Kimi K3.1 Pro su Felo API: Capacità, Benchmark, Prezzi e Configurazione
Guida dettagliata a Kimi K3.1 Pro su Felo API: contesto da 1M token, input visivo, risultati in coding e finanza, prezzi e configurazione API.
Kimi K3.1 Pro è ora disponibile tramite Felo API. Se lo valuti per un agente di coding, un flusso di lavoro visivo o ricerca su un ampio insieme di documenti, questa guida copre i dettagli necessari prima di scrivere la prima integrazione: cosa è cambiato rispetto a K3, cosa mostrano realmente le valutazioni pubblicate, quali input supporta Felo e come scegliere tra le sue due rotte fornitore.
L’ID modello pubblico Felo è kimi-k3.1-pro. Puoi consultarlo nel catalogo modelli Felo e testarlo nel Playground.
Kimi K3.1 Pro in sintesi
| Dettaglio | Disponibile ora |
|---|---|
| Modello | Primo modello di punta della serie K3.1 di Moonshot AI, versione post-addestrata di Kimi K3 |
| ID modello Felo | kimi-k3.1-pro |
| Finestra di contesto | 1.048.576 token (circa 1 milione) |
| Input | Testo, immagini e video |
| Output | Testo; può scrivere codice per un flusso di lavoro 3D, ma la chiamata modello non restituisce direttamente asset 3D o video generati |
| Ragionamento | Attivo di default; Felo elenca i livelli di sforzo max, high, low e none, con max come predefinito |
| Protocollo Felo consigliato | Messages, su POST https://openapi.felo.ai/api/v1/messages |
| Rotte fornitore su Felo | Moonshot AI MXFP4 e Moonshot AI Highspeed |
Questi sono i campi nella scheda modello attuale di Felo. Una finestra di contesto ampia rappresenta un limite di capacità, non una promessa di richiamo perfetto di ogni informazione in un prompt da un milione di token. Per lavori in produzione, testa la lunghezza, il formato di input e l’impostazione di ragionamento che intendi usare.
Cosa è cambiato rispetto a Kimi K3?
Moonshot descrive K3.1 Pro come una versione post-addestrata di K3, con molto più calcolo post-addestramento e apprendimento per rinforzo su molti compiti downstream. Questa distinzione conta. La dichiarazione pubblica riguarda miglioramenti su coding, agenti, compiti visivi e di knowledge work; non si tratta di una nuova architettura base pubblicata per K3.1. La pagina modello K3.1 Pro di Felo riassume il modello e la rotta API supportata.
K3 è un modello mixture-of-experts da 2,8 trilioni di parametri, classe 3T. Il design pubblicato usa Kimi Delta Attention e Attention Residuals, con comprensione visiva nativa e finestra di contesto da un milione di token. Poiché K3.1 Pro si basa su K3, queste informazioni architetturali risultano utili; Moonshot non ha ancora rilasciato i pesi completi di K3.1 né una specifica architetturale separata. Esplora architettura e specifiche di K3 su Felo.
Il cambiamento pratico riguarda ciò che il modello riesce a portare a termine. Moonshot riporta miglioramenti in coding a lungo termine, modellazione 3D, ricerca finanziaria e accuratezza fattuale nei suoi stress test. K3.1 Pro offre anche un’opzione Highspeed che, secondo Moonshot, raggiunge 2–3 volte la velocità della versione regolare mantenendo la stessa capacità. La rotta più veloce ha un prezzo token più alto, descritto sotto.
Anche il prezzo di ingresso pubblicato è cambiato. Felo elenca K3 a $3 per milione di token input e $15 per milione di token output. La rotta MXFP4 di K3.1 Pro è a $2 e $10 rispettivamente. La rotta a prezzo inferiore del nuovo modello costa un terzo in meno per token input o output non in cache alle tariffe attuali. Confronta i canali e la latenza che intendi usare prima di considerare questo risparmio come totale sul carico di lavoro.
Punti di forza del modello
Coding a lungo termine e agenti
K3.1 Pro lavora oltre il singolo snippet di codice. Gli esempi di Moonshot includono sviluppo multi-file, debug, build front-end, lavoro su game engine e compiti assistiti da strumenti che richiedono ispezione e revisione ripetute. Il risultato su Kimi Code Bench 3.0 Long-horizon è salito da 55,95% per K3 a 61,2% per K3.1 Pro. Su Terminal-Bench 4.0, K3.1 Pro ha ottenuto 65,7% nella valutazione pubblicata da Moonshot.
Per un team di ingegneri, la domanda utile è se riesce a modificare un repository senza perdere il filo: leggere i file giusti, proporre una patch, eseguire i controlli rilevanti e recuperare quando un test fallisce. Fornisci un issue rappresentativo e valuta la diff finale e i risultati dei test. Un piano ben scritto da solo non dimostra che il compito sia completo.
