Kimi K3.1 Pro บน Felo API: ความสามารถ, ผลทดสอบ, ราคา และวิธีตั้งค่า

คู่มือรายละเอียดเกี่ยวกับ Kimi K3.1 Pro บน Felo API: ขอบเขต 1 ล้านโทเคน, รับอินพุตภาพ, ผลงานด้านโค้ดและการเงิน, ราคา และการตั้งค่า API

Kimi K3.1 Pro พร้อมใช้งานผ่าน Felo API แล้ว ผู้ใช้ที่ต้องการนำไปใช้กับเอเจนต์โค้ด, เวิร์กโฟลว์ภาพ หรือการวิจัยกับชุดเอกสารขนาดใหญ่ คู่มือนี้รวมข้อมูลสำคัญก่อนเริ่มต้นใช้งานจริง: ความแตกต่างจาก K3, ผลทดสอบที่เผยแพร่, อินพุตที่ Felo รองรับ และวิธีเลือกเส้นทางผู้ให้บริการทั้งสองแบบ

Felo กำหนดรหัสโมเดลสาธารณะเป็น kimi-k3.1-pro สามารถดูรายละเอียดใน แคตตาล็อกโมเดลของ Felo และทดสอบใน Playground

Kimi K3.1 Pro โดยสรุป

รายละเอียด	สิ่งที่มีให้ใช้งานตอนนี้
โมเดล	โมเดลเรือธง K3.1 รุ่นแรกของ Moonshot AI พัฒนาต่อจาก Kimi K3
Felo model ID	kimi-k3.1-pro
Context window	1,048,576 โทเคน (ประมาณ 1 ล้าน)
อินพุต	ข้อความ, รูปภาพ และวิดีโอ
เอาต์พุต	ข้อความ; สามารถเขียนโค้ดสำหรับเวิร์กโฟลว์ 3D แต่โมเดลไม่ส่งคืนไฟล์ 3D หรือวิดีโอที่สร้างโดยตรง
การให้เหตุผล	เปิดใช้งานโดยค่าเริ่มต้น; Felo ระบุระดับความพยายาม max, high, low, และ none โดยตั้งค่าเริ่มต้นเป็น max
โปรโตคอลที่แนะนำของ Felo	Messages ที่ POST https://openapi.felo.ai/api/v1/messages
เส้นทางผู้ให้บริการบน Felo	Moonshot AI MXFP4 และ Moonshot AI Highspeed

ข้อมูลเหล่านี้นำมาจาก รายการโมเดลปัจจุบันของ Felo ขอบเขต context ขนาดใหญ่เป็นข้อจำกัดด้านความจุ ไม่ใช่การรับประกันว่าทุกข้อมูลในพรอมต์ขนาดล้านโทเคนจะถูกจดจำครบถ้วน งานจริงควรทดสอบความยาว รูปแบบอินพุต และการตั้งค่าการให้เหตุผลที่ต้องการใช้

มีอะไรเปลี่ยนจาก Kimi K3?

Moonshot อธิบาย K3.1 Pro ว่าเป็น เวอร์ชันที่ผ่านการฝึกอบรมเพิ่มเติมของ K3 โดยใช้คอมพิวต์และ reinforcement learning เพิ่มเติมกับงาน downstream หลายประเภท จุดนี้สำคัญ เพราะคำกล่าวสาธารณะเน้นการปรับปรุงพฤติกรรมด้านโค้ด, เอเจนต์, งานภาพ และงานความรู้ ไม่ใช่การเปลี่ยนแปลงสถาปัตยกรรมฐานใหม่ หน้ารายละเอียด K3.1 Pro บน Felo สรุปข้อมูลโมเดลและเส้นทาง API ที่รองรับ

K3 เดิมเป็นโมเดล mixture-of-experts ขนาด 2.8 ล้านล้านพารามิเตอร์ (3T-class) มีดีไซน์ที่ใช้ Kimi Delta Attention และ Attention Residuals รองรับความเข้าใจภาพโดยตรงและ context window ขนาดหนึ่งล้านโทเคน K3.1 Pro พัฒนาต่อจาก K3 จึงควรเข้าใจพื้นฐานนี้ Moonshot ยังไม่ปล่อยน้ำหนัก K3.1 ฉบับเต็มหรือสเปกสถาปัตยกรรมแยก ดูสถาปัตยกรรมและสเปก K3 บน Felo

