Felo API에서 Kimi K3.1 Pro: 기능, 벤치마크, 가격, 설정 방법
Felo API에서 Kimi K3.1 Pro에 대한 상세 가이드: 100만 토큰 컨텍스트, 시각 입력, 코딩 및 금융 결과, 가격, API 설정 방법.
Kimi K3.1 Pro가 Felo API를 통해 제공된다. 코딩 에이전트, 시각적 워크플로, 대규모 문서 집합 연구에 활용하려면, 이 가이드에서 K3와 달라진 점, 공개 평가 결과, Felo가 지원하는 입력, 두 가지 제공 경로 중 선택 방법을 확인할 수 있다.
공개 Felo 모델 ID는 kimi-k3.1-pro이다. Felo 모델 카탈로그에서 확인하고, Playground에서 테스트할 수 있다.
Kimi K3.1 Pro 한눈에 보기
| 세부 정보 | 현재 제공 내용 |
|---|---|
| 모델 | Moonshot AI의 첫 K3.1 시리즈 플래그십, Kimi K3의 후훈련 버전 |
| Felo 모델 ID | kimi-k3.1-pro |
| 컨텍스트 윈도우 | 1,048,576 토큰(약 100만) |
| 입력 | 텍스트, 이미지, 비디오 |
| 출력 | 텍스트; 3D 워크플로 코드를 작성할 수 있지만, 모델 호출은 3D 에셋이나 생성된 비디오를 직접 반환하지 않는다 |
| 추론 | 기본 활성화; Felo는 max, high, low, none 노력 수준을 제공하며, 기본값은 max |
| 추천 Felo 프로토콜 | Messages, POST https://openapi.felo.ai/api/v1/messages |
| Felo 제공 경로 | Moonshot AI MXFP4, Moonshot AI Highspeed |
Felo의 현재 모델 목록에 있는 필드이다. 대형 컨텍스트 윈도우는 용량 제한이며, 100만 토큰 프롬프트의 모든 사실을 완벽하게 기억한다는 보장은 아니다. 실제 작업에서는 사용할 길이, 입력 형식, 추론 설정을 테스트해야 한다.
Kimi K3에서 달라진 점
Moonshot은 K3.1 Pro를 K3의 후훈련 버전으로 설명한다. 훨씬 많은 후훈련 연산과 다양한 다운스트림 작업에 대한 강화학습이 적용됐다. 이 차이가 중요하다. 공개 주장에서는 코딩, 에이전트, 시각, 지식 작업에서 개선된 행동을 언급하며, K3.1이 새롭게 공개된 기반 아키텍처를 가진다는 의미는 아니다. Felo의 K3.1 Pro 모델 페이지에서 모델과 지원 API 경로를 요약한다.
K3는 2.8조 파라미터, 3T급 전문가 혼합 모델이다. 공개 설계에는 Kimi Delta Attention과 Attention Residuals가 사용되며, 시각 이해와 100만 토큰 컨텍스트 윈도우가 기본으로 제공된다. K3.1 Pro가 K3를 기반으로 하므로, 이 아키텍처 배경이 유용하다. Moonshot은 아직 K3.1 전체 가중치나 별도의 아키텍처 명세를 공개하지 않았다. Felo에서 K3의 아키텍처와 명세 확인.
실질적인 변화는 모델이 작업을 끝까지 수행하는 능력이다. Moonshot은 장기 코딩, 3D 모델링, 금융 연구, 스트레스 테스트에서 사실 정확도 향상을 보고한다. K3.1 Pro에는 Highspeed 제공 옵션도 있다. Moonshot은 이 경로가 일반 버전과 동일한 모델 능력으로 2~3배 빠른 속도를 제공한다고 설명한다. 빠른 경로는 토큰 가격이 더 높다.
공개 시작 가격도 달라졌다. Felo는 K3를 입력 토큰 100만 개당 $3, 출력 토큰 100만 개당 $15로 표시한다. K3.1 Pro의 MXFP4 경로는 각각 $2, $10이다. 최신 모델의 저렴한 경로가 입력 또는 출력 토큰당 현재 요율에서 1/3 더 저렴하다. 실제로 사용할 채널과 지연 시간을 비교한 후 전체 작업 비용으로 간주해야 한다.
