Kimi K3.1 Pro, Opus 5.5 절반 단가와 과제당 비용, 11월 가중치 공개 전 점검

Kimi K3.1 Pro 는 100만 토큰당 입력 2달러·출력 10달러로, Claude Opus 5.5 의 절반 단가다. 그런데 Artificial Analysis 가 잰 과제 1건당 비용은 2.11달러로, 단가가 더 비쌌던 전작 K3 와 거의 같다. 가중치는 11월 4일까지 공개될 예정이다. 그러니 코딩 에이전트의 주 모델을 지금 바꾸기보다, 보조 모델로 붙여 내 과제의 통과율과 비용부터 재 보는 편이 낫다.

01 K3 와 같은 2.8T 구조에 사후 학습을 더 얹었다

Moonshot AI 는 2026년 10월 23일 Kimi K3.1 Pro 와 고속 변형 K3.1 Pro Highspeed 를 함께 내놨다. 공식 블로그는 K3 에 사후 학습(post-training, 사전 학습을 마친 모델을 강화학습 등으로 다듬는 단계) 연산을 크게 늘린 버전이라고 설명하고, 크기는 3T급이라고만 적었다. The Decoder 보도에 따르면 총 파라미터는 2.8T, 토큰당 활성 파라미터는 104B 로 K3 와 같다. K3 용 vLLM 레시피는 이 구조를 전문가 896개 가운데 16개만 토큰마다 계산하는 MoE(전문가 혼합)로 설명한다. 문맥은 1,048,576 토큰이다. 입력은 텍스트와 이미지를 받고, 퀵스타트 문서와 OpenRouter 는 동영상 파일도 입력으로 적었다.

Moonshot 은 Highspeed 가 속도를 2~3배로 올린 변형이라고 밝혔다. 같은 가중치를 쓰는지, 답의 품질이 같은지는 블로그와 API 문서 어디에도 없다. 두 모델은 같은 날 Kimi 웹·앱, Kimi Work 데스크톱, Kimi Code(/model 로 고른다), Kimi API 에 열렸다. API 모델 ID 는 kimi-k3.1-pro·kimi-k3.1-pro-highspeed 다. OpenRouter 의 moonshotai/kimi-k3.1-pro 에는 지금 Moonshot 엔드포인트 두 개(표준·Highspeed)만 붙어 있다. Kimi Enterprise 에서는 관리자가 따로 켜야 하며, 출시 시점 기본값은 꺼짐이다.

블로그는 전체 가중치를 11월 4일까지 내놓겠다고 적었다. 다만 Pro 와 Highspeed 중 무엇이 대상인지, 어디에 올리는지, 라이선스가 무엇인지는 밝히지 않았다. 이 글은 코딩 에이전트 모델을 고를 때 걸리는 가격·호출 조건·가중치 공개만 다룬다. 3D·금융 기능, 그리고 공개 가중치용 학습에서 사이버 관련 데이터를 덜어 낸 방식은 다루지 않는다.

02 단가는 Opus 5.5 의 절반이고 긴 문맥 할증이 없다

아래는 2026년 10월 24일 기준 각 회사 직접 엔드포인트의 기본 단가다(100만 토큰당 달러). Kimi·GPT-6 Astra 는 OpenRouter 엔드포인트 정보에서, Opus 5.5 는 Artificial Analysis(AA) 페이지에서 옮겼다.

모델	입력	출력	캐시 읽기	문맥
Kimi K3.1 Pro	2	10	0.20	1M
Kimi K3.1 Pro Highspeed	4	20	0.20	1M
Kimi K3	3	15	0.30	1M
Claude Opus 5.5	4	20	0.20(95% 할인)	1M
GPT-6 Astra	10	50	1.00	1.05M

Kimi 공식 가격 페이지는 이번에 열었을 때 표 내용이 비어 있어 숫자를 직접 읽지 못했다. 대신 OpenRouter 의 Moonshot 엔드포인트 값과 AA 가 Kimi API 기준으로 적은 값을 맞춰 봤고, 둘이 같았다. K3 와 견주면 입력·출력·캐시 읽기가 모두 3분의 1씩 내렸다. Highspeed 는 표준의 두 배여서 Opus 5.5 와 단가가 같다.

