Moonshot AI가 오픈 웨이트 모델 Kimi K3.1 Pro를 Hugging Face에 공개했다. 텍스트와 이미지를 함께 다루는 멀티모달 에이전트 모델로, 컨텍스트 길이는 1048576 토큰이다. 회사는 이 모델을 지금까지 내놓은 3T급 모델 중 가장 성능이 높다고 소개했다.
API는 Moonshot AI 개발자 플랫폼(platform.kimi.ai)에서 모델명 kimi-k3.1-pro를 선택해 쓴다. OpenAI와 Anthropic 방식 호환 API를 제공한다. 모델은 Kimi K3.1 Pro License로 배포된다. 회사는 요금을 밝히지 않았다.
Kimi K3에서 달라진 점
Kimi K3.1 Pro는 Kimi K3를 바탕으로 수백 개 하위 영역에서 대규모 강화 학습을 함께 진행해 후속 학습한 모델이며 K3.1 시리즈의 첫 모델이다. Moonshot AI는 코딩, 3D 제작, 금융 리서치, 사실 정확도 등 에이전트 능력이 크게 나아졌다고 밝혔다.
구조에서는 Kimi K3의 전체 어텐션 층인 Gated MLA를 Gated DeepSeek Sparse Attention(Gated DSA)으로 바꿨다. 긴 문맥을 더 효율적으로 처리하기 위한 변경이라고 회사는 설명했다. 전체 93개 층 가운데 69개가 KDA, 24개가 Gated DSA다.
규모와 구성
| 항목 | 값 |
|---|---|
| 구조 | 전문가 혼합(MoE) |
| 전체 파라미터 | 2.8T |
| 활성 파라미터 | 104B |
| 전문가 수 | 896개(토큰당 16개 선택, 공유 2개) |
| 어휘 크기 | 160K |
| 활성화 함수 | SiTU-GLU |
| 비전 인코더 | MoonViT-V2(401M) |
| 양자화 | MXFP4 가중치 / MXFP8 활성화(양자화 인식 학습) |
| 입력 | 텍스트, 이미지 |
추천 추론 엔진은 vLLM, SGLang, TokenSpeed다.
사용 방법
사고 강도는 최상위 reasoning_effort 필드로 정하며 low, high, max를 지원하고 기본값은 max다. 여러 턴 대화나 도구 호출에서는 API가 돌려준 assistant 메시지를 reasoning_content와 tool_calls까지 그대로 messages에 다시 넣어야 한다.
회사가 공개한 성능
아래 수치는 Moonshot AI가 모델 카드에 실은 자체 평가다. 별도 표기가 없으면 Kimi K3.1 Pro 결과는 reasoning effort max, 온도 1.0, top-p 0.95 조건이다. 비교 대상은 Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5, DeepSeek-V4.1-Flash-1017, GLM-5.3이다.
| 벤치마크 | Kimi K3.1 Pro | Claude Fable 5.1 | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 65.7 | 57.9 | 58.2 | 66.4 |
| SWE Marathon v1.1 | 51.7 | 45.6 | 42.5 | 46.3 |
| DeepSWE v1.1 | 75.5 | 67.4 | 74.1 | 74.2 |
| HLE-Full w/ tools | 70.0 | 65.6 | 57.2 | 67.7 |
| BrowseComp | 92.1 | 미보고 | 91.5 | 90.8 |
| GPQA-Diamond | 94.2 | 93.7 | 96.1 | 93.9 |
| OfficeQA Pro v2 | 64.4 | 54.5 | 54.4 | 62.2 |
| OSWorld V2.1 | 79.6 | 80.7 | 75.8 | 81.8 |
| Program Bench | 31.5 | 53.5 | 50.0 | 65.0 |
| HLE-Full | 51.1 | 57.6 | 53.6 | 59.8 |
Kimi K3.1 Pro는 Terminal-Bench 4.0, DeepSWE, SWE Marathon을 Claude Code 하네스로 평가했고, 비교 점수는 각 사 보고서와 리더보드에서 가져왔다. 위 표에서 Kimi K3.1 Pro는 SWE Marathon과 HLE-Full w/ tools에서 세 비교 모델보다 높았다. BrowseComp에서는 Claude Fable 5.1 점수가 보고되지 않았고, GPT-6 Astra와 Claude Opus 5.5보다 높았다. Program Bench와 HLE-Full에서는 세 모델보다 낮았다.
환각 수치는 낮을수록 좋다. 내부 Kimi Hallu Bench(도구 없음)에서 Kimi K3.1 Pro는 5.4, Claude Fable 5.1은 11.4, GPT-6 Astra는 4.2, Claude Opus 5.5는 6.8이었다. 도구를 쓰는 Hard 버전에서는 Kimi K3.1 Pro가 8.3, Claude Fable 5.1이 23.3, GPT-6 Astra가 5.5, Claude Opus 5.5가 15.0이었다. 이 벤치마크는 실무 질문을 익명화한 내부 집합이고 팩트체크 에이전트가 주장 단위로 판정했다.
사이버 보안 항목에서는 ExploitBench 74.7, ExploitGym 20.7이었고, 비교 모델은 GPT-6 Astra가 각각 100과 42.4, Claude Opus 5.5가 91.0과 34.5였다. Claude Fable 5.1은 83.0과 30.4였다. 비교 점수는 OpenAI, Anthropic, GLM 쪽이 낸 공식 보고서에서 가져왔고, xdev-bench-hard 같은 일부 항목은 Moonshot AI 내부 벤치마크다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.
- moonshotai/Kimi-K3.1-Pro 새 저장소/공개 관측(Hugging Face) huggingface.co