analysis בדקה את גרסת ה-reasoning (הגרסה שחושבת לפני שהיא עונה). ב-26 באוקטובר עמוד המודל שלה נתן ל-K3.1 Pro ציון 55 ב-Intelligence Index, מקום 4 מתוך 221 מודלים. הדירוג בעמוד הזה זז כשנוספים מודלים, אז קראו אותו כתמונת מצב מתוארכת. אלה השורות הסמוכות בטבלת הדירוג שלה באותו יום, עם הגדרת המאמץ של כל מודל:
| מודל (הגדרה) | AA Intelligence Index |
|---|---|
| Claude Opus 5.5 (max with fallback) | 58 |
| Claude Sonnet 5.5 (max with fallback) | 56 |
| Claude Opus 5.5 (xhigh with fallback) | 56 |
| Muse Wonder Full (max) | 56 |
| Kimi K3.1 Pro (reasoning) | 55 |
| Claude Opus 5.5 (high with fallback) | 54 |
| Claude Fable 5.1 (max with fallback) | 53 |
| GPT-6 Astra (max) | 53 |
| Gemini 4 Argon (high) | 53 |
בתמונת המצב הזו K3.1 Pro נמוך בשלוש נקודות מ-Claude Opus 5.5 במאמץ מקסימלי, וגבוה בשתי נקודות מ-GPT-6 Astra במאמץ מקסימלי. אלה נקודות מדד תחת ההגדרות שבטבלה, לא הוכחה ששני מודלים עם ציונים דומים יצליחו באותה מידה בעבודת הקוד שלכם.
מה טוענים מבחני הביצועים של Moonshot עצמה
לטבלאות בהכרזה צריך להוסיף שתי הסתייגויות. Moonshot כותבת שאם לא צוין אחרת בטבלה, התוצאות של K3.1 Pro הורצו עם מאמץ חשיבה (reasoning effort) max, temperature = 1.0 ו-top-p = 0.95. וכפי ש-The Next Web מציין: "המספרים הם של Moonshot עצמה ולא נבדקו באופן עצמאי" (בתרגום).
| מבחן (לפי דיווח היצרנית) | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | 66.4% | 58.2% |
| BenchCAD, עם כלים | 92.7% | 96.2% | 95.9% |
| BenchCAD, בלי כלים | 72.8% | 73.0% | לא מופיע |
| Kimi Hallu Bench, בלי כלים (נמוך יותר עדיף) | 5.4% | 6.8% | 4.2% |
| Kimi Hallu Bench Hard, עם כלים (נמוך יותר עדיף) | 8.3% | 15.0% | 5.5% |
Moonshot מדווחת גם על שיפור לעומת K3. במבחן הפנימי שלה Kimi Code Bench 3.0 למשימות ארוכות טווח, K3.1 Pro מקבל 61.2% מול 55.95% ל-K3. לדברי Moonshot, שיעור ההזיות ברמת הטענה הבודדת במבחן הקשה שלה ירד מ-23.4% ב-K3 ל-8.3%. בפיננסים, Moonshot מדווחת על תוצאות state-of-the-art (הטובות ביותר הידועות) ב-OfficeQA Pro v2 (64.4), על ציון 58.6 ב-Frontier Finance, ועל ציונים פנימיים שבהם K3.1 Pro עוקף את K3 במידול פיננסי (57.6 מול 50.4), במחקר פיננסי (70.4 מול 58.8) ובתפעול עסקי (37 מול 8.9).
ההערכה שלי: טבלאות היצרנית מרמזות ש-K3.1 Pro נמצא בערך ברמה של Opus 5.5 ב-Terminal-Bench, ושהוא שדרוג ברור לעומת K3. ציונים כאלה הם לא שיעור הצלחה שאפשר לצפות לו במשימות שלכם. המדד העצמאי מסכים שהוא שייך לצמרת, כמה נקודות אחרי Opus 5.5 במאמץ מקסימלי. מכיוון שמספרי היצרנית הופקו במאמץ מקסימלי, הגדירו את ה-API ל-max בהשוואה שלכם, אחרת תמדדו תצורה אחרת.
מגבלות API שכדאי לבדוק לפני מעבר
מדריך ההתחלה המהירה של K3.1 Pro כולל את הפרטים שהכי סביר שישפיעו על אינטגרציה קיימת:
- מצב החשיבה פעיל תמיד. אי אפשר לכבות את מצב החשיבה; אפשר רק לכוון כמה המודל מתאמץ, דרך השדה
reasoning_effortברמה העליונה של הבקשה. אין מצב בלי חשיבה לקריאות פשוטות. - רמות המאמץ הן low, high ו-max. התיעוד מציין
low,highו-max, עםmaxכברירת מחדל. הפוסט של Simon Willison מציין רמה בשם "medium"; לכו לפי התיעוד. אם לא מגדירים את השדה, כל בקשה רצה ב-max. - הדגימה מקובעת. התיעוד מקבע
temperature=1.0,top_p=0.95,n=1,presence_penalty=0ו-frequency_penalty=0, ומבקש להשמיט את השדות האלה מהבקשות. אם הצנרת שלכם נשענת על temperature 0 כדי לקבל חילוץ נתונים או סיווג עקביים, אין דרך להגדיר את זה כאן. - אורך הפלט.
max_completion_tokensמוגדר כברירת מחדל ל-131,072 ואפשר להעלות אותו עד 1,048,576. - החיפוש ברשת לא מוכן לייצור. Moonshot כותבת שהחיפוש ברשת נמצא בעדכון ו"לא מומלץ לתהליכי ייצור בטווח הקרוב" (בתרגום). תהליכי סוכנים שתלויים בחיפוש המובנה צריכים לחכות, או להביא כלי חיפוש משלהם.