문맥이 길어질 때도 차이가 난다. Kimi 퀵스타트 문서는 K3.1 Pro 를 정액 종량제로 적었고, 길이 구간별 차등이 없다고 했다. 반면 GPT-6 Astra 는 프롬프트가 272K 토큰을 넘으면 단가가 올라, OpenAI 직접 엔드포인트 기준 입력 20달러·출력 75달러가 된다. 기본 단가로는 입력이 5배 차이지만, 이 구간에서는 10배로 벌어진다. 저장소를 통째로 문맥에 넣는 에이전트라면 272K 를 넘는 요청이 얼마나 잦은지부터 세어 보는 것이 좋다.

캐시는 따로 만들지 않아도 자동으로 붙는다. 기본 TTL 은 5분이고, 요청 간격이 그보다 길면 prompt_cache_options.ttl 을 1h 로 두라고 문서가 권한다. 캐시 쓰기는 TTL 별로 따로 매긴다. 그 단가는 GeekNews 댓글에만 숫자가 있고 공식 표로는 확인하지 못했다. 캐시는 블록 단위라서, 블록을 다 채우지 못한 꼬리는 캐시 미스로 청구된다.

03 과제당 비용은 K3 와 비슷하고 Opus 5.5 의 3분의 1 남짓이다

단가표만 보면 K3 보다 33% 싸졌다. 하지만 AA 가 자기 지능 지수(Intelligence Index) 평가를 돌려 잰 과제 1건당 비용은 이야기가 다르다.

모델 (AA 측정 설정)	지능 지수	순위(215개 중)	과제 1건당 비용
Claude Opus 5.5 (Max)	58	1위	$5.98
Kimi K3.1 Pro	55	4위	$2.11
GPT-6 Astra (Max)	53	8위	$3.26

The Decoder 는 출시 직후 AA 수치를 인용해 K3.1 Pro 의 과제당 비용을 1.98달러, K3 를 2.00달러로 옮겼다. 출력 토큰이 14% 늘어 단가 인하분을 거의 상쇄했다는 설명이다. AA 도 K3.1 Pro 가 평가 전체에서 출력 토큰 1억 5천만 개를 써, 중앙값 8,700만 개보다 장황하다고 적었다. 사고 모드가 늘 켜져 있는 모델에서는 출력 토큰이 곧 청구액이다.

Opus 5.5 와 견주면 지능 지수는 3점 낮고 과제당 비용은 3분의 1 남짓이다. 속도는 AA 가 Kimi API 로 잰 값이 초당 77.1 토큰으로 중앙값보다 조금 느리고, Highspeed 측정값은 AA 페이지에 아직 없다. 다만 AA 지수는 한 평가 묶음의 결과일 뿐, 우리 저장소에서 맡기는 작업과 같지 않다. 예산은 단가표가 아니라 내 과제 몇 개를 돌려 얻은 과제당 비용으로 잡는 편이 맞다. 단가를 그대로 두고 작업당 토큰을 줄인 반대 방향의 사례는 DeepSeek V4.1-Flash-1017, 단가 그대로 코딩 에이전트 비용을 줄인 방식 에 있다.

04 Terminal-Bench 와 환각률 8.3% 는 Moonshot 이 정한 조건의 값이다

Moonshot 블로그는 Terminal-Bench 4.0 에서 K3.1 Pro 가 65.7% 로 Opus 5.5 의 66.4% 에 바짝 붙었다고 적었다. GPT-6 Astra 는 58.2% 였다. 각주를 보면 K3.1 Pro 는 Claude Code 하네스에서 effort max, temperature 1.0, top-p 0.95 로 쟀다. 비교 모델 점수는 대부분 각 회사 블로그·시스템 카드·공식 리더보드에 보고된 최고값을 옮겨 온 것이다. 같은 하네스로 나란히 돌린 값이 아니라는 뜻이다.