모델이 강한 분야
장기 코딩 및 에이전트
K3.1 Pro는 단일 코드 조각을 넘는 작업을 목표로 한다. Moonshot의 예시에는 다중 파일 개발, 디버깅, 프론트엔드 빌드, 게임 엔진 작업, 반복 검사와 수정이 필요한 도구 지원 작업이 포함된다. Kimi Code Bench 3.0 Long-horizon 결과는 **K3에서 55.95%에서 K3.1 Pro에서 61.2%**로 상승했다. Terminal-Bench 4.0에서는 K3.1 Pro가 **65.7%**를 기록했다. 엔지니어링 팀에서는 저장소를 변경하면서 맥락을 잃지 않는지 확인해야 한다: 올바른 파일 읽기, 패치 제안, 관련 검사 실행, 테스트 실패 시 복구. 대표 이슈를 주고 최종 diff와 테스트 결과를 평가한다. 완성된 계획만으로 작업 완료를 판단할 수 없다.
이미지, 비디오, 3D 작업
Felo 경로는 텍스트, 이미지, 비디오 입력을 받고 텍스트를 반환한다. K3.1 Pro는 스크린샷 설명, 프레임 비교, 시각 참조 추론, 3D 모델링 파이프라인 코드 및 스크립트 작성 같은 작업에 적합하다. 모델 엔드포인트가 이미지, 비디오, 3D 파일 생성기로 바뀌지는 않는다. 에셋을 만들려면 모델 출력물을 자체 도구나 적합한 생성 워크플로에 연결해야 한다.
Moonshot은 **BenchCAD with tools에서 92.7%**를 보고한다. 여러 렌더링 뷰에서 생성된 CAD 코드로 3D 객체를 재구성하는 테스트이다. 공개 예시에는 Blender와 CAD 스크립팅, 인터랙티브 Three.js 장면, Unity, Unreal Engine, Godot 작업이 포함된다. 예시는 평가해야 할 작업 유형을 보여주며, 모든 도구가 일반 API 요청에 포함된다는 의미는 아니다.
금융 연구 및 모델링
Moonshot은 OfficeQA Pro v2에서 64.4를 보고한다. 금융 문서 분석, 검색, 문서 간 검증, 수치 추론을 테스트한다. 내부 평가에서 K3.1 Pro는 금융 연구에서 70.4 대 58.8(K3), 금융 모델링에서 **57.6 대 50.4(K3)**를 기록했다. 이는 작업별 점수이며, 투자 수익이나 모든 금융 질문의 정확도는 아니다.
통제된 코퍼스로 테스트하기에 적합하다: 연차 보고서, 공시, 실적 자료, 정확한 구절 인용과 계산을 요구하는 질문. 원본 문서와 산술을 검토할 수 있도록 유지한다. 금융 결정을 내리는 워크플로에서는 독립 검증이 필요하다.
장문 및 다단계 연구
100만 토큰 윈도우로 일반 짧은 채팅 요청보다 훨씬 많은 자료를 제출할 수 있다: 코드, 대본, 보고서, 이미지, 대화 기록이 같은 컨텍스트에 들어간다. 모델은 도구 호출을 통한 다단계 에이전트 워크플로에도 참여한다. 하지만 컨텍스트 용량과 에이전트 행동은 별개이다. 긴 프롬프트에는 명확한 작업, 문서 맵, 답변 검증 방법이 필요하다. 에이전트에는 개발자가 도구를 제공하고 결과를 처리해야 한다.
연구에서는 먼저 관련 소스를 식별하도록 모델에 요청하고, 페이지나 섹션 참조와 불확실한 점 목록을 별도로 답변하게 한다. 이 구조로 오류를 긴 요약보다 쉽게 찾을 수 있다.
Moonshot과 Felo는 수백 개 병렬 하위 에이전트로 확장 가능한 다중 에이전트 오케스트레이션도 설명한다. 이는 모델을 중심으로 구축된 에이전트 시스템 능력이며, 단일 API 응답으로 자동 생성되지 않는다. 개발자가 작업자, 도구, 예산, 최종 검토 단계를 조정해야 한다. Felo 모델 설명 보기.
