Kimi K2.5 đến K3.1 Pro: Kiểm thử 8 model API trên một nhiệm vụ doanh nghiệp
Tôi cần chọn một model Kimi cho dự án công việc liên quan đến đánh giá code, trích xuất thông tin hợp đồng và xác thực yêu cầu. Vấn đề rất đơn giản: Moonshot AI đã ra mắt K2.5, K2.6, K2.7 Code, K2.8 Preview, K3 và giờ là K3.1 Pro, mỗi model còn có phiên bản high-speed. Danh sách trên cổng API của tôi có tám ID. Tôi không biết model nào sẽ trả về kết quả có thể phân tích được ngay lần đầu.
Ngày 10 tháng 11 năm 2026, tôi gửi cùng một nhiệm vụ ba phần cho cả tám model qua một endpoint API. Ba model trả về JSON đầy đủ: kimi-k2.7-code-highspeed trong 8,48 giây, kimi-k2.7-code trong 36,53 giây, và kimi-k2.5 trong 32,26 giây. Model flagship hiện tại kimi-k3.1-pro bị hết thởi gian chờ 180 giây. Bài viết này dành cho developer đang cần đưa ra lựa chọn tương tự và muốn biết chuyện gì đã xảy ra trước khi họ đầu tư thờI gian tích hợp của riêng mình.
Nếu bạn đang tìm kiếm bài stress test triệu token, đánh giá đa phương thức, hoặc hướng dẫn triển khai local, bài viết này không phải là nội dung đó. Tôi chỉ dùng đầu vào text, một lần chạy cho mỗi model, với giới hạn 5.000 token đầu ra.
Bảng chọn nhanh
| Nhu cầu của tôi | Model nên thử trước | Kết quả lần này | Điều cần kiểm tra tiếp theo |
|---|---|---|---|
| Đầu ra có cấu trúc nhanh với đủ ba phần nhiệm vụ | kimi-k2.7-code-highspeed |
JSON đầy đủ trong 8,48 giây | Vòng đờI route có phù hợp dự án không |
| Đánh giá yêu cầu chi tiết nhất | kimi-k2.7-code |
JSON đầy đủ trong 36,53 giây, liệt kê tám câu hỏi mở | Lộ trình migration |
| Baseline đa năng vững chắc | kimi-k2.5 |
JSON đầy đủ trong 32,26 giây | Trạng thái nghỉ hưu chính thức trước khi dùng lâu dài |
| Code và hợp đồng với phần yêu cầu ngắn hơn | kimi-k2.8-preview |
Phần output hữu ích, sau đó JSON bị cắt ngang | Chia nhỏ nhiệm vụ và tăng ngân sách đầu ra |
| Đánh giá dài một lần | kimi-k3, kimi-k3.1-pro-highspeed, kimi-k2.6 |
Chạm giới hạn đầu ra, content rỗng |
Chia thành các giai đoạn ngắn hơn |
| Kiểm tra flagship hiện tại | kimi-k3.1-pro |
Hết thởi gian chờ 180 giây | Test ngắn và kiểm tra timeout lại |
Cột vòng đờI rất quan trọng. Nền tảng chính thức của Kimi liệt kê K2.5 đã nghỉ hưu, K2.6 và K2.7 Code đóng cửa cho ngườI dùng mới, với kế hoạch nghỉ hưu hoàn toàn vào cuối tháng 12 năm 2026. Thấy một ID cũ trong danh mục API tổng hợp không làm dài thêm vòng đờI chính thức của nó.
Tại sao K3.1 Pro khác với K3
Moonshot AI phát hành K3.1 Pro vào ngày 23 tháng 10 năm 2026, là phiên bản nâng cấp post-training của K3. Nhóm đã tăng quy mô reinforcement-learning trên coding, tạo mô hình 3D, nghiên cứu tài chính và tác vụ agent đa bước. Tổng tham số vẫn là 2,8 nghìn tỷ; thay đổi có ý nghĩa nằm ở quá trình training, không phải kích thước foundation model lớn hơn.
Còn có một quyết định bảo mật cố ý trong bản release open-weight. Moonshot đã loại bỏ một số dữ liệu an ninh mạng khỏi giai đoạn mid-training và RL. Trên bộ đánh giá nội bộ xdev-bench-hard, checkpoint chưa lọc đạt 90,5%, còn model phát hành đạt 81,0%. Đây là sự đánh đổi năng lực được công bố, không phải lỗi.
