Mức giá hấp dẫn chưa đủ để kết luận
Kimi K3.1 Pro là phiên bản hậu huấn luyện của mô hình Kimi K3 do Moonshot AI ra mắt ngày 24 tháng 10 năm 2026, nhằm cải thiện hành vi và hiệu suất mà không thay kiến trúc nền tảng. Điều khiến bản mới đáng chú ý trước hết là giá API Kimi thấp hơn đời trước hơn một phần ba: nguồn nêu mức phí theo triệu token đầu vào và đầu ra giảm từ 3/15 USD xuống 2/10 USD. Tuy nhiên, theo quy tắc biên tập của bài này, các mức giá bằng ngoại tệ không được tái nêu; điểm cần giữ lại là mức giảm đáng kể về tương quan, không phải một lời bảo đảm rằng mọi tác vụ đều rẻ hơn. Cửa sổ ngữ cảnh vẫn là 1.048.576 token, còn bản chất thay đổi nằm ở hậu huấn luyện quy mô lớn. Với người dùng phổ thông, đây là lý do hợp lý để chạy thử trên tác vụ lập trình, dùng công cụ hoặc xử lý tài liệu tài chính, chứ chưa phải lý do chuyển toàn bộ hệ thống.
Moonshot công bố Kimi K3.1 Pro như một mô hình có thể cạnh tranh ở nhiều bài đánh giá, nhưng chính dữ liệu hiện có khuyên người mua nên tách lời hứa về chi phí khỏi kết luận về năng lực. Một bảng điểm do hãng tự chạy có thể giúp nhận diện hướng cải thiện; nó không thay thế việc thử mô hình trên quy trình và dữ liệu của chính người dùng.
Benchmark của hãng: gần nhóm dẫn đầu, không phải số một
Moonshot công bố benchmark trên nhiều lĩnh vực, trong đó Terminal-Bench 4.0 là con số thu hút chú ý nhất: Kimi K3.1 Pro đạt 65,7%, so với 66,4% của Claude Opus 5.5 và 58,2% của GPT-6 Astra. Cách đọc đúng không phải “Kimi thắng mọi đối thủ”, mà là mô hình đứng sát nhóm đầu trong phép thử do hãng báo cáo. Bối cảnh quan trọng: các kết quả đến từ những thiết lập và bộ khung chạy khác nhau; mức nỗ lực của Claude được nêu là xhigh, cao hơn mặc định, trong khi Kimi dùng mức max mặc định. Vì vậy, khoảng cách giữa các con số không phải phép đo trực tiếp hoàn toàn tương đương.
Một điểm so sánh có ích hơn với thế hệ trước là Kimi Code Bench 3.0 dài hạn: bản Pro đạt 61,2%, còn Kimi K3 đạt 55,95%. Nhưng đây vẫn là benchmark và bộ công cụ đánh giá do Moonshot kiểm soát, nên kết quả có giá trị như tín hiệu cải thiện nội bộ hơn là bằng chứng độc lập. Các bài CAD cũng không cho thấy ưu thế áp đảo: khi dùng công cụ, Kimi đạt 92,7%, thấp hơn các điểm được công bố cho Claude Opus 5.5 và GPT-6 Astra. Benchmark Kimi vì thế cho thấy một hồ sơ pha trộn, không phải chiến thắng nhất quán.
Đánh giá độc lập làm bức tranh bớt thuận lợi
Artificial Analysis tự chạy bộ đánh giá của mình, thay vì lấy lại bảng điểm từ Moonshot, và chấm Kimi K3.1 Pro 55 điểm trong Intelligence Index phiên bản 4.3.2. Chỉ số này tổng hợp mười đánh giá; mô hình đứng thứ tư trong nhóm 215 mô hình được xếp hạng, cao hơn GPT-6 Astra với 53 nhưng dưới Claude Opus 5.5 với 58. Điểm 55 không thể đem so trực tiếp với 65,7% ở Terminal-Bench: một bên là chỉ số tổng hợp nhiều bài kiểm tra, bên kia là tỷ lệ hoàn thành trên một benchmark cụ thể.
Đánh giá độc lập còn nêu mức độ dài dòng cao: mô hình tạo 150 triệu token đầu ra trong quá trình chạy chỉ số, so với trung vị 87 triệu. Điều đó có thể làm giảm lợi thế của giá đầu vào thấp khi tác vụ cần nhiều đầu ra. Nguồn cũng ghi nhận tốc độ 73,5 token mỗi giây trên hạ tầng đánh giá, dưới mức trung bình 82. Đây là dữ liệu có ích cho quyết định triển khai, nhưng vẫn gắn với thiết lập của bên đánh giá; tốc độ và chi phí thực tế có thể thay đổi theo nhà cung cấp, độ dài yêu cầu và cách tích hợp.
Ô trống, giới hạn so sánh và việc nên làm tiếp theo
Bảng benchmark còn những ô thiếu dữ liệu, đặc biệt khi một số mô hình không có điểm ở cùng cấu hình hoặc không công bố kết quả cho một biến thể thử nghiệm. Ô trống không chứng minh mô hình yếu, nhưng cũng không cho phép suy ra mô hình mạnh hơn đối thủ. Cần thận trọng cả với các bài do hãng tự xây dựng, các bộ khung chạy khác nhau và kết quả chưa được bên thứ ba lặp lại. Một benchmark vừa là tuyên bố về mô hình, vừa phản ánh cách bài kiểm tra được thiết kế và thực thi.
Bước tiếp theo đáng chờ là kế hoạch Moonshot công bố mở toàn bộ trọng số trước ngày 4 tháng 11 năm 2026; khi đó cộng đồng có thêm cơ hội kiểm tra mô hình và tái tạo kết quả. Cho đến lúc ấy, cách tiếp cận khôn ngoan là thử trên một nhóm tác vụ đại diện, ghi lại chất lượng đầu ra, lượng token, độ trễ và lỗi, rồi so với mô hình đang dùng. Kết luận hiện tại khá rõ: Kimi K3.1 Pro có lý do để được thử nhờ mức giá tương đối thấp và một số điểm benchmark đáng chú ý, nhưng dữ liệu chưa đủ để gọi đây là lựa chọn vượt trội toàn diện.