벤치마크 수치 읽는 방법
Moonshot 발표에는 다양한 평가가 있다. 아래 표는 서로 다른 작업 유형을 다루며, 서로 다른 테스트를 하나의 순위로 취급하지 않는다.
| 평가 | K3.1 Pro | Moonshot 비교 보고 | 테스트 내용 |
|---|---|---|---|
| Terminal-Bench 4.0 | 65.7% | Claude Opus 5.5: 66.4%; GPT-6 Astra: 58.2% | 터미널 작업 코딩 에이전트, 작업별 테스트 |
| Kimi Code Bench 3.0 Long-horizon | 61.2% | K3: 55.95% | Moonshot 내부 다단계 코딩 벤치마크 |
| BenchCAD, with tools | 92.7% | Claude Opus 5.5: 96.2%; GPT-6 Astra: 95.9% | 다중 뷰 렌더링에서 CAD 코드 생성 |
| 금융 연구, 내부 | 70.4 | K3: 58.8 | 근거 기반 금융 연구 |
| 금융 모델링, 내부 | 57.6 | K3: 50.4 | 워크북 수식, 금융 논리, 최종 모델 품질 |
| Kimi Hallu Bench Hard | 8.3% 주장 수준 환각률 | K3: 23.4%; 낮을수록 좋음 | 고난이도 사실 정확도 스트레스 테스트 |
모든 값은 Moonshot AI의 K3.1 Pro 기술 발표에서 가져왔으며, Felo 자체 평가가 아니다. 별도 언급이 없으면 Moonshot은 K3.1 Pro 결과를 max 추론 노력, temperature 1.0, top-p 0.95로 보고한다. 벤치마크마다 하네스가 다르고, 일부 비교는 다른 제공자의 공개 결과를 참고한다. 특히 Kimi Code Bench와 위의 두 금융 점수는 내부 평가이다. 자체 작업에 맞는 테스트를 선택하는 데 참고하고, 실제 통과율을 가정하지 않는다. Felo도 모델 페이지에서 일부 결과를 재현한다.
환각 수치는 별도 경고가 필요하다. 8.3%는 Kimi Hallu Bench Hard에서 주장 수준 환각률이다. 실수 노출을 위해 설계된 스트레스 테스트이다. Moonshot은 일상 오류율이 아니다라고 명시한다. K3 대비 개선 증거이며, 소스 검증을 생략할 이유는 아니다.
Felo API 가격 및 제공자 선택
Felo는 kimi-k3.1-pro에 대해 Moonshot AI의 두 실행 채널을 표시한다. 100만 토큰당 공개 요율(미국 달러)은 다음과 같다:
| Felo 채널 | 입력 | 출력 | 캐시 읽기 |
|---|---|---|---|
moonshotai-mxfp4 | $2 | $10 | $0.20 |
moonshotai-highspeed | $4 | $20 | $0.20 |
실시간 모델 페이지가 Felo 요율의 출처이다. Highspeed는 Felo 카탈로그에서 기본 채널로 표시된다. 예산이나 지연 목표가 특정 경로에 따라 달라지면, 요청에 X-Felo-Channel을 명시적으로 보내야 한다. Felo 제공자 라우팅 가이드에서 헤더와 폴백 동작을 설명한다.
예를 들어, 200,000개의 캐시되지 않은 입력 토큰과 8,000개의 출력 토큰 요청은 MXFP4에서 약 $0.48(0.2 × $2 + 0.008 × $10), Highspeed에서 약 $0.96(0.2 × $4 + 0.008 × $20)이다. 입력 토큰 100,000개가 캐시 읽기 요율에 해당하면, 해당 부분은 두 채널 모두 $0.02이다. 캐시 적중은 보장되지 않으며, 상위 서비스와 요청에 따라 달라진다. Felo 가격 가이드에서 토큰 및 캐시 요금 계산 방법을 설명한다.
이 수치는 모델 토큰 기준 추정치이다. 실제 요율, 사용 기록, 기타 과금 도구를 확인한 후 생산 예산에 반영해야 한다. Felo API는 선불 서비스 크레딧을 사용하며, API 사용에 구독이 필요하지 않다. 청구 가이드 읽기.
Felo에서 Kimi K3.1 Pro 시작하기
- Felo API 키 생성 후 계정에 서비스 크레딧을 추가한다.