Immagini, video e lavoro 3D
La rotta Felo accetta input di testo, immagini e video e restituisce testo. Questo rende K3.1 Pro adatto a compiti come spiegare uno screenshot, confrontare fotogrammi, ragionare su un riferimento visivo o scrivere codice e script per una pipeline di modellazione 3D. Non trasforma l’endpoint modello in un generatore di immagini, video o file 3D. Per produrre un asset, collega l’output del modello ai tuoi strumenti o a un flusso di generazione appropriato.
Moonshot riporta 92,7% su BenchCAD con strumenti, test che valuta la ricostruzione di oggetti 3D da viste renderizzate tramite codice CAD generato. L’esempio pubblicato include anche scripting per Blender e CAD, scene interattive Three.js e lavoro su Unity, Unreal Engine e Godot. Questi esempi mostrano il tipo di compiti da valutare; non significano che ogni tool sia incluso in una semplice richiesta API.
Ricerca e modellazione finanziaria
Moonshot riporta 64,4 su OfficeQA Pro v2, che valuta l’analisi su documenti finanziari, inclusi recupero, controlli incrociati e ragionamento numerico. Nelle valutazioni interne di Moonshot, K3.1 Pro ha ottenuto 70,4 contro 58,8 per K3 nella ricerca finanziaria e 57,6 contro 50,4 nella modellazione finanziaria. Questi sono punteggi specifici per compito, non rendimenti di investimento o misure di accuratezza su ogni domanda finanziaria.
Questo si adatta bene a test su un corpus controllato: bilanci annuali, documenti ufficiali, materiali sugli utili e una domanda che richiede al modello di citare passaggi esatti e mostrare calcoli. Conserva i documenti di origine e i calcoli per la revisione. In un flusso di lavoro che prende decisioni finanziarie, serve comunque una verifica indipendente.
Documenti lunghi e ricerca multi-step
La finestra da un milione di token permette a un’applicazione di inviare molto più materiale rispetto a una chat breve: codice, trascrizioni, report, immagini e cronologia conversazioni condividono lo stesso contesto. Il modello partecipa anche a flussi di lavoro agent multi-step tramite chiamate a strumenti. Ma capacità di contesto e comportamento agentico restano cose distinte. Un prompt lungo richiede comunque un compito chiaro, una mappa dei documenti e un modo per verificare la risposta; un agente necessita che lo sviluppatore fornisca strumenti e gestisca i risultati.
Per la ricerca, chiedi prima al modello di identificare la fonte rilevante, poi di rispondere con riferimenti a pagina o sezione e un elenco separato dei punti incerti. Questa struttura rende più facile individuare errori rispetto a un riassunto lungo e scorrevole.
Moonshot e Felo descrivono anche orchestrazione multi-agente che scala fino a centinaia di subagenti paralleli. Questa è una capacità di sistema agentico costruita attorno al modello, non qualcosa che una singola risposta API crea da sola. Uno sviluppatore deve comunque coordinare worker, strumenti, budget e revisione finale. Vedi la descrizione modello Felo.
Come leggere i numeri dei benchmark
L’annuncio di Moonshot contiene molte valutazioni. La selezione seguente copre tipi di lavoro distinti senza trattare test diversi come un’unica classifica.
| Valutazione | K3.1 Pro | Confronto riportato da Moonshot | Cosa valuta |
|---|---|---|---|
| Terminal-Bench 4.0 | 65,7% | Claude Opus 5.5: 66,4%; GPT-6 Astra: 58,2% | Agenti di coding su compiti terminal con test specifici |
| Kimi Code Bench 3.0 Long-horizon | 61,2% | K3: 55,95% | Benchmark interno multi-step di coding di Moonshot |
| BenchCAD, con strumenti | 92,7% | Claude Opus 5.5: 96,2%; GPT-6 Astra: 95,9% | Generazione codice CAD da render multi-view |
| Ricerca finanziaria, interno | 70,4 | K3: 58,8 | Ricerca finanziaria con prove documentali |
| Modellazione finanziaria, interno | 57,6 | K3: 50,4 | Formule di fogli di calcolo, logica finanziaria e qualità finale del modello |
| Kimi Hallu Bench Hard | 8,3% tasso di allucinazione a livello di affermazione | K3: 23,4%; più basso è meglio | Stress test di accuratezza fattuale deliberatamente difficile |
Tutti i valori provengono dall’annuncio tecnico di K3.1 Pro di Moonshot AI, non da valutazioni Felo. Salvo diversa indicazione, Moonshot riporta i risultati di K3.1 Pro con sforzo di ragionamento max, temperatura 1.0 e top-p 0,95. L’harness varia a seconda del benchmark e alcuni confronti si basano su risultati pubblicati da altri provider. In particolare, Kimi Code Bench e i due punteggi finanziari sopra sono valutazioni interne. Usali per scegliere test per il tuo carico di lavoro, non per assumere lo stesso tasso di successo in produzione. Felo riproduce anche una selezione di questi risultati sulla sua pagina modello.