การเปลี่ยนแปลงที่เห็นผลคือความสามารถของโมเดลในการทำงานจนจบ Moonshot รายงานความก้าวหน้าในโค้ดระยะยาว, 3D modeling, วิจัยการเงิน และความถูกต้องของข้อมูลใน stress test K3.1 Pro มีตัวเลือก Highspeed ที่ Moonshot ระบุว่าทำงานเร็วขึ้น ประมาณ 2–3 เท่า เมื่อเทียบกับรุ่นปกติ โดยยังคงความสามารถเท่าเดิม เส้นทางที่เร็วขึ้นมีราคาโทเคนสูงกว่า

ราคาขั้นต่ำที่เผยแพร่ก็เปลี่ยนไปด้วย Felo ระบุ K3 ที่ $3 ต่อหนึ่งล้านโทเคนอินพุต และ $15 ต่อหนึ่งล้านโทเคนเอาต์พุต ส่วน K3.1 Pro (MXFP4) อยู่ที่ $2 และ $10 ตามลำดับ ทำให้เส้นทางราคาต่ำของรุ่นใหม่ถูกลงหนึ่งในสามต่อโทเคนอินพุตหรือเอาต์พุตที่ไม่ถูกแคช ควรเปรียบเทียบช่องทางและ latency ที่จะใช้จริงก่อนสรุปว่าประหยัดต้นทุน

จุดแข็งของโมเดล

โค้ดระยะยาวและเอเจนต์

K3.1 Pro ออกแบบให้ทำงานเกินกว่าการเขียนโค้ดสั้น ๆ ตัวอย่างของ Moonshot รวมถึงการพัฒนาหลายไฟล์, ดีบัก, สร้าง front-end, งาน game engine และงานที่ต้องตรวจสอบและแก้ไขซ้ำ ผล Kimi Code Bench 3.0 Long-horizon เพิ่มจาก 55.95% (K3) เป็น 61.2% (K3.1 Pro) ส่วน Terminal-Bench 4.0 K3.1 Pro ได้ 65.7% ในการประเมินของ Moonshot

สำหรับทีมวิศวกรรม คำถามสำคัญคือโมเดลเปลี่ยน repository ได้โดยไม่หลงประเด็นหรือไม่: อ่านไฟล์ที่ถูกต้อง, เสนอแพตช์, รันเช็กที่เกี่ยวข้อง และกู้คืนเมื่อเทสต์ล้มเหลว ให้โจทย์จริงและตรวจสอบ diff กับผลเทสต์ แผนงานที่ดูดีไม่ใช่หลักฐานว่างานเสร็จสมบูรณ์

งานภาพ วิดีโอ และ 3D

Felo รองรับ อินพุตข้อความ รูปภาพ และวิดีโอ และส่งคืนข้อความ K3.1 Pro จึงเหมาะกับงานอธิบายภาพหน้าจอ, เปรียบเทียบเฟรม, วิเคราะห์ภาพอ้างอิง หรือเขียนโค้ด/สคริปต์สำหรับ pipeline 3D โมเดลนี้ไม่สร้างไฟล์ภาพ วิดีโอ หรือ 3D โดยตรง ต้องนำเอาต์พุตไปใช้กับเครื่องมือหรือเวิร์กโฟลว์สร้างไฟล์

Moonshot รายงาน 92.7% บน BenchCAD พร้อมเครื่องมือ ทดสอบการสร้างวัตถุ 3D จากหลายมุมมองผ่านโค้ด CAD ตัวอย่างที่เผยแพร่รวมถึงสคริปต์ Blender, CAD, ฉาก Three.js แบบ interactive และงานใน Unity, Unreal Engine, Godot ตัวอย่างเหล่านี้แสดงแนวทางประเมิน ไม่ได้แปลว่าทุกเครื่องมือรวมอยู่ใน API ปกติ

วิจัยและโมเดลการเงิน

Moonshot รายงาน 64.4 บน OfficeQA Pro v2 ทดสอบการวิเคราะห์เอกสารการเงิน เช่น การค้นหา ข้ามเอกสาร และเหตุผลเชิงตัวเลข ในการประเมินภายใน K3.1 Pro ได้ 70.4 เทียบกับ 58.8 (K3) ด้านวิจัยการเงิน และ 57.6 เทียบกับ 50.4 ด้านโมเดลการเงิน คะแนนเหล่านี้เฉพาะงาน ไม่ใช่ผลตอบแทนหรือความถูกต้องทุกคำถาม

