Kimi K3.1 Pro en Felo API: Capacidades, Benchmarks, Precios y Configuración

Una guía detallada de Kimi K3.1 Pro en Felo API: su contexto de 1M tokens, entrada visual, resultados en programación y finanzas, precios y configuración de la API.

Kimi K3.1 Pro ya está disponible a través de Felo API. Si lo consideras para un agente de programación, un flujo de trabajo visual o investigación sobre un gran conjunto de documentos, esta guía cubre los detalles que necesitas antes de escribir tu primera integración: qué cambió respecto a K3, qué muestran realmente las evaluaciones publicadas, qué entradas admite Felo y cómo elegir entre sus dos rutas de proveedor.

El ID público del modelo Felo es kimi-k3.1-pro. Puedes inspeccionarlo en el catálogo de modelos de Felo y probarlo en el Playground.

Kimi K3.1 Pro de un vistazo

Detalle	Qué está disponible ahora
Modelo	Primer buque insignia de la serie K3.1 de Moonshot AI, una versión post-entrenada de Kimi K3
ID de modelo Felo	kimi-k3.1-pro
Ventana de contexto	1,048,576 tokens (alrededor de 1 millón)
Entrada	Texto, imágenes y video
Salida	Texto; puede escribir código para un flujo de trabajo 3D, pero la llamada al modelo no devuelve directamente un recurso 3D ni un video generado
Razonamiento	Habilitado por defecto; Felo enumera los niveles de esfuerzo max, high, low y none, con max como predeterminado
Protocolo Felo recomendado	Messages, en POST https://openapi.felo.ai/api/v1/messages
Rutas de proveedor en Felo	Moonshot AI MXFP4 y Moonshot AI Highspeed

Estos son los campos en la lista actual de modelos de Felo. Una ventana de contexto grande es un límite de capacidad, no una promesa de que cada hecho en un prompt de un millón de tokens será recordado sin error. Para trabajo en producción, prueba la longitud, el formato de entrada y la configuración de razonamiento que realmente planeas usar.

¿Qué cambió respecto a Kimi K3?

Moonshot describe K3.1 Pro como una versión post-entrenada de K3, con mucho más cómputo de post-entrenamiento y aprendizaje por refuerzo en muchas tareas posteriores. Esa distinción importa. La afirmación pública trata sobre mejoras en tareas de programación, agentes, visuales y de trabajo con conocimiento; no es una afirmación de que K3.1 tenga una arquitectura base recién publicada. La página del modelo K3.1 Pro en Felo resume el modelo y su ruta de API soportada.

K3 es un modelo mixture-of-experts de 2.8 billones de parámetros, clase 3T. Su diseño publicado usa Kimi Delta Attention y Attention Residuals, con comprensión visual nativa y una ventana de contexto de un millón de tokens. Como K3.1 Pro se construye sobre K3, esto sirve como contexto arquitectónico; Moonshot aún no ha publicado los pesos completos de K3.1 ni una especificación arquitectónica separada. Explora la arquitectura y especificaciones de K3 en Felo.

El cambio práctico está en lo que el modelo puede llevar a término. Moonshot reporta mejoras en programación de largo alcance, modelado 3D, investigación financiera y precisión factual en su prueba de estrés. K3.1 Pro también tiene una opción de servicio Highspeed que, según Moonshot, ofrece aproximadamente 2–3 veces la velocidad de la versión regular con la misma capacidad de modelo. La ruta más rápida tiene un precio por token más alto, detallado más abajo.

El precio de entrada publicado también cambió. Felo lista K3 a $3 por millón de tokens de entrada y $15 por millón de tokens de salida. La ruta MXFP4 de K3.1 Pro figura en $2 y $10 respectivamente. Eso hace que la ruta de menor precio del modelo nuevo cueste un tercio menos por token de entrada o salida sin caché a las tarifas actuales. Compara los canales y la latencia exactos que planeas usar antes de considerar esto como un ahorro total de carga de trabajo.