Il dato sulle allucinazioni richiede un avviso specifico. 8,3% è il tasso a livello di affermazione su Kimi Hallu Bench Hard, uno stress test costruito per esporre errori. Moonshot dichiara esplicitamente che non rappresenta il tasso di errore quotidiano del modello. Indica un miglioramento rispetto a K3 su quel test, non un motivo per saltare la verifica delle fonti.
Prezzi e scelta del fornitore su Felo API
Felo elenca due canali Moonshot AI eseguibili per kimi-k3.1-pro. Queste sono le tariffe pubblicate per un milione di token, in dollari USA:
| Canale Felo | Input | Output | Lettura cache |
|---|---|---|---|
moonshotai-mxfp4 | $2 | $10 | $0,20 |
moonshotai-highspeed | $4 | $20 | $0,20 |
La pagina modello live è la fonte delle tariffe Felo. Highspeed risulta il canale predefinito nel catalogo Felo. Se il budget o la latenza dipendono da una rotta specifica, invia X-Felo-Channel esplicitamente invece di assumere quale fornitore userà la richiesta. La guida al routing dei provider di Felo spiega l’header e il comportamento di fallback.
Ad esempio, una richiesta con 200.000 token input non in cache e 8.000 token output costerebbe circa $0,48 su MXFP4 (0.2 × $2 + 0.008 × $10) oppure $0,96 su Highspeed (0.2 × $4 + 0.008 × $20). Se 100.000 token input rientrano nella tariffa di lettura cache pubblicata, quella parte costa $0,02 su entrambi i canali. Un cache hit non è garantito; dipende dal servizio upstream e dalla richiesta. La guida ai prezzi di Felo spiega come vengono calcolati token e addebiti cache.
Questi sono stime per token modello. Controlla tariffe attuali, registri di utilizzo e altri strumenti a pagamento prima di usare i numeri in un budget di produzione. Felo API usa crediti di servizio prepagati; non serve un abbonamento per usare l’API. Leggi la guida alla fatturazione.
Inizia a usare Kimi K3.1 Pro su Felo
- Crea una chiave API Felo e aggiungi crediti servizio se necessari.
- Prova un prompt nel Playground. Usa materiale simile a quello che invierà la tua applicazione.
- Sposta il prompt nel tuo client usando l’ID modello pubblico. L’endpoint Messages è il protocollo consigliato sulla pagina modello Felo.
La richiesta qui sotto fissa il canale MXFP4 a prezzo inferiore, così la scelta di prezzo risulta esplicita:
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."
}
]
}'
Per selezionare la rotta più veloce, cambia quell’header in X-Felo-Channel: moonshotai-highspeed. Per lasciare la scelta a Felo, ometti l’header. Felo accetta lo stesso header di routing sui suoi endpoint Chat Completions, Responses e Messages. Un canale selezionato esplicitamente non passa automaticamente a un altro provider; l’applicazione deve riprovare con un canale diverso se necessario. Consulta la documentazione di routing Felo.
SDK, streaming, strumenti e ragionamento
Felo offre tre superfici compatibili per chiamare i modelli. Usa quella già supportata dalla tua applicazione:
| Stile client | Endpoint | Base URL 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 |
Per gli SDK compatibili Anthropic, la base URL si ferma a /api; l’SDK aggiunge /v1/messages. Il protocollo Messages richiede max_tokens. Aggiungi "stream": true per ricevere eventi server-sent e attendi l’evento di completamento del protocollo invece di considerare una connessione chiusa come risposta finita. La guida ai protocolli di Felo copre le forme delle richieste e il comportamento streaming.
Queste sono opzioni a livello di piattaforma. Conferma che la combinazione di parametri e modalità di cui hai bisogno funzioni sulla rotta K3.1 Pro prima di migrare un’integrazione esistente.
Felo elenca tools, tool_choice, parametri di output strutturato e controlli di ragionamento per questo modello. I valori di sforzo di ragionamento supportati sono max, high, low e none, con max come predefinito. Supporto di modello e protocollo possono differire, quindi testa la combinazione esatta di parametri richiesta dal tuo client prima di farci affidamento. I risultati benchmark pubblicati usano in gran parte max; abbassare lo sforzo rappresenta un esperimento su qualità e costo, non un modo per riprodurre quei punteggi. Verifica le capacità attuali del modello.
Se il tuo flusso di lavoro richiede dati web aggiornati, una calcolatrice, una shell repository o un programma CAD, fornisci e gestisci quegli strumenti nella tua applicazione. Chiamare solo kimi-k3.1-pro non esegue strumenti esterni né verifica le affermazioni citate.