เหมาะกับการทดสอบกับชุดข้อมูลควบคุม เช่น รายงานประจำปี, เอกสารยื่น, ข้อมูลผลประกอบการ และโจทย์ที่ต้องอ้างอิงข้อความและแสดงการคำนวณ ควรเก็บเอกสารต้นทางและการคำนวณไว้ตรวจสอบ ในเวิร์กโฟลว์ที่ใช้ตัดสินใจทางการเงิน ต้องตรวจสอบซ้ำโดยอิสระ

เอกสารยาวและวิจัยหลายขั้นตอน

Context window ขนาดหนึ่งล้านโทเคนช่วยให้แอปพลิเคชันส่งข้อมูลได้มากกว่าการแชทสั้น ๆ เช่น โค้ด, ทรานสคริปต์, รายงาน, รูปภาพ, ประวัติสนทนา อยู่ใน context เดียวกัน โมเดลยังทำงานในเวิร์กโฟลว์เอเจนต์หลายขั้นผ่าน tool call ได้ แต่ความจุ context กับพฤติกรรมเอเจนต์เป็นคนละเรื่อง พรอมต์ยาวต้องมีโจทย์ชัดเจน, แผนผังเอกสาร, วิธีตรวจคำตอบ เอเจนต์ต้องมีเครื่องมือและการจัดการผลลัพธ์โดยนักพัฒนา

สำหรับงานวิจัย ให้โมเดลค้นหาแหล่งข้อมูลก่อน แล้วตอบพร้อมอ้างหน้า/ส่วน และแยกรายการจุดไม่แน่ใจ โครงสร้างนี้ช่วยให้ตรวจจับข้อผิดพลาดง่ายกว่าสรุปยาว ๆ

Moonshot และ Felo ยังพูดถึงการประสานงานเอเจนต์หลายตัวที่ขยายได้ถึงร้อยซับเอเจนต์ นี่เป็นความสามารถของระบบเอเจนต์รอบโมเดล ไม่ใช่ผลลัพธ์ API เดี่ยว นักพัฒนายังต้องจัดการคน เครื่องมือ งบประมาณ และขั้นตอนตรวจสอบ ดูรายละเอียดโมเดลบน Felo

วิธีอ่านตัวเลขผลทดสอบ

ประกาศของ Moonshot มีผลประเมินหลายรายการ ตารางด้านล่างคัดเฉพาะงานที่แตกต่างกัน ไม่รวมคะแนนต่างชนิดเป็นอันดับเดียวกัน

การประเมิน	K3.1 Pro	เปรียบเทียบโดย Moonshot	ทดสอบอะไร
Terminal-Bench 4.0	65.7%	Claude Opus 5.5: 66.4%; GPT-6 Astra: 58.2%	เอเจนต์โค้ดบนงานเทอร์มินัลพร้อมเทสต์เฉพาะงาน
Kimi Code Bench 3.0 Long-horizon	61.2%	K3: 55.95%	เบนช์มาร์กโค้ดหลายขั้นตอนภายในของ Moonshot
BenchCAD พร้อมเครื่องมือ	92.7%	Claude Opus 5.5: 96.2%; GPT-6 Astra: 95.9%	สร้างโค้ด CAD จากภาพหลายมุมมอง
วิจัยการเงิน (ภายใน)	70.4	K3: 58.8	วิจัยการเงินโดยอิงหลักฐาน
โมเดลการเงิน (ภายใน)	57.6	K3: 50.4	สูตรเวิร์กบุ๊ก ตรรกะการเงิน และคุณภาพโมเดลสุดท้าย
Kimi Hallu Bench Hard	อัตรา hallucination ระดับ claim 8.3%	K3: 23.4%; ต่ำกว่าดีกว่า	ทดสอบความถูกต้องเชิงข้อเท็จจริงแบบยากโดยตั้งใจ

ค่าทั้งหมดมาจากประกาศเทคนิคของ Moonshot AI K3.1 Pro ไม่ใช่ผลทดสอบโดย Felo หากไม่ระบุ Moonshot รายงานผล K3.1 Pro ที่ reasoning max, temperature 1.0, top-p 0.95 ชุดทดสอบแต่ละแบบใช้ harness ต่างกัน และบางเปรียบเทียบใช้ผลที่ผู้ให้บริการอื่นเผยแพร่ โดยเฉพาะ Kimi Code Bench และคะแนนการเงินสองรายการเป็นการประเมินภายใน ใช้เพื่อเลือกชุดทดสอบของงานจริง ไม่ใช่คาดหวังอัตราผ่านเท่ากันใน production Felo ก็แสดงผลบางส่วนใน หน้ารายละเอียดโมเดล