Dónde el modelo es más fuerte

Programación de largo alcance y agentes

K3.1 Pro está diseñado para trabajar más allá de un solo fragmento de código. Los ejemplos de Moonshot incluyen desarrollo multiarchivo, depuración, construcción de front-end, trabajo en motores de juego y tareas asistidas por herramientas que requieren inspección y revisión repetidas. Su propio resultado en Kimi Code Bench 3.0 Long-horizon subió de 55.95% para K3 a 61.2% para K3.1 Pro. En Terminal-Bench 4.0, K3.1 Pro obtuvo 65.7% en la evaluación publicada por Moonshot.
Para un equipo de ingeniería, la pregunta útil es si puede modificar un repositorio sin perder el hilo: leer los archivos correctos, proponer un parche, ejecutar las comprobaciones relevantes y recuperarse cuando una prueba falla. Dale un issue representativo y califica el diff final y los resultados de las pruebas. Un plan pulido por sí solo no indica que la tarea esté terminada.

Imágenes, video y trabajo 3D

La ruta Felo acepta entrada de texto, imagen y video y devuelve texto. Eso hace que K3.1 Pro sea relevante para tareas como explicar una captura de pantalla, comparar fotogramas, razonar sobre una referencia visual o escribir código y scripts para una cadena de modelado 3D. No convierte el endpoint del modelo en un generador de imágenes, videos o archivos 3D. Para producir un recurso, conecta la salida del modelo a tus propias herramientas o a un flujo de generación adecuado.

Moonshot reporta 92.7% en BenchCAD con herramientas, una prueba de reconstrucción de objetos 3D a partir de múltiples vistas renderizadas mediante código CAD generado. Su conjunto de ejemplos publicado también incluye scripting en Blender y CAD, escenas interactivas en Three.js y trabajo en Unity, Unreal Engine y Godot. Esos ejemplos muestran el tipo de trabajo a evaluar; no implican que cada herramienta esté incluida con una simple solicitud a la API.

Investigación y modelado financiero

Moonshot reporta 64.4 en OfficeQA Pro v2, que evalúa análisis sobre documentos financieros, incluyendo recuperación, comprobaciones entre documentos y razonamiento numérico. En evaluaciones internas de Moonshot, K3.1 Pro obtuvo 70.4 frente a 58.8 para K3 en investigación financiera y 57.6 frente a 50.4 en modelado financiero. Son puntuaciones específicas de tareas, no retornos de inversión ni medidas de precisión en cada pregunta financiera.

Esto encaja bien para probar con un corpus controlado: informes anuales, presentaciones, materiales de resultados y una pregunta que requiera que el modelo cite pasajes exactos y muestre cálculos. Mantén los documentos fuente y la aritmética disponibles para revisión. En un flujo de trabajo que toma decisiones financieras, la verificación independiente sigue siendo necesaria.

Documentos largos e investigación en varios pasos

La ventana de un millón de tokens permite que una aplicación envíe mucho más material que una solicitud de chat corta típica: código, transcripciones, informes, imágenes e historial de conversación pueden compartir el mismo contexto. El modelo también puede participar en flujos de trabajo de agentes en varios pasos mediante llamadas a herramientas. Pero la capacidad de contexto y el comportamiento de agente son cosas separadas. Un prompt largo aún necesita una tarea clara, un mapa de documentos y una forma de comprobar la respuesta; un agente aún necesita que el desarrollador proporcione herramientas y gestione sus resultados.

Para investigación, pide al modelo que identifique primero la fuente relevante, luego que responda con referencias de página o sección y una lista separada de puntos inciertos. Esa estructura facilita detectar errores frente a un resumen largo y fluido.

Moonshot y Felo también describen orquestación multiagente que puede escalar a cientos de subagentes en paralelo. Esa es una capacidad de sistema de agentes construida alrededor del modelo, no algo que una sola respuesta de API crea por sí sola. Un desarrollador aún debe coordinar trabajadores, herramientas, presupuestos y la revisión final. Consulta la descripción del modelo en Felo.