Repository Hugging Face chính thức moonshotai/Kimi-K3.1-Pro hiện đã liệt kê weights và giấy phép Kimi K3.1 Pro License. Các bài viết cũ nói "license đang chờ" đã lỗi thờI. Tôi đã kiểm tra model card nhưng không tải weights hay triển khai model.
Dòng thởi gian phiên bản Kimi
| Thởi điểm | Phiên bản hoặc thay đổi | Tại sao quan trọng cho tích hợp |
|---|---|---|
| Tháng 1/2026 | K2.5 lên API chính thức | Đã nghỉ hưu trên nền tảng chính thức |
| Tháng 4/2026 | K2.6 lên API chính thức | Đóng cửa cho ngườI dùng đăng ký mới |
| Tháng 6/2026 | K2.7 Code và Highspeed ra mắt | Đóng cửa ngườI dùng mới; nghỉ hưu cuối tháng 12/2026 |
| Tháng 7/2026 | K3 lên API chính thức | Flagship trước đó, context một triệu token |
| 11/09/2026 | K2.8 Preview triển khai đầy đủ trong Kimi Code | ID client-side là kimi-for-coding |
| 23/10/2026 | K3.1 Pro và Highspeed ra mắt | Flagship hiện tại |
| 10/11/2026 | Weights và license công khai trên Hugging Face | Không còn là lờI hứa tương lai |
Thông số đã xác minh nhưng chưa kiểm thử toàn bộ
| Hạng mục | Thông số chính thức |
|---|---|
| Kiến trúc | Mixture of Experts |
| Tổng tham số | 2,8 nghìn tỷ |
| Tham số kích hoạt mỗi token | 104 tỷ |
| Số layer | 93 |
| Số expert | 896, chọn 16 mỗi token |
| Context | 1.048.576 token |
| Phương thức (model card) | Text và image; API docs cũng có video input |
| Reasoning | Luôn bật, với ba mức low, high, max |
| Quantization | MXFP4 weights, MXFP8 activations |
| ID API chính thức | kimi-k3.1-pro, kimi-k3.1-pro-highspeed |
Tôi không test context triệu token, đầu vào image/video, hay triển khai local. Bảng thông số không phải bằng chứng rằng các workload đó đã thành công ở đây.
Benchmark chính thức vs. điểm giao hàng của tôi
Các con số công bố của Moonshot cho ngữ cảnh, nhưng không dự đoán liệu một route API cụ thể có trả về câu trả lờI đầy đủ trong giới hạn timeout và token của bạn hay không.
| Benchmark | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra | DeepSeek V4.1 Flash |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 65,7% | 66,4% | 58,2% | 42,3% |
| SWE-Marathon v1.1 | 51,7% | 46,3% | 42,5% | 40,0% |
| BenchCAD with tools | 92,7% | 96,2% | 95,9% | 81,6% |
| OfficeQA Pro v2 | 64,4 | 62,2 | 54,4 | 40,4 |
| DeepSWE v1.1 | 75,5% | 74,2% | 74,1% | 77,0% |
Moonshot cũng báo cáo rằng hallucination ở cấp claim trong bài stress test nội bộ giảm từ 23,4% ở K3 xuống 8,3% ở K3.1 Pro. Công ty nói rõ đây là kết quả trên mẫu khó, không phải ước tính tỷ lệ lỗi hàng ngày.
The Decoder dẫn số liệu Artificial Analysis: K3.1 Pro đạt 55 điểm Intelligence Index, cao hơn K3 11 điểm và đứng thứ tư tại thởi điểm đó. Đây là snapshot, không phải xếp hạng vĩnh viễn.
Giá API chính thức tôi đã kiểm tra
Đây là giá theo Nhân dân tệ (RMB) trên mỗi triệu token tại nền tảng mở chính thức của Kimi, kiểm tra ngày 10/11/2026. Không phải giá nền tảng tổng hợp và cũng không phải hóa đơn test của tôi.
| Model API chính thức | Input | Output | Cache hit |
|---|---|---|---|
kimi-k3.1-pro |
¥13 | ¥68 | ¥1,30 |
kimi-k3.1-pro-highspeed |
¥26 | ¥136 | ¥1,30 |
kimi-k3 |
¥20 | ¥100 | ¥2,00 |
kimi-k2.7-code |
¥6,50 | ¥27 | ¥1,30 |
kimi-k2.7-code-highspeed |
¥13 | ¥54 | ¥2,60 |
kimi-k2.6 |
¥6,50 | ¥27 | ¥1,10 |
Giá list của K3.1 Pro thấp hơn K3 khoảng một phần ba, nhưng tổng chi phí vẫn phụ thuộc vào reasoning output, cache, retry và tool calls. Batch API cho K3.1 Pro và K3 là 60% giá tiêu chuẩn.