- Playground에서 프롬프트를 테스트한다. 실제 애플리케이션과 유사한 자료를 사용한다.
- 프롬프트를 공개 모델 ID로 클라이언트에 옮긴다. Messages 엔드포인트가 Felo 모델 페이지에서 추천 프로토콜이다.
아래 요청은 저렴한 MXFP4 채널을 고정하여 가격 선택을 명확히 한다:
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."
}
]
}'
더 빠른 경로를 선택하려면 헤더를 X-Felo-Channel: moonshotai-highspeed로 변경한다. Felo가 선택하게 하려면 헤더를 생략한다. Felo는 Chat Completions, Responses, Messages 모델 엔드포인트에서 동일한 라우팅 헤더를 받는다. 명시적으로 선택한 채널은 자동으로 다른 제공자로 폴백하지 않는다. 다른 채널로 재시도하려면 애플리케이션에서 직접 처리해야 한다. Felo 라우팅 문서 보기.
SDK, 스트리밍, 도구, 추론
Felo는 세 가지 호환 모델 호출 인터페이스를 제공한다. 애플리케이션에서 사용하는 방식에 맞춘다:
| 클라이언트 스타일 | 엔드포인트 | SDK base URL |
|---|---|---|
| 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 |
Anthropic 호환 SDK에서는 base URL이 /api에서 끝나고, SDK가 /v1/messages를 추가한다. Messages 프로토콜에는 max_tokens가 필요하다. "stream": true를 추가하면 서버 전송 이벤트를 받으며, 프로토콜의 완료 이벤트를 기다려야 한다. 연결이 끊겼다고 답변이 끝난 것으로 간주하지 않는다. Felo 프로토콜 가이드에서 요청 형태와 스트리밍 동작을 설명한다.
이들은 플랫폼 수준 프로토콜 옵션이다. K3.1 Pro 경로에서 필요한 파라미터와 모달리티 조합이 동작하는지 확인한 후 기존 통합을 이전한다.
Felo는 이 모델에 대해 tools, tool_choice, 구조화 출력 파라미터, 추론 제어를 표시한다. 지원 추론 노력 값은 max, high, low, none이며, 기본값은 max이다. 모델과 프로토콜 지원이 다를 수 있으므로, 클라이언트에서 필요한 파라미터 조합을 테스트한 후 신뢰한다. 공개 벤치마크 결과는 대부분 max를 사용한다. 노력 수준을 낮추면 품질과 비용 실험이며, 점수 재현 방법은 아니다. 현재 모델 기능 확인.
워크플로에 최신 웹 데이터, 계산기, 저장소 쉘, CAD 프로그램이 필요하면, 애플리케이션에서 직접 도구를 제공하고 운영해야 한다. kimi-k3.1-pro만 호출하면 외부 도구 실행이나 인용 주장 검증이 이루어지지 않는다.
실용 평가 계획
K3.1 Pro는 범위가 넓어 "어떤 모델이 최고인가?" 같은 일반 테스트로는 판단하기 어렵다. 세 가지 소규모 실험이 더 유용한 근거를 제공한다:
- 코딩: 실제 이슈와 관련 저장소 컨텍스트를 제공한다. 패치, 테스트, 남은 위험에 대한 짧은 설명을 요구한다. 테스트 통과 여부와 도구 반복 횟수를 기록한다.
- 시각 또는 3D: 참조 이미지나 여러 뷰를 제공하고 모델링 계획이나 스크립트를 요청한다. 사람이나 렌더러가 치수와 기하를 확인한다. 텍스트만으로 판단하지 않는다.
- 연구: 고정 문서 집합과 정답이 있는 질문을 제공한다. 소스 위치, 계산, 증거가 없을 때 명시적 "찾지 못함"을 요구한다.
지연이 중요하면 두 Felo 채널 모두에서 실험한다. 입력, 출력, 캐시 토큰, 총 비용, 경과 시간을 기록한다. K3 또는 다른 모델과 비교할 때 동일한 프롬프트와 도구를 사용한다. 이렇게 하면 달러와 분당 완료 작업 기준으로 결정할 수 있다. 벤치마크 헤드라인만으로 판단하지 않는다.