환각률도 Moonshot 내부 벤치마크인 Kimi Hallu Bench 의 값이다. 실무 요청을 비식별 처리한 어려운 프롬프트를 쓰고, 팩트체크 에이전트가 답 속 주장을 하나씩 채점한다. 도구를 쓰는 Hard 조건의 주장 단위 환각률은 아래와 같다(낮을수록 좋다).

모델	환각률 (Hard, 도구 사용)
GPT-6 Astra	5.5%
Kimi K3.1 Pro	8.3%
Claude Opus 5.5	15.0%
Kimi K3	23.4%

Moonshot 스스로도 이 시험은 오류를 일부러 끌어내도록 짠 스트레스 테스트라서 일상 사용의 오류율을 뜻하지 않는다고 밝혔다. 오늘 연 AA 페이지에도 이 모델의 외부 환각 지표(AA-Omniscience) 값은 아직 나오지 않았다. 같은 '환각률' 이라도 무엇으로 쟀느냐에 따라 뜻이 다르다는 점은 MiniMax M3.1 Flash 환각률 93%, 코딩 에이전트에 싸게 붙이기 전 볼 것 에서도 다뤘다. 테스트와 빌드로 결과를 바로 확인하는 코딩 작업이라면 이 숫자에 큰 무게를 둘 필요는 없다.

05 사고 모드는 끌 수 없고 effort 기본값은 max 다

K3.1 Pro 는 OpenAI 호환 API(https://api.moonshot.ai/v1)로 열려 있어 기존 에이전트에 붙이기는 어렵지 않다. 그래도 퀵스타트 문서에 적힌 제약 몇 가지는 에이전트 코드가 직접 맞춰야 한다.

사고(thinking) 모드는 늘 켜져 있고, reasoning_effort 는 low·high·max 가운데 max 가 기본이다.
max_completion_tokens 는 기본 131072 이고 1048576 까지 올릴 수 있다.
temperature·top_p·n·두 penalty 는 고정값이라 요청에서 빼라고 하며, 다른 값을 넘겼을 때의 동작은 문서에 없다.
여러 턴·도구 호출에서는 reasoning_content·tool_calls 를 포함한 assistant 메시지 전체를 다음 요청에 다시 넣어야 한다.
이미지는 base64 데이터 URL 이나 업로드한 파일의 ms://<file-id> 로만 받고, 공개 이미지 URL 은 받지 않는다.
공식 웹 검색 도구는 업데이트 중이라 당분간 운영에 쓰지 말라고 문서가 적었다.

effort 를 낮추면 비용을 줄일 여지가 생기지만, Moonshot 의 벤치마크 수치는 모두 max 에서 나왔으니 낮춘 설정의 품질은 따로 재야 한다. content 만 저장해 대화를 이어 붙이는 에이전트라면, 모델을 바꾸기 전에 메시지 저장 방식부터 고쳐야 한다.

Codex CLI 에 붙이는 방법은 Kimi 문서가 따로 안내한다. Kimi 플랫폼이 Responses API 를 바로 지원하므로 프록시나 프로토콜 변환이 필요 없고, ~/.codex/config.toml 에 아래 값을 넣으면 된다.

ini

model = "kimi-k3.1-pro"
model_provider = "kimi"
model_context_window = 1048576

[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.ai/v1"
env_key = "KIMI_API_KEY"
wire_api = "responses"

API 키는 설정 파일에 넣지 않고 KIMI_API_KEY 환경 변수로만 넘긴다. 문서는 model_context_window 를 빼면 기본 메타데이터가 적용돼 성능이 떨어질 수 있다고 경고한다. Codex 는 설정을 시작할 때만 읽으니 바꾼 뒤에는 다시 띄우고, -c 플래그나 프로필이 파일 값을 덮어쓰지 않는지도 확인한다. 되돌릴 때는 model·model_provider 를 원래 값으로 돌리고 model_context_window 줄도 지운다. 이 줄은 최상위 설정이라, 남겨 두면 원래 모델로 돌아간 뒤에도 1M 값이 그대로 남는다.