Kimi Code là membership riêng biệt. Plus bắt đầu từ ¥99/tháng, Pro ¥199/tháng, Max ¥699/tháng, Ultra ¥1.399/tháng. Thanh toán năm giảm giá tháng hiệu dụng. Go không có Kimi Code allowance; Plus là điểm vào, Pro cần thiết cho Highspeed và tier context 1M cao nhất. Membership và API nền tảng mở không trộn lẫn.
Cách tôi chạy test
Tôi dùng request Chat Completions non-streaming với max_tokens=5000, không đặt temperature, một lần chạy cho mỗi model, timeout 180 giây. Nhiệm vụ có ba phần:
- Phân tích lỗi code: Hàm discount JavaScript ghi đè discount rate không đúng do thứ tự mảng.
- Trích xuất trường hợp đồng: Lấy loại tài liệu, ngày, tổng tiền, các bên, điều khoản thanh toán và bảo hành từ hợp đồng mua hàng tổng hợp.
- Xác thực yêu cầu: Xác định xung đột và câu hỏi mở trong spec import batch qua đêm có xung đột.
Trọng số chấm điểm: phân tích code 30%, trích xuất tài liệu 25%, đánh giá yêu cầu 25%, độ tin cậy định dạng/gọi API 20%. Điểm 0 nghĩa là không có giao hàng đánh giá được trong điều kiện này, không phải năng lực tổng thể bằng 0.
Các lờI gọi đi qua API tổng hợp tương thích OpenAI với Base URL https://api.crazyrouter.com/v1. Danh mục model Crazyrouter hữu ích để kiểm tra ID hiện tại; nếu bạn muốn chạy so sánh cùng prompt trước khi tích hợp vào pipeline của mình, môi trường so sánh là nơi tiện lợi để bắt đầu.
Kết quả tám model
| ID model API trong danh mục test | Điểm | Xếp hạng | Tôi nhận được gì |
|---|---|---|---|
kimi-k2.7-code |
4,9/5 | ★★★★★ | JSON đầy đủ; lỗi code, trường hợp đồng và yêu cầu đều được bao phủ |
kimi-k3 |
0,0/5 | ★☆☆☆☆ | HTTP 200, chạm giới hạn đầu ra, không có giao hàng hoàn chỉnh |
kimi-k2.8-preview |
3,6/5 | ★★★☆☆ | Code và hợp đồng đã trả về, sau đó JSON bị cắt ngang |
kimi-k2.5 |
4,7/5 | ★★★★★ | JSON đầy đủ với kết quả khả dụng cho cả ba nhiệm vụ |
kimi-k3.1-pro |
0,0/5 | ★☆☆☆☆ | Hết thởi gian chờ trước khi tạo nội dung đánh giá được |
kimi-k3.1-pro-highspeed |
0,0/5 | ★☆☆☆☆ | Chạm giới hạn đầu ra, không có JSON hoàn chỉnh |
kimi-k2.6 |
0,0/5 | ★☆☆☆☆ | Chạm giới hạn đầu ra, không có JSON hoàn chỉnh |
kimi-k2.7-code-highspeed |
4,9/5 | ★★★★★ | JSON đầy đủ và thởI gian phản hồI ngắn nhất |
Bảy model trả về HTTP 200. Chỉ ba model tạo JSON đầy đủ. Đó là bài học tôi sẽ đưa vào checklist tích hợp: status code xanh không có nghĩa là parser downstream có dữ liệu để xử lý.
Ba câu trả lờI đầy đủ trông như thế nào
kimi-k2.7-code-highspeed tìm thấy lỗi thứ tự mảng và cung cấp bốn loại regression: tiers không có thứ tự, ngưỡng chính xác, không có tier phù hợp, và rules không hợp lệ. Nó giữ tổng hợp đồng ¥186.500 riêng biệt với tiền ứng ¥55.950 và số dư ¥130.550. Nó cũng phát hiện xung đột record trùng lặp và đánh dấu cửa sổ xử lý khoảng một giờ giữa 23:00 và nửa đêm. Tất cả trong 8,48 giây.
kimi-k2.7-code chậm hơn với 36,53 giây nhưng đi sâu hơn về yêu cầu. Nó xác định vấn đề idempotency giữa chạy lại record thất bại và ngăn thanh toán trùng lặp, sau đó liệt kê tám câu hỏi mở. Tôi sẽ giữ nó cho đánh giá lần hai.
kimi-k2.5 chính xác trên code và trường hợp đồng nhưng chỉ xác định một xung đột và ba câu hỏi mở. Nó dùng 4.930 token đầu ra, gần giới hạn 5.000. Với nhiệm vụ này, response dài hơn không tạo ra phân tích sâu hơn.