Cómo leer los números de los benchmarks

El anuncio de Moonshot contiene muchas evaluaciones. La siguiente selección cubre tipos de trabajo distintos sin tratar pruebas diferentes como un solo ranking.

Evaluación	K3.1 Pro	Comparación reportada por Moonshot	Qué evalúa
Terminal-Bench 4.0	65.7%	Claude Opus 5.5: 66.4%; GPT-6 Astra: 58.2%	Agentes de programación en tareas de terminal con pruebas específicas
Kimi Code Bench 3.0 Long-horizon	61.2%	K3: 55.95%	Benchmark interno de programación en varios pasos de Moonshot
BenchCAD, con herramientas	92.7%	Claude Opus 5.5: 96.2%; GPT-6 Astra: 95.9%	Generación de código CAD a partir de renderizados multivista
Investigación financiera, interna	70.4	K3: 58.8	Investigación financiera basada en evidencia
Modelado financiero, interno	57.6	K3: 50.4	Fórmulas de hojas de cálculo, lógica financiera y calidad del modelo final
Kimi Hallu Bench Hard	8.3% tasa de alucinación a nivel de afirmación	K3: 23.4%; menor es mejor	Prueba de estrés de precisión factual deliberadamente difícil

Todos los valores provienen del anuncio técnico de K3.1 Pro de Moonshot AI, no de evaluaciones realizadas por Felo. Salvo que se indique lo contrario, Moonshot reporta los resultados de K3.1 Pro con esfuerzo de razonamiento max, temperatura 1.0 y top-p 0.95. El entorno varía según el benchmark, y algunas comparaciones usan resultados publicados por otros proveedores. En particular, Kimi Code Bench y las dos puntuaciones de finanzas anteriores son evaluaciones internas. Úsalas para elegir pruebas para tu propia carga de trabajo, no para asumir la misma tasa de éxito en producción. Felo también reproduce una selección de estos resultados en su página de modelo.

La cifra de alucinación requiere una advertencia propia. 8.3% es la tasa a nivel de afirmación en Kimi Hallu Bench Hard, una prueba de estrés diseñada para exponer errores. Moonshot dice explícitamente que no es la tasa de error diaria del modelo. Es evidencia de mejora sobre K3 en esa prueba, no una razón para omitir la verificación de fuentes.

Precios y elección de proveedor en Felo API

Felo lista dos canales ejecutables de Moonshot AI para kimi-k3.1-pro. Estas son las tarifas publicadas por un millón de tokens, en dólares estadounidenses:

Canal Felo	Entrada	Salida	Lectura de caché
moonshotai-mxfp4	$2	$10	$0.20
moonshotai-highspeed	$4	$20	$0.20

La página de modelo en vivo es la fuente de las tarifas de Felo. Highspeed figura como canal predeterminado en el catálogo de Felo. Si tu presupuesto u objetivo de latencia depende de una ruta específica, envía X-Felo-Channel explícitamente en lugar de asumir qué proveedor usará una solicitud. La guía de enrutamiento de proveedores de Felo explica la cabecera y su comportamiento de respaldo.

Por ejemplo, una solicitud con 200,000 tokens de entrada sin caché y 8,000 tokens de salida costaría unos $0.48 en MXFP4 (0.2 × $2 + 0.008 × $10) o $0.96 en Highspeed (0.2 × $4 + 0.008 × $20). Si 100,000 tokens de entrada califican para la tarifa de lectura de caché publicada, esa parte cuesta $0.02 en cualquier canal. Un acierto de caché no está garantizado; depende del servicio upstream y de tu solicitud. La guía de precios de Felo explica cómo se calculan los cargos por tokens y caché.

Estas son estimaciones para tokens de modelo. Consulta las tarifas actuales, los registros de uso y cualquier otra herramienta facturable antes de usar los números en un presupuesto de producción. Felo API utiliza créditos de servicio prepagados; no se requiere suscripción para el uso de la API. Lee la guía de facturación.