ตัวเลข hallucination ต้องระวัง 8.3% คืออัตราระดับ claim บน Kimi Hallu Bench Hard ซึ่งออกแบบมาเพื่อจับข้อผิดพลาด Moonshot ระบุชัดเจนว่าไม่ใช่อัตราผิดพลาดในงานปกติ เป็นหลักฐานว่าดีขึ้นจาก K3 ในการทดสอบนี้ ไม่ใช่เหตุผลให้ข้ามการตรวจสอบแหล่งข้อมูล

ราคาและตัวเลือกผู้ให้บริการบน Felo API

Felo มีสองช่องทาง Moonshot AI สำหรับ kimi-k3.1-pro อัตราที่เผยแพร่ต่อ หนึ่งล้านโทเคน เป็นดอลลาร์สหรัฐ:

ช่องทาง Felo	อินพุต	เอาต์พุต	อ่านแคช
moonshotai-mxfp4	$2	$10	$0.20
moonshotai-highspeed	$4	$20	$0.20

หน้ารายละเอียดโมเดลสด คือแหล่งข้อมูลราคา Highspeed เป็นช่องทางเริ่มต้นในแคตตาล็อก Felo หากงบประมาณหรือ latency ขึ้นกับเส้นทาง ให้ส่ง X-Felo-Channel โดยตรง อย่าคาดเดาว่า request จะใช้ผู้ให้บริการใด คู่มือ routing ของ Felo อธิบาย header และ fallback

ตัวอย่างเช่น request ที่มี อินพุต 200,000 โทเคนที่ไม่ถูกแคช และ เอาต์พุต 8,000 โทเคน จะมีค่าใช้จ่ายประมาณ $0.48 บน MXFP4 (0.2 × $2 + 0.008 × $10) หรือ $0.96 บน Highspeed (0.2 × $4 + 0.008 × $20) หากอินพุต 100,000 โทเคนเข้าเกณฑ์อ่านแคช จะจ่าย $0.02 บนทุกช่องทาง การเจอ cache hit ไม่แน่นอน ขึ้นกับบริการต้นทางและ request คู่มือราคาของ Felo อธิบายวิธีคิดโทเคนและแคช

ตัวเลขเหล่านี้เป็นประมาณการโทเคนโมเดล ควรตรวจสอบอัตราปัจจุบัน, ประวัติการใช้งาน และเครื่องมือที่คิดเงินอื่น ๆ ก่อนนำไปใช้ในงบประมาณจริง Felo API ใช้เครดิตเติมเงิน ไม่ต้องสมัครสมาชิก อ่านคู่มือ billing

เริ่มใช้ Kimi K3.1 Pro บน Felo

1. สร้าง Felo API key และเติมเครดิตหากบัญชีต้องการ
2. ทดลองพรอมต์ใน Playground โดยใช้เนื้อหาคล้ายกับแอปพลิเคชันของคุณ
3. ย้ายพรอมต์ไปยังไคลเอนต์ของคุณโดยใช้ model ID สาธารณะ Endpoint Messages เป็นโปรโตคอลแนะนำในหน้ารายละเอียดโมเดล Felo

ตัวอย่าง request ด้านล่างระบุใช้ช่องทาง MXFP4 ที่ราคาต่ำกว่าอย่างชัดเจน:

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."
      }
    ]
  }'

หากต้องการเลือกเส้นทางที่เร็วขึ้น ให้เปลี่ยน header เป็น X-Felo-Channel: moonshotai-highspeed หากต้องการให้ Felo เลือกเอง ให้ละ header นี้ Felo รับ routing header เดียวกันบน endpoint Chat Completions, Responses และ Messages การเลือกช่องทางโดยตรงไม่เปลี่ยนไปใช้ผู้ให้บริการอื่นอัตโนมัติ หากต้องการเปลี่ยนต้อง retry เอง ดูเอกสาร routing ของ Felo