06 11월 4일 뒤에 늘어나는 것은 직접 띄울 길보다 제공자 선택지다

가중치가 풀려도 작은 팀이 직접 띄우기는 어렵다. K3.1 Pro 가 K3 와 같은 구조라면 K3 용 vLLM 레시피가 기준이 된다. 레시피가 요구하는 최소 구성은 NVIDIA GB300 8장, 또는 AMD MI355X·MI350X 8장이다. H200·B200 은 레시피에 나오지 않는다. NVIDIA 쪽은 4장짜리 트레이 여러 개를 묶는 구성이고, GB200 집계형 구성은 16장을 쓴다. 노드 하나짜리 실행 예는 MI355X 8장뿐이다. 컨테이너 이미지가 CUDA 13 빌드뿐이라 호스트 드라이버도 r580 이상으로 올려야 한다.

체크포인트는 MXFP4(4비트 부동소수 형식)이고, OpenRouter 의 Moonshot 엔드포인트도 K3·K3.1 Pro 모두 양자화를 mxfp4 로 표시한다. 4비트로만 계산해도 가중치만 1.4TB 이고, 1M 문맥의 KV 캐시는 그 위에 따로 든다. vLLM 은 0.29 이상이 필요하며, 레시피와 모델 모두 Pre-release(사전 공개)로 표시돼 있다. 이런 GPU 8장 이상을 늘 돌릴 수 있는 팀이 아니라면 자체 호스팅은 검토 대상에서 빼도 된다.

라이선스도 아직 비어 있는 칸이다. K3 는 Kimi K3 License 로 풀렸는데, MIT 와 비슷한 허용 조항에 조건 두 가지를 붙였다. 제3자에게 모델 추론·파인튜닝을 서비스로 여는 MaaS 사업에서 연속 12개월 매출이 2,000만 달러를 넘으면, 상업 사용 전에 Moonshot 과 따로 계약해야 한다. 또 월간 활성 사용자 1억 명이나 월 매출 2,000만 달러를 넘는 제품은 화면에 Kimi K3 를 드러내 표시해야 한다. 내부 용도로만 쓰거나 공식 제품·인증 파트너를 거쳐 쓰면 두 조건이 붙지 않는다. K3.1 Pro 가 같은 라이선스를 쓸지는 아직 발표되지 않았다.

가중치 공개 뒤의 모습은 K3 가 미리 보여 준다. 오늘 OpenRouter 에 올라온 K3 엔드포인트는 29개이고, 입력 단가는 0.238달러부터 4.5달러까지 벌어져 있다. Moonshot 직접 엔드포인트는 3달러로 그중 비싼 쪽에 든다. 양자화 표기도 fp4·mxfp4·fp8·미표기가 섞여 있다. vLLM 레시피조차 모델이 가끔 파서가 예상하지 못한 도구 호출 형식을 낸다며 스키마를 검사하고 재시도하라고 권한다. 같은 모델 이름이라도 제공자마다 결과가 다를 수 있다는 뜻이다.

OpenRouter 로 쓴다면, 가중치가 풀린 뒤에는 검증한 제공자로 고정해 두는 편이 낫다. 제공자 선택 문서 기준으로 order 는 적은 순서대로 시도하고, allow_fallbacks: false 는 그 밖의 제공자로 넘어가지 않게 막는다. require_parameters: true 는 요청의 파라미터를 모두 지원하는 제공자만 쓰고, data_collection: "deny" 는 사용자 데이터를 수집하는 제공자를 뺀다.

json

{
  "model": "moonshotai/kimi-k3.1-pro",
  "messages": [{ "role": "user", "content": "..." }],
  "provider": {
    "order": ["<검증한 제공자 slug>"],
    "allow_fallbacks": false,
    "require_parameters": true,
    "data_collection": "deny"
  }
}

이렇게 묶으면 걸리는 점이 두 가지 있다. 첫째, 대체 경로를 막았으니 고정한 제공자가 실패하면 요청도 그대로 실패한다. 에이전트 쪽에 재시도를 둬야 한다. 둘째, 지금 Moonshot 엔드포인트의 지원 파라미터 목록에는 temperature·top_p 가 없다. 하네스가 이 값을 넣어 보내면 require_parameters: true 에서는 그 엔드포인트로 라우팅되지 않을 수 있다. 반대로 sort: "price" 로 싼 곳부터 고르게 두면 앞에서 본 정밀도 차이를 그대로 떠안을 수 있다. 고정한 제공자에서 같은 과제를 한 번 더 돌려 통과율을 확인한 뒤 넓히는 편이 안전하다.