Un piano di valutazione pratico
K3.1 Pro copre abbastanza ambiti che un generico “Qual è il modello migliore?” dice poco. Tre piccoli test producono prove più utili:
- Coding: Fornisci un issue reale e il contesto repository rilevante. Richiedi una patch, test e una breve spiegazione di eventuali rischi residui. Registra se i test passano e quanti turni di tool servono.
- Visuale o 3D: Fornisci un’immagine di riferimento o viste multiple e chiedi un piano di modellazione o uno script. Fai controllare dimensioni e geometria a una persona o a un renderer invece di giudicare solo il testo.
- Ricerca: Fornisci un set fisso di documenti e una domanda con risposta nota. Richiedi posizioni delle fonti, calcoli e un esplicito “non trovato” quando manca la prova.
Esegui ogni test su entrambi i canali Felo se la latenza conta. Registra token input, output e cache insieme a costo totale e tempo trascorso. Usa gli stessi prompt e strumenti quando confronti con K3 o un altro modello. Così ottieni una decisione basata sul lavoro completato per dollaro e minuto, non su un benchmark di copertina.
Limiti e stato di rilascio da considerare
- Tempistiche open-weight: Moonshot definisce K3.1 Pro un modello open-weight ma indica che i pesi completi saranno rilasciati entro il 4 novembre 2026. L’accesso API è già disponibile; non descrivere i pesi come già scaricabili. Pagina modello Felo riporta la data di rilascio prevista.
- Formato output: Felo attualmente elenca output testuale, anche quando l’input contiene immagini o video. La creazione di asset richiede uno strumento collegato o un altro endpoint di generazione. Scheda modello Felo.
- Trasferibilità benchmark: Punteggi interni, test con strumenti e demo long-horizon non si trasferiscono direttamente a una semplice chiamata API one-shot. Allinea la valutazione alla tua applicazione.
- Accuratezza: Il miglioramento sulle allucinazioni resta un tasso di errore su uno stress test. Verifica citazioni, calcoli e affermazioni fattuali nei flussi di lavoro critici.
- Contesto e costo: Una finestra da un milione di token permette richieste molto grandi e costose. Prevedi budget per prompt effettivo, risposta generata, retry e contesto ripetuto; usa il prezzo di lettura cache solo dove i report indicano un hit.
Moonshot descrive anche controlli di addestramento mirati per capacità cyber-offensive nel rilascio di K3.1 Pro. I team che valutano lavori di sicurezza difensiva dovrebbero testare i compiti autorizzati specifici invece di assumere prestazioni dai risultati generali di coding.
Domande frequenti
Kimi K3.1 Pro è uguale a Kimi K3?
No. Moonshot descrive K3.1 Pro come upgrade post-addestrato di K3 e riporta miglioramenti in coding, creazione 3D, ricerca finanziaria e stress test di accuratezza fattuale. Mantiene la classe di contesto da un milione di token e comprensione visiva nativa.
Quale ID modello devo inviare a Felo API?
Usa kimi-k3.1-pro. Su Felo, MXFP4 e Highspeed sono canali fornitore per quell’ID modello pubblico; seleziona uno con X-Felo-Channel se serve una rotta specifica.
Può generare modelli 3D o video direttamente tramite l’endpoint modello?
Può comprendere input visivi e scrivere piani, codice o script per flussi di lavoro 3D e video. Felo attualmente elenca testo come modalità di output di questo endpoint modello. Serve un renderer, uno strumento di design o un servizio di generazione per produrre l’asset vero e proprio.
Devo usare MXFP4 o Highspeed?
Inizia con MXFP4 quando il costo token rappresenta il vincolo principale. Prova Highspeed quando il tempo di attesa incide sul prodotto o sul ciclo agente. Moonshot afferma che Highspeed mantiene la stessa capacità del modello a circa 2–3× la velocità, mentre le tariffe input e output pubblicate da Felo sono il doppio di quelle di MXFP4.
Il modello completo è già disponibile per self-hosting?
Moonshot indica che i pesi completi di K3.1 Pro sono previsti per il rilascio entro il 4 novembre 2026. Controlla la pagina di rilascio ufficiale per lo stato più recente. L’accesso API Felo è già disponibile.
Provalo sul tuo carico di lavoro
Kimi K3.1 Pro rappresenta una scelta interessante quando il compito combina contesto lungo, uso di strumenti e prove visive o documentali. I miglioramenti riportati risultano notevoli, ma il modo più rapido per capire se contano per te consiste nell’eseguire un lavoro rappresentativo, ispezionare il risultato e confrontare il costo totale delle rotte MXFP4 e Highspeed.
Esplora Kimi K3.1 Pro su Felo API →
Questo articolo è disponibile anche in English, 简体中文, 日本語, 한국어, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, ไทย, Español, বাংলা and Português.