Moonshot AI merilis Kimi K3.1 Pro pada 23 Oktober 2026, dan angka pertama yang keluar dari penguji independen bukan soal ukurannya. Lembaga evaluasi Artificial Analysis menempatkan model ini di peringkat keempat Intelligence Index dengan skor 55, hanya tiga poin di bawah model teratas. Bedanya, K3.1 Pro adalah model berbobot terbuka. Begitu bobotnya dirilis, jarak antara model terbuka terbaik dan model tertutup terbaik menyempit dari 12 poin menjadi 3.
Bagi pengguna di Indonesia, implikasinya bukan sekadar papan skor. Model sekelas ini menentukan harga layanan AI yang akan dipakai startup, kampus, dan kantor pemerintahan tahun depan.
Apa yang dirilis Moonshot
K3.1 Pro adalah versi pasca-pelatihan dari Kimi K3 dengan komputasi pasca-pelatihan yang jauh lebih besar. Arsitekturnya berukuran 2,8 triliun parameter total dengan 104 miliar parameter aktif dalam skema mixture-of-experts, dan jendela konteksnya mencapai 1 juta token. Model menerima teks, gambar, dan video melalui API. Moonshot juga merilis varian K3.1 Pro Highspeed yang diklaim berjalan dua sampai tiga kali lebih cepat.
Layanan ini aktif di Kimi.ai, Kimi Work, Kimi Code, dan Kimi API dengan harga 2 dolar AS per juta token input dan 10 dolar AS per juta token output; cache hit 0,20 dolar AS. Menurut Artificial Analysis, tarif itu sekitar 33 persen lebih murah dari K3 pada ketiga komponen biaya.
Yang belum tersedia adalah bobotnya. Moonshot menyatakan bobot penuh dijadwalkan rilis 4 November 2026. Sampai tanggal itu tiba, klaim "open-weight" masih berupa janji, bukan fakta yang bisa diunduh siapa pun.
Loncatan yang paling berarti bukan di ujian akademik
Perhatikan pola skornya. Pada ujian pengetahuan umum, kenaikannya moderat: Humanity's Last Exam dari 47 menjadi 52 persen, SciCode dari 59 menjadi 61 persen. Tetapi pada tugas agen, lompatannya besar. Terminal-Bench 4.0 naik dari 13 persen pada K3 menjadi 67 persen menurut Artificial Analysis; pada GDPval-AA, skornya 1.846 Elo atau naik 312 Elo. AutomationBench-AA, yang menguji alur kerja SaaS, naik dari 58 menjadi 73 persen.
Artinya, kemajuan model generasi ini terutama terjadi pada kemampuan menyelesaikan pekerjaan berlapis: membaca instruksi, memakai alat, memperbaiki kesalahan sendiri. Ini persis jenis kemampuan yang dibutuhkan untuk otomasi tugas kantor, bukan untuk lomba kuis.
Ada satu catatan penting. Angka-angka Moonshot sendiri berbeda tipis dari penguji independen; di blog resmi Kimi, Terminal-Bench 4.0 disebut 65,7 persen dengan selisih 0,7 poin dari model pesaing, sementara Artificial Analysis mencatat 67 persen dan menyebutnya sebagai skor tertinggi yang pernah mereka ukur. Selisih seperti ini normal dalam evaluasi model, tetapi pembaca sebaiknya memperlakukan angka benchmark mana pun sebagai indikasi, bukan bukti final.
Kejujuran yang membaik, dan yang masih jadi celah
Satu temuan yang jarang jadi sorotan media tetapi penting bagi pemakai bisnis: tingkat halusinasi turun. Pada AA-Omniscience Index, skor K3.1 Pro naik dari 20 ke 30, terutama karena tingkat halusinasi turun dari 53 persen ke 44 persen dan akurasi naik dari 48 ke 51 persen. Moonshot, dengan tolok ukur internalnya sendiri, mengklaim klaim-level halusinasi turun dari 23,4 persen ke 8,3 persen.
Tetap saja, 44 persen halusinasi pada uji Artificial Analysis bukan angka yang bisa diabaikan. Model ini cocok untuk mempercepat pekerjaan yang hasilnya diperiksa manusia, bukan untuk dibiarkan mengambil keputusan tanpa pengawasan.
Kelemahan lain lebih spesifik. Pada Terminal-Bench Science 0.1, K3.1 Pro hanya mencetak 38,1, jauh di bawah 68,1 milik GPT-6 Astra dalam bagan perbandingan Kimi sendiri. Pekerjaan ilmiah berbasis terminal masih menjadi titik lemah.
Sisi keamanan siber yang sengaja diturunkan
Menarik bahwa Moonshot memilih mengurangi kemampuan siber sebelum merilis bobot terbuka. Perusahaan menghapus data terkait siber dari pelatihan menengah dan reinforcement learning untuk versi rilis ini. Pada tolok ukur internal xdev-bench-hard, checkpoint tanpa filter menyelesaikan 90,5 persen tugas pada pass@3, sedangkan K3.1 Pro yang dirilis hanya 81,0 persen. Moonshot menyatakan modelnya tetap tertinggal dari model tertutup terdepan pada tugas siber ofensif.
Ini pola yang layak dicatat: setelah rilis model terbuka besar memicu kekhawatiran penyalahgunaan, lab mulai memasukkan kontrol risiko ke dalam ritme produk, bukan sebagai lampiran etika di akhir.
Kenapa ini relevan untuk Indonesia
Selama dua tahun terakhir, pilihan model bagi pengembang Indonesia praktis terbelah: pakai API model tertutup dengan biaya dolar dan ketergantungan pada penyedia luar, atau pakai model terbuka berukuran lebih kecil dengan kemampuan agen yang tertinggal. Model seperti K3.1 Pro mempersempit celah itu di atas kertas, dengan catatan biaya penyajiannya tidak kecil.
Ukuran 2,8 triliun parameter bukan model yang bisa dijalankan di satu GPU. Untuk kelas K3, Moonshot menyarankan supernode berisi 64 akselerator atau lebih dengan bobot MXFP4. Artinya, self-hosting realistis hanya untuk kampus besar, perusahaan dengan pusat data sendiri, atau penyedia layanan lokal yang menjual ulang kapasitas. Untuk kebanyakan pengembang, jalur praktisnya tetap API.
Yang berubah adalah posisi tawar. Ketika kualitas model terbuka dan tertutup hanya terpaut tiga poin, biaya dan kedaulatan data menjadi faktor penentu pilihan, bukan lagi sekadar selisih kemampuan.
Yang perlu dipantau
Bobot K3.1 Pro dijadwalkan dirilis 4 November 2026 menurut pengumuman resmi @Kimi_Moonshot. Tiga hal menentukan apakah klaim "selisih tiga poin" bertahan. Pertama, apakah bobot benar-benar dirilis 4 November dan dengan lisensi apa. Kedua, apakah hasil Artificial Analysis terkonfirmasi oleh penguji lain pada penggunaan nyata, bukan benchmark. Ketiga, bagaimana harga API bergerak setelah pesaing merespons, karena penurunan 33 persen hari ini bisa menjadi titik awal perang harga berikutnya.
Untuk sekarang, kesimpulan yang aman: model terbuka sudah masuk liga yang sama dengan model tertutup pada pekerjaan agen, dan itu mengubah peta pilihan teknologi untuk siapa pun yang membangun produk AI dari Indonesia.