Comienza a usar Kimi K3.1 Pro en Felo

1. Crea una clave de API de Felo y añade créditos de servicio si tu cuenta los necesita.
2. Prueba un prompt en el Playground. Usa material similar al que enviará tu aplicación.
3. Lleva el prompt a tu cliente usando el ID público del modelo. El endpoint Messages es el protocolo recomendado en la página del modelo de Felo.

La siguiente solicitud fija el canal MXFP4 de menor precio, así la elección de precio queda explícita:

export FELO_API_KEY="YOUR_API_KEY"

curl https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Felo-Channel: moonshotai-mxfp4" \
  -d '{
    "model": "kimi-k3.1-pro",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Review this TypeScript refactor plan. Identify missing tests, risky changes, and the first file you would inspect."
      }
    ]
  }'

Para seleccionar la ruta más rápida, cambia esa cabecera a X-Felo-Channel: moonshotai-highspeed. Para dejar que Felo elija, omite la cabecera. Felo acepta la misma cabecera de enrutamiento en sus endpoints de Chat Completions, Responses y Messages. Un canal seleccionado explícitamente no cambia automáticamente a otro proveedor; tu aplicación debe reintentar con un canal diferente si eso es lo que deseas. Consulta la documentación de enrutamiento de Felo.

SDKs, streaming, herramientas y razonamiento

Felo ofrece tres superficies compatibles para llamar al modelo. Usa la que tu aplicación ya maneja:

Estilo de cliente	Endpoint	URL base SDK
OpenAI Chat Completions	/api/v1/chat/completions	https://openapi.felo.ai/api/v1
OpenAI Responses	/api/v1/responses	https://openapi.felo.ai/api/v1
Anthropic Messages	/api/v1/messages	https://openapi.felo.ai/api

Para SDKs compatibles con Anthropic, la URL base termina en /api; el SDK añade /v1/messages. El protocolo Messages requiere max_tokens. Añade "stream": true para recibir eventos enviados por el servidor y espera el evento de finalización del protocolo en lugar de tratar una conexión caída como respuesta terminada. La guía de protocolos de Felo cubre las formas de solicitud y el comportamiento de streaming.

Estas son opciones de protocolo a nivel de plataforma. Confirma que la combinación de parámetros y modalidad que necesitas funciona en la ruta K3.1 Pro antes de migrar una integración existente.

Felo enumera tools, tool_choice, parámetros de salida estructurada y controles de razonamiento para este modelo. Los valores de esfuerzo de razonamiento soportados son max, high, low y none, con max como predeterminado. El soporte de modelo y protocolo puede variar, así que prueba la combinación exacta de parámetros que tu cliente necesita antes de depender de ella. Los resultados de benchmarks publicados usan en su mayoría max; reducir el esfuerzo es un experimento de calidad y costo, no una forma de reproducir esas puntuaciones. Consulta las capacidades actuales del modelo.

Si tu flujo de trabajo necesita datos web recientes, una calculadora, un shell de repositorio o un programa CAD, proporciona y opera esas herramientas en tu aplicación. Llamar a kimi-k3.1-pro solo no ejecuta herramientas externas ni verifica afirmaciones citadas.

Un plan de evaluación práctico

K3.1 Pro es lo bastante amplio como para que una prueba genérica de "¿Cuál modelo es mejor?" aporte poco. Tres pruebas pequeñas dan evidencia más útil:

1. Programación: Dale un issue real y el contexto relevante del repositorio. Exige un parche, pruebas y una breve explicación de cualquier riesgo restante. Registra si las pruebas pasan y cuántos turnos de herramienta toma.
2. Visual o 3D: Proporciona una imagen de referencia o varias vistas y pide un plan de modelado o script. Haz que una persona o un renderizador compruebe dimensiones y geometría en lugar de juzgar solo el texto.
3. Investigación: Proporciona un conjunto fijo de documentos y una pregunta con respuesta conocida. Exige ubicaciones de fuente, cálculos y un explícito "no encontrado" cuando falte evidencia.