SDK, สตรีมมิ่ง, เครื่องมือ และ reasoning

Felo มีสามรูปแบบการเรียกโมเดลที่เข้ากันได้ เลือกแบบที่แอปพลิเคชันของคุณรองรับอยู่แล้ว:

รูปแบบไคลเอนต์	Endpoint	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

สำหรับ SDK ที่รองรับ Anthropic base URL จะจบที่ /api SDK จะเติม /v1/messages เอง โปรโตคอล Messages ต้องระบุ max_tokens เพิ่ม "stream": true เพื่อรับ server-sent events และรอ event จบงาน ไม่ใช่ตัดสินจากการตัดการเชื่อมต่อ คู่มือโปรโตคอลของ Felo อธิบายรูปแบบ request และพฤติกรรมสตรีม

ตัวเลือกเหล่านี้เป็นระดับแพลตฟอร์ม ควรตรวจสอบว่าคู่ parameter และ modality ที่ต้องการใช้ได้กับ K3.1 Pro ก่อนย้าย integration เดิม

Felo ระบุ tools, tool_choice, พารามิเตอร์ structured-output และ reasoning control สำหรับโมเดลนี้ ค่า reasoning-effort ที่รองรับคือ max, high, low, none โดยตั้ง max เป็นค่าเริ่มต้น การรองรับแต่ละค่าอาจต่างกันในแต่ละโมเดลและโปรโตคอล ควรทดสอบคู่พารามิเตอร์ที่ต้องใช้จริงก่อน Benchmark ส่วนใหญ่ใช้ max ลด effort เป็นการทดลองคุณภาพและต้นทุน ไม่ใช่วิธีทำซ้ำคะแนน ตรวจสอบความสามารถโมเดลปัจจุบัน

หากเวิร์กโฟลว์ต้องใช้ข้อมูลเว็บใหม่ เครื่องคิดเลข เชลล์ repository หรือโปรแกรม CAD ต้องเตรียมและควบคุมเครื่องมือเหล่านั้นในแอปพลิเคชันเอง การเรียก kimi-k3.1-pro เพียงอย่างเดียวไม่รันเครื่องมือภายนอกหรือยืนยันข้ออ้างอิง

แผนประเมินผลที่ใช้งานได้จริง

K3.1 Pro มีขอบเขตกว้างจนการทดสอบแบบ "โมเดลไหนดีที่สุด" ไม่ให้ข้อมูลมาก สามการทดลองเล็ก ๆ ให้หลักฐานที่ใช้งานได้มากกว่า:

1. โค้ด: ให้โจทย์จริงและ context repository ที่เกี่ยวข้อง ต้องการแพตช์ เทสต์ และคำอธิบายความเสี่ยงที่เหลือ บันทึกผลเทสต์และจำนวนรอบใช้เครื่องมือ
2. ภาพหรือ 3D: ส่งภาพอ้างอิงหรือหลายมุมมองและขอแผนหรือสคริปต์โมเดล ให้คนหรือ renderer ตรวจสอบขนาดและรูปทรง ไม่ตัดสินจากข้อความอย่างเดียว
3. วิจัย: ให้ชุดเอกสารคงที่และคำถามที่มีคำตอบแน่ชัด ต้องระบุแหล่งข้อมูล การคำนวณ และ "ไม่พบ" เมื่อไม่มีหลักฐาน

ทดสอบแต่ละแบบบนทั้งสองช่องทาง Felo หาก latency สำคัญ บันทึกโทเคนอินพุต เอาต์พุต แคช ต้นทุนรวม และเวลาที่ใช้ ใช้พรอมต์และเครื่องมือเดียวกันเมื่อเปรียบเทียบกับ K3 หรือโมเดลอื่น จะได้ตัดสินใจจากงานที่เสร็จต่อเงินและเวลาจริง ไม่ใช่แค่ benchmark