Năm model còn lại gặp vấn đề gì
kimi-k2.8-preview trả về code và hợp đồng có thể đánh giá, sau đó dừng giữa chừng phần yêu cầu. Điểm 3,6 phản ánh partial work hữu ích với object cuối chưa hoàn chỉnh. Tôi sẽ chia nhỏ nhiệm vụ và test lại thay vì vứt bỏ phần đúng.
kimi-k3, kimi-k3.1-pro-highspeed và kimi-k2.6 đều chạm giới hạn 5.000 token đầu ra với content rỗng. kimi-k3.1-pro đơn giản là hết thởi gian chờ.
Đây không phải phán quyết "chất lượng model". Đây là kết quả giao hàng dưới một request shape cụ thể. Thay đổi độ dài prompt, chia nhỏ nhiệm vụ, hoặc điều chỉnh ngân sách đầu ra có thể thay đổi kết quả. Điều quan trọng cho tích hợp là bạn kiểm tra content, finish_reason và JSON parsing trước khi coi HTTP 200 là thành công.
Chọn giữa Kimi và các lựa chọn khác
Nếu workload chính của bạn là programming agent dài context, tạo mô hình 3D, tài liệu tài chính hoặc agent đa bước, K3.1 Pro xứng đáng nằm trong danh sách ứng viên. Điểm Terminal-Bench và OfficeQA Pro v2 cao hơn DeepSeek V4.1 Flash, nhưng DeepSWE thấp hơn một chút. Không có kẻ thắng toàn diện.
Nếu bạn đang dùng Claude Opus 5.5, sức hấp dẫn của K3.1 Pro nằm ở open weights, context một triệu token và giá API chính thức. BenchCAD vẫn nghiêng về Opus 5.5.
Nếu bạn chỉ quan tâm đến profile giao hàng ba nhiệm vụ cụ thể này, kimi-k2.7-code-highspeed là kết quả đầy đủ nhanh nhất. Nhưng K2.7 Code đang trong giai đoạn migration, nên dự án mới dài hạn nên xác minh tính khả dụng của route trước khi cam kết.
Câu hỏi thường gặp
Điểm 0 cho K3.1 Pro có nghĩa là flagship bị hỏng không?
Không. Có nghĩa là request đơn lẻ này không tạo nội dung đánh giá được trong 180 giây. Thông số chính thức, benchmark công khai và một lần chạy API trả lờI các câu hỏi khác nhau.
K3.1 Pro có thể tắt reasoning không?
Không. API docs chính thức nói reasoning luôn bật. Bạn có thể giảm mức effort; không thể tắt hoàn toàn.
Membership Kimi Code và API nền tảng mở có phải cùng một hóa đơn không?
Không. Kimi Code chia sẻ subscription allowance với membership Kimi. Nền tảng mở tính theo token. Hai bên không trộn lẫn.
Tôi có thể dùng trực tiếp các model ID từ bài test này trong Kimi Code không?
Không nên copy ngay. Kimi Code liệt kê k3.1-pro, k3.1-pro-highspeed, k3, k3-256k, kimi-for-coding, kimi-for-coding-highspeed. Client ID và route ID API tổng hợp là hai namespace riêng biệt.
Tôi nên thử model nào trước trong production?
Với profile nhiệm vụ chính xác này, kimi-k2.7-code-highspeed. Với dự án mới dài hạn, tôi sẽ xác minh vòng đờI route và chạy lại test ngắn với K3.1 Pro trước khi ghi bất kỳ điều gì vào config production.
Nguồn
- Kimi K3.1 Pro technical blog: nền tảng phát triển, benchmark và quyết định bảo mật.
- Danh sách model Kimi, changelog và giá API: vòng đờI và kiểm tra giá.
- Kimi K3.1 Pro trên Hugging Face: weights, model card và license.
- Cấu hình model Kimi Code và quy tắc membership: client ID và yêu cầu gói.
- Báo cáo ngày ra mắt của The Decoder: quan sát Artificial Analysis bên ngoài.
All rights reserved