Ejecuta cada prueba en ambos canales de Felo si la latencia importa. Registra tokens de entrada, salida y caché junto con el costo total y el tiempo transcurrido. Mantén los mismos prompts y herramientas al comparar con K3 u otro modelo. Así tomas una decisión basada en trabajo completado por dólar y minuto, no en un benchmark de portada.

Límites y estado de lanzamiento a tener en cuenta

• Momento de pesos abiertos: Moonshot llama a K3.1 Pro un modelo de pesos abiertos pero dice que los pesos completos se publicarán antes del 4 de noviembre de 2026. El acceso por API está disponible ahora; no describas los pesos como ya descargables. La página del modelo en Felo indica la fecha de lanzamiento prevista.
• Formato de salida: Felo actualmente lista salida de texto, incluso cuando la entrada contiene imágenes o video. La creación de recursos requiere una herramienta conectada u otro endpoint de generación. Listado de modelo en Felo.
• Transferencia de benchmarks: Las puntuaciones internas, pruebas con herramientas y demos de largo alcance no se trasladan directamente a una simple llamada API one-shot. Ajusta la evaluación a tu aplicación.
• Precisión: El resultado mejorado de alucinación sigue siendo una tasa de error en una prueba de estrés. Verifica citas, cálculos y afirmaciones factuales en flujos de trabajo críticos.
• Contexto y costo: Una ventana de un millón de tokens puede hacer posibles y costosas solicitudes muy grandes. Presupuesta para el prompt real, la respuesta generada, reintentos y contexto repetido; usa el precio de lectura de caché solo donde el uso reporte un acierto.

Moonshot también describe controles de entrenamiento dirigidos para capacidad de ciberofensiva en el lanzamiento de K3.1 Pro. Los equipos que evalúan trabajo de seguridad defensiva deben probar las tareas autorizadas específicas que necesitan en lugar de asumir rendimiento a partir de resultados generales de programación.

Preguntas frecuentes

¿Kimi K3.1 Pro es igual que Kimi K3?

No. Moonshot describe K3.1 Pro como una mejora post-entrenada de K3 y reporta mejoras en programación, creación 3D, investigación financiera y su prueba de estrés de precisión factual. Mantiene la clase de contexto de un millón de tokens y comprensión visual nativa.

¿Qué ID de modelo envío a Felo API?

Usa kimi-k3.1-pro. En Felo, MXFP4 y Highspeed son canales de proveedor para ese ID público de modelo; selecciona uno con X-Felo-Channel si necesitas una ruta específica.

¿Puede crear modelos 3D o videos directamente desde el endpoint del modelo?

Puede comprender entrada visual y escribir planes, código o scripts para flujos de trabajo 3D y de video. Felo actualmente lista texto como modalidad de salida de este endpoint de modelo. Necesitas un renderizador, herramienta de diseño o servicio de generación para producir el recurso en sí.

¿Debo usar MXFP4 o Highspeed?

Comienza con MXFP4 cuando el costo por token sea la principal restricción. Prueba Highspeed cuando el tiempo de espera afecte tu producto o ciclo de agente. Moonshot dice que Highspeed mantiene la misma capacidad de modelo a aproximadamente 2–3× la velocidad, mientras que las tarifas de entrada y salida publicadas por Felo son el doble que las de MXFP4.

¿El modelo completo ya está disponible para autoalojar?

Moonshot dice que los pesos completos de K3.1 Pro están programados para publicarse antes del 4 de noviembre de 2026. Consulta su página oficial de lanzamiento para el estado más reciente. El acceso por API de Felo ya está disponible.

Pruébalo con tu propia carga de trabajo

Kimi K3.1 Pro resulta interesante cuando la tarea combina contexto largo, uso de herramientas y evidencia visual o documental. Sus mejoras reportadas son notables, pero la forma más rápida de decidir si importan para ti es ejecutar un trabajo representativo, inspeccionar el resultado y comparar el costo total de las rutas MXFP4 y Highspeed.

Explora Kimi K3.1 Pro en Felo API →

---

Esta publicación también está disponible en English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, বাংলা and Português.