ข้อจำกัดและสถานะการปล่อยที่ควรทราบ

• กำหนดปล่อยน้ำหนัก: Moonshot ระบุว่า K3.1 Pro เป็นโมเดล open-weight แต่จะปล่อยน้ำหนักเต็มภายใน 4 พฤศจิกายน 2026 ตอนนี้ใช้ API ได้แล้ว อย่าอธิบายว่าน้ำหนักดาวน์โหลดได้แล้ว หน้ารายละเอียดโมเดล Felo ระบุวันปล่อย
• รูปแบบเอาต์พุต: Felo ระบุเอาต์พุตเป็นข้อความ แม้อินพุตมีภาพหรือวิดีโอ การสร้าง asset ต้องใช้เครื่องมือหรือ endpoint อื่น รายการโมเดล Felo
• การถ่ายโอน benchmark: คะแนนภายใน, ทดสอบพร้อมเครื่องมือ, เดโมระยะยาว ไม่เทียบเท่า API call เดี่ยว ต้องปรับการประเมินให้ตรงกับแอปพลิเคชัน
• ความถูกต้อง: ผล hallucination ที่ดีขึ้นยังเป็นอัตราผิดพลาดใน stress test ควรตรวจสอบคำอ้างอิง การคำนวณ และข้อเท็จจริงในงานสำคัญ
• context และต้นทุน: หน้าต่างหนึ่งล้านโทเคนช่วยให้ส่ง request ใหญ่ได้ แต่มีค่าใช้จ่ายสูง ควรเตรียมงบสำหรับพรอมต์ คำตอบ การ retry และ context ซ้ำ ใช้ราคาแคชเฉพาะเมื่อรายงานว่าเจอแคช

Moonshot ยังพูดถึงการควบคุมการฝึกเฉพาะด้าน cyber-offense ในรุ่น K3.1 Pro ทีมที่ประเมินงานด้านความปลอดภัยควรทดสอบงานที่ได้รับอนุญาตโดยตรง ไม่ใช่คาดหวังจากผลโค้ดทั่วไป

คำถามที่พบบ่อย

Kimi K3.1 Pro เหมือนกับ Kimi K3 หรือไม่?

ไม่ Moonshot อธิบาย K3.1 Pro ว่าเป็นการอัปเกรด K3 ด้วยการฝึกอบรมเพิ่มเติมและรายงานผลดีขึ้นด้านโค้ด, 3D, วิจัยการเงิน และ stress test ความถูกต้อง ยังมี context ขนาดหนึ่งล้านโทเคนและความเข้าใจภาพโดยตรง

ต้องส่ง model ID อะไรไป Felo API?

ใช้ kimi-k3.1-pro บน Felo MXFP4 และ Highspeed เป็นช่องทางผู้ให้บริการของ model ID นี้ เลือกด้วย X-Felo-Channel หากต้องการเส้นทางเฉพาะ

โมเดลสร้าง 3D หรือวิดีโอโดยตรงผ่าน endpoint ได้หรือไม่?

โมเดลเข้าใจอินพุตภาพและเขียนแผน โค้ด หรือสคริปต์สำหรับเวิร์กโฟลว์ 3D และวิดีโอ Felo ระบุเอาต์พุต ข้อความ ต้องใช้ renderer, เครื่องมือออกแบบ หรือบริการสร้างไฟล์เพื่อได้ asset จริง

ควรใช้ MXFP4 หรือ Highspeed?

เริ่มที่ MXFP4 หากต้องการควบคุมต้นทุนโทเคน ทดสอบ Highspeed หากเวลารอมีผลต่อผลิตภัณฑ์หรือวงจรเอเจนต์ Moonshot ระบุว่า Highspeed มีความสามารถเท่าเดิมแต่เร็วขึ้นประมาณ 2–3 เท่า ขณะที่ Felo ตั้งราคาอินพุตและเอาต์พุตสูงกว่า MXFP4 สองเท่า

โมเดลเต็มพร้อมให้โฮสต์เองแล้วหรือยัง?

Moonshot ระบุว่าน้ำหนัก K3.1 Pro เต็มจะปล่อยภายใน 4 พฤศจิกายน 2026 ตรวจสอบหน้าปล่อยอย่างเป็นทางการสำหรับสถานะล่าสุด Felo API ใช้งานได้แล้ว

ทดลองกับงานของคุณเอง

Kimi K3.1 Pro เหมาะกับงานที่ต้องใช้ context ยาว เครื่องมือ และข้อมูลภาพหรือเอกสาร ผลที่รายงานมีความก้าวหน้า แต่การตัดสินใจว่ามีผลกับงานของคุณหรือไม่ ให้ลองงานจริง ตรวจสอบผลลัพธ์ และเปรียบเทียบต้นทุนรวมของ MXFP4 กับ Highspeed

สำรวจ Kimi K3.1 Pro บน Felo API →

---

บทความนี้มีให้อ่านในภาษาต่อไปนี้ด้วย: 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, Español, বাংলা and Português