07 한국 팀이라면 주 모델 교체는 이르고, 보조 모델 시험은 지금 해도 된다

영향을 받는 쪽은 Claude Code·Codex 에 Opus 급 모델을 붙여 쓰는 팀과 OpenRouter 로 여러 모델을 섞는 팀이다. 테스트로 결과를 바로 확인할 수 있는 리팩터링이나 테스트 보강이라면, 과제당 비용이 3분의 1 남짓인 보조 모델을 붙여 볼 만하다. 설정 몇 줄만 되돌리면 원래대로 돌아가니 시험 부담도 작다. 반대로 한 번 실패하면 사람이 오래 붙어야 하는 작업이라면 Opus 5.5 를 지금 바꿀 이유가 약하다. 벤치마크 차이는 작지만, 대부분 Moonshot 이 정한 조건에서 잰 값이기 때문이다.

데이터가 어디로 가는지도 따져야 한다. Kimi API 로 보내면 코드가 Moonshot 으로 간다. 블로그는 API 고객에게 데이터 무보관(Zero Data Retention)을 제공한다고 했지만, 처리 지역이나 국내 리전 여부는 이번에 연 문서에서 찾지 못했다. 회사 정책상 중국 AI 기업으로 코드를 보낼 수 없다면 지금은 쓸 길이 없고, 가중치 공개 뒤 다른 제공자를 보면 된다. K3 는 Amazon Bedrock 미국 리전, Together, Fireworks 같은 제3자에도 올라 있지만, K3.1 Pro 가 같은 경로를 밟을지는 발표된 바 없다.

계정 쪽 조건도 있다. 퀵스타트 문서에 따르면 K3.1 Pro 는 최소 1달러를 충전해야 열리고, 동시성·분당 요청 수 같은 한도는 누적 충전액에 따른 계정 등급으로 정해진다. 새 계정으로 에이전트를 여러 개 돌릴 계획이라면 콘솔에서 현재 등급의 한도부터 본다. Kimi API 에서 K2 계열을 쓰는 중이라면 일정도 걸린다. 공식 가격 문서는 10월 31일부터 신규 가입자에게 K2 시리즈를 열지 않고, 12월 말까지 모든 K2 모델을 종료할 계획이라고 공지했다.

지금 해 둘 일은 아래와 같다.

지금 맡기는 에이전트 과제 10~20개를 같은 하네스로 돌려, 현재 모델과 통과율·과제당 비용을 나란히 적는다.
reasoning_effort 를 high·low 로도 돌려 effort 별 비용과 통과율 차이를 따로 잰다.
에이전트 코드가 assistant 메시지 전체를 다음 턴에 넘기는지, temperature 를 강제로 넣지 않는지 확인한다.
11월 4일 전후로 Hugging Face 의 moonshotai 조직에서 K3.1 저장소와 LICENSE 파일을 열어 K3 License 와 다른 조항이 있는지 본다.
OpenRouter 를 쓴다면 공개 뒤 제공자를 고정하고, 고정한 곳에서 같은 과제를 한 번 더 돌린다.

자체 호스팅 결정은 라이선스 전문과 실제 체크포인트가 나온 뒤로 미뤄도 늦지 않다.

08 자주 묻는 질문

Highspeed 는 품질도 표준과 같은가?

공식 설명은 없다. OpenRouter 엔드포인트 정보로는 두 엔드포인트 모두 mxfp4·1M 문맥이고, Highspeed 쪽만 서비스 등급이 priority 로 표시된다. 그렇다고 품질이 같다는 근거가 되지는 않으니, 같은 과제를 두 모델로 돌려 통과율을 비교해 보는 것이 확실하다.