המשקלים הפתוחים הם בינתיים הבטחה
בהכרזה כתוב: "המשקלים המלאים של המודל ישוחררו עד 4 בנובמבר 2026" (בתרגום). נכון ל-26 באוקטובר, הארגון moonshotai ב-Hugging Face מציג את Kimi-K3 אבל לא מאגר של K3.1 Pro, ו-Artificial Analysis מסמנת כרגע את המודל "Proprietary model" (מודל קנייני). SiliconANGLE מדווח שבהשקה הוא זמין דרך שירותי הענן בתשלום של Moonshot. ההכרזה לא מציינת רישיון למשקלים שעוד יגיעו.
אם אירוח עצמי או רישיון מסוים הם הסיבה שהמודל מעניין אתכם, חכו לכרטיס המודל ולרישיון לפני שאתם מתכננים סביבו.
יכולת סייבר מופחתת, בכוונה
לקראת שחרור המשקלים הפתוחים, Moonshot אומרת שהסירה נתונים הקשורים לסייבר משני שלבי האימון, ושמרה על משימות התכנות הכלליות. התוצאות שלה עצמה ב-xdev-bench-hard (במדד pass@3, הצלחה בתוך שלושה ניסיונות; ציון גבוה יותר פירושו יכולת סייבר התקפית גבוהה יותר) מראות את ההשפעה: 81.0 ל-Kimi K3.1 Pro, מול 90.5 לגרסת Kimi בלי הפחתת הסיכון הזו, ו-33.3 ל-K3. SiliconANGLE מדווח שבמבחני סייבר K3.1 Pro "מפגר משמעותית אחרי הציונים של Astra ו-Opus 5.5" (בתרגום).
אלה ציוני מבחנים, והם לא אומרים איך המודל יתפקד במשימת אבטחה מסוימת. אם אתם עוסקים במחקר אבטחה מורשה או בבדיקות חדירה בעזרת מודל, התייחסו לציוני הסייבר הנמוכים יותר כסיבה לבדוק את K3.1 Pro על המשימות שלכם לפני שאתם סומכים עליו.
מהירות
ב-26 באוקטובר Artificial Analysis מדדה 49.7 טוקני פלט בשנייה למודל הרגיל, מקום 165 מתוך 182 מודלים, כך שלפי המדידה הזו הוא איטי. Highspeed עולה פי שניים תמורת האצה של פי 2-3, שהיא טענה של Moonshot, אז בדקו אותו על המסלול הרגיש לזמן תגובה שלכם לפני שאתם משלמים את התוספת.
למי כדאי לנסות אותו
לא בדקתי את K3.1 Pro בעצמי, ולכן ההמלצה הזו נשענת על המספרים והתיעוד שפורסמו, שמפורטים למעלה.
- שווה ניסיון: עומסי קוד סוכני ועבודה בטרמינל, שבהם אתם משלמים היום על Opus 5.5 או על GPT-6 Astra והעלות חשובה. המדד העצמאי מציב את K3.1 Pro בטווח של שלוש נקודות מ-Opus 5.5 במאמץ מקסימלי, ו-Simon Willison מתאר את המחיר כחצי מזה של Opus 5.5. הריצו הערכה משלכם עם
reasoning_effortב-max ואחר כך ב-high, והשוו עלות לכל משימה שהושלמה, לא לטוקן. - צוותי פיננסים ושאלות ותשובות על מסמכים: תוצאות הפיננסים של Moonshot הן מבחני יצרנית, וכמה מהם פנימיים. התייחסו אליהן כסיבה לבדוק, לא כתוצאה.
- כדאי לחכות אם אתם צריכים פלט דטרמיניסטי ב-temperature 0, מצב בלי חשיבה, פלט מהיר מהמודל הרגיל, חיפוש ברשת שמוכן לייצור, או משקלים משוחררים עם רישיון ידוע.
אם עבדתם עם הדור הקודם, ההשוואה בין Kimi K2.5 ל-Claude מפרטת איפה מודל ה-Kimi הזול יותר החזיק מעמד ואיפה לא. לצד של OpenAI בהשוואה הזו, ראו מה השתנה ב-GPT-6 Astra. הטבלאות של Moonshot משתמשות גם ב-DeepSeek-V4.1-Flash כשורת ייחוס; עמוד DeepSeek מכסה את משפחת המודלים הזו. אני ממליץ לבדוק את עמוד ה-Hugging Face של Moonshot אחרי 4 בנובמבר, לפני שאתם מתכננים אירוח עצמי.
