Penantian itu berakhir pekan ini. Setelah berbulan-bulan ditunggu pengembang, Moonshot AI merilis Kimi K3.1 Pro — model penalaran (reasoning) raksasa dengan bobot terbuka yang langsung menempati peringkat keempat pada Artificial Analysis Intelligence Index dengan skor 55.
Bagi Indonesia, angka itu bukan sekadar papan skor. Kimi K3.1 Pro adalah model berbobot terbuka (open weight) yang bisa dijalankan sendiri oleh perusahaan atau pengembang, dengan harga API yang dipangkas 33 persen. Itu artinya opsi model kelas atas semakin murah — dan semakin banyak yang bisa dipasang di infrastruktur lokal, bukan hanya disewa dari penyedia asing.
Lompatan yang besar dalam satu generasi
Kenaikan skor dari Kimi K3 (44) ke K3.1 Pro (55) tidak merata di semua bidang — dan justru di situlah ceritanya menarik. Artificial Analysis mencatat lonjakan paling tajam pada kemampuan agenik, yaitu kemampuan model menyelesaikan tugas bertahap alih-alih sekadar menjawab pertanyaan:
- Terminal-Bench 4.0 — dari 13 persen pada Kimi K3 menjadi 67 persen, skor tertinggi dari model mana pun yang diuji lembaga itu, melampaui model 5.5 (64 persen).
- GDPval-AA — 1.846 Elo di peringkat ketiga, naik 312 Elo dalam satu generasi.
- AutomationBench-AA — yang menguji alur kerja SaaS agenik, naik dari 58 persen ke 73 persen.
Selebihnya moderat: Humanity's Last Exam 47 persen ke 52 persen, CritPt 23 persen ke 25 persen, dan SciCode 59 persen ke 61 persen. Yang juga membaik adalah tingkat halusinasi: AA-Omniscience Index naik dari 20 ke 30, dengan tingkat halusinasi turun dari 53 persen ke 44 persen dan akurasi jawaban naik dari 48 persen ke 51 persen.
Dari sisi teknis, K3.1 Pro adalah model mixture-of-experts berukuran 2,8 triliun parameter total dengan 104 miliar parameter aktif, jendela konteks 1 juta token, dan masukan teks serta gambar.
Lebih pintar, lebih murah
Yang membuat kenaikan performa ini penting secara praktis adalah arah harganya. Harga token pihak pertama K3.1 Pro 33 persen lebih rendah dari Kimi K3 di ketiga kategori: 2 dolar per juta token masukan, 10 dolar per juta token keluaran, dan 0,20 dolar per juta token cache hit.
Namun ada catatan pentingnya. Biaya per tugas versi Artificial Analysis — yang memperhitungkan jumlah token yang terpakai, bukan hanya harga per token — praktis sama dengan K3, yaitu 1,98 dolar per tugas. Penyebabnya, K3.1 Pro memakai 55 ribu token keluaran per tugas Intelligence Index, 14 persen lebih banyak dari K3 (48 ribu). Model yang lebih pintar cenderung "berpikir" lebih panjang, dan itu ikut menagih.
Untuk tim engineering di Indonesia, implikasinya dua arah: tarif resmi lebih murah, tapi penghematan riil baru terasa kalau arsitektur aplikasinya memakai caching konteks dengan baik.
Soal bobot terbuka dan celah dengan model proprietary
Saat artikel ini ditulis, bobot K3.1 Pro belum dipublikasikan. Ringkasan industri AIBriefs menyebut Moonshot menjanjikan rilis penuh paling lambat 4 November 2026. Artificial Analysis memproyeksikan bahwa begitu bobotnya dilepas, K3.1 Pro akan menjadi model berbobot terbuka dengan skor tertinggi, dan selisih antara model terbuka terbaik dan model proprietary di Intelligence Index menyempit dari 12 poin menjadi 3 poin.
Bagi pasar Indonesia, ini relevan untuk dua hal: kepatuhan data (model bisa dijalankan sendiri tanpa mengirim data ke luar negeri) dan biaya jangka panjang pada beban kerja bervolume besar.
Moonshot memangkas kemampuan peretasan
Satu hal yang menarik perhatian: Moonshot mengklaim memangkas kemampuan model barunya di bidang peretasan. The Next Web melaporkan bahwa model terbuka baru ini disebut berada dalam selisih satu poin dari model 5.5 pada kemampuan koding, sementara lab asal Tiongkok itu menegaskan pihaknya menekan kemampuan siber yang berbahaya.
Klaim semacam itu nyaris selalu sulit diverifikasi dari luar, dan risikonya nyata. Rilis Kimi K3.1 Pro terjadi di tengah guncangan keamanan global akibat PHP2Shell — dua celah PHP yang ditemukan dengan bantuan AI dan memaksa situs pemerintah di banyak negara dimatikan. Kemampuan agenik yang naik drastis, bersamaan dengan kemampuan siber yang diklaim ditekan, adalah kombinasi yang layak dipantau, bukan sekadar dirayakan.
Bukan hanya satu model
K3.1 Pro bukan rilis tunggal. Dalam kurun yang sama, Moonshot juga disebut merilis pembaruan model DeepSeek V4.1-Flash-1017, MiniMax M3.1 Flash (model agenik 428 miliar parameter dengan tarif 0,15 dolar per juta token masukan), serta Meta merilis Muse Spark Open, model berbobot terbuka 816 miliar parameter. Peta model terbuka sedang bergerak cepat.
Bagi pengembang yang sedang memilih mesin untuk produk AI-nya, artinya sederhana: evaluasi berkala makin penting, loyalitas pada satu vendor makin mahal. Yang paling diuntungkan justru tim yang membangun arsitektur yang bisa bertukar model tanpa menulis ulang aplikasi.
Yang perlu diuji sendiri
Skor benchmark tidak otomatis berlaku untuk kasus penggunaan Anda. Sebelum memutuskan pindah, ada baiknya menguji K3.1 Pro pada tugas yang benar-benar Anda kerjakan sehari-hari — bukan pada benchmark umum. Tiga hal yang layak diuji lebih dulu: seberapa baik ia memakai jendela konteks 1 juta token pada dokumen berbahasa Indonesia, seberapa stabil perilakunya pada alur kerja agenik dengan banyak langkah, dan berapa biaya nyata per tugas setelah memperhitungkan caching.
K3.1 Pro adalah tanda bahwa garis pemisah antara model terbuka dan tertutup sedang memudar. Pemenangnya bukan lab yang merilis skor tertinggi hari ini, melainkan tim yang paling siap memanfaatkannya.