기억해야 할 제한 및 출시 상태
- 오픈 가중치 시기: Moonshot은 K3.1 Pro를 오픈 가중치 모델로 설명하지만, 전체 가중치 공개 시점을 2026년 11월 4일로 안내한다. API 접근은 이미 가능하다. 가중치가 이미 다운로드 가능하다고 설명하지 않는다. Felo 모델 페이지에서 예정 공개일을 확인할 수 있다.
- 출력 형식: Felo는 현재 입력에 이미지나 비디오가 포함되어도 텍스트 출력을 표시한다. 에셋 생성에는 연결된 도구나 다른 생성 엔드포인트가 필요하다. Felo 모델 목록.
- 벤치마크 이전: 내부 점수, 도구 장착 테스트, 장기 데모는 일반 단일 API 호출과 직접 일치하지 않는다. 평가 환경을 애플리케이션에 맞춘다.
- 정확도: 개선된 환각 결과도 스트레스 테스트 오류율이다. 고위험 워크플로에서는 인용, 계산, 사실 주장 검증이 필요하다.
- 컨텍스트와 비용: 100만 토큰 윈도우로 매우 큰 요청이 가능하고 비용도 높아진다. 실제 프롬프트, 생성 답변, 재시도, 반복 컨텍스트에 예산을 잡는다. 캐시 읽기 요율은 사용 기록에서 적중이 보고될 때만 적용한다.
Moonshot은 K3.1 Pro 출시에서 사이버 공격 능력에 대한 맞춤 훈련 제어도 설명한다. 방어 보안 작업을 평가하는 팀은 일반 코딩 결과를 가정하지 않고 필요한 승인 작업을 직접 테스트해야 한다.
자주 묻는 질문
Kimi K3.1 Pro와 Kimi K3는 같은가?
아니다. Moonshot은 K3.1 Pro를 K3의 후훈련 업그레이드로 설명하며, 코딩, 3D 생성, 금융 연구, 사실 정확도 스트레스 테스트에서 개선을 보고한다. 100만 토큰 컨텍스트와 시각 이해를 유지한다.
Felo API에 어떤 모델 ID를 보내야 하나?
kimi-k3.1-pro를 사용한다. Felo에서는 MXFP4와 Highspeed가 해당 공개 모델 ID의 제공 채널이다. 특정 경로가 필요하면 X-Felo-Channel로 선택한다.
모델 엔드포인트에서 3D 모델이나 비디오를 직접 만들 수 있나?
시각 입력을 이해하고 3D 및 비디오 워크플로 계획, 코드, 스크립트를 작성할 수 있다. Felo는 현재 텍스트를 이 모델 엔드포인트의 출력 모달리티로 표시한다. 에셋 생성에는 렌더러, 디자인 도구, 생성 서비스가 필요하다.
MXFP4와 Highspeed 중 무엇을 써야 하나?
토큰 비용이 주요 제약이면 MXFP4로 시작한다. 대기 시간이 제품이나 에이전트 루프에 영향을 주면 Highspeed를 테스트한다. Moonshot은 Highspeed가 동일한 모델 능력으로 약 2~3배 속도를 제공한다고 설명한다. Felo의 공개 입력 및 출력 요율은 MXFP4의 두 배이다.
전체 모델을 이미 자체 호스팅할 수 있나?
Moonshot은 K3.1 Pro 전체 가중치 공개를 2026년 11월 4일까지 예정한다고 안내한다. 공식 공개 페이지에서 최신 상태를 확인한다. Felo API 접근은 이미 가능하다.
직접 작업으로 테스트해보기
Kimi K3.1 Pro는 긴 컨텍스트, 도구 사용, 시각 또는 문서 근거가 결합된 작업에 적합하다. 보고된 개선 폭이 크지만, 실제로 중요한지 판단하려면 대표 작업을 실행하고 결과를 확인하며 MXFP4와 Highspeed 경로의 총 비용을 비교한다.
Felo API에서 Kimi K3.1 Pro 살펴보기 →
이 글은 다음 언어로도 읽을 수 있습니다: English, 简体中文, 日本語, 繁體中文, हिन्दी, Français, العربية, Русский, اردو, Bahasa Indonesia, Deutsch, Tiếng Việt, Türkçe, Italiano, ไทย, Español, বাংলা, Português.