Viral nusantara hari ini diwarnai rilis model kecerdasan artifisial terbuka dari China yang menempel ketat model tertutup paling mahal. Moonshot merilis Kimi K3.1 Pro pada Jumat, 23 Oktober 2026, dengan klaim performa yang hampir menyamai Claude Opus 5.5. Bagi pengembang di Indonesia, rilis ini menawarkan alternatif berbiaya jauh lebih rendah.
Model ini dibangun sebagai varian lanjutan dari Kimi K3 yang sebelumnya dikenal sebagai model open weight raksasa. Moonshot menyebut K3.1 Pro sebagai hasil pelatihan bertahap dengan penguatan pembelajaran di banyak domain sekaligus. Bobot penuhnya dijanjikan tersedia paling lambat 4 November 2026.
Klaim utamanya terletak pada kemampuan agen, bukan sekadar menjawab pertanyaan. Model ini dirancang menjalankan tugas bertahap, memakai alat, dan menyelesaikan pekerjaan di lingkungan terminal. Kemampuan semacam itu yang paling dicari tim engineering ketika membangun otomasi.
Viral Nusantara: Angka Benchmark Kimi K3.1 Pro
Pada Terminal-Bench 4.0, Moonshot melaporkan skor 65,7 persen. Angka itu berada di atas GPT-6 Astra yang dicatat 58,2 persen. Selisih dengan Claude Opus 5.5 hanya 0,7 poin karena model Anthropic itu berada di 66,4 persen.
Perbandingan itu penting karena Terminal-Bench menguji agen koding pada tugas terminal yang realistis. Penilaian memakai uji spesifik per tugas, bukan penilaian manusia yang mudah bias. Artinya, skor tinggi menunjukkan kemampuan menyelesaikan pekerjaan teknis nyata.
Pada BenchCAD, model ini mencatat 92,7 persen ketika memakai alat bantu. Untuk OfficeQA Pro v2, skornya 64,4 poin. Moonshot juga menyebut peningkatan besar pada Kimi Code Bench 3.0 yang menguji eksekusi bertahap dalam durasi panjang.
Iklan
Paviliun Akademika: punya kost tanpa repot kelola
Paviliun Akademika menghadirkan pilihan investasi kost terkelola di Akademika Townhouse, Gowa. Unit disiapkan untuk disewakan, dengan pengelolaan kawasan yang ditangani pemilik proyek.
Peringkat di Penguji Independen
Artificial Analysis menempatkan Kimi K3.1 Pro di posisi keempat Intelligence Index dengan skor 55. Pada GDPval-AA, model ini meraih 1.846 Elo, naik 312 poin dari Kimi K3. Posisinya hanya di bawah Claude Opus 5.5 dan Muse Wonder Full.
Penguji independen itu mencatat lompatan besar pada tugas agentic. AutomationBench-AA yang menguji alur kerja perangkat lunak berbasis langganan naik dari 58 persen ke 73 persen. Untuk kemampuan memakai komputer, selisih dengan model terbaik menyusut dari 12 poin menjadi 3 poin.
Namun ada catatan penting. Sebagian angka benchmark berasal dari laporan Moonshot sendiri dan belum diperiksa pihak ketiga secara menyeluruh. The Next Web menegaskan bahwa figur Terminal-Bench adalah klaim perusahaan. Pembaca sebaiknya memperlakukan angka itu sebagai klaim vendor, bukan hasil uji netral.
Spesifikasi Teknis yang Dibawa
Kimi K3.1 Pro memakai arsitektur mixture of experts dengan total 2,8 triliun parameter. Dari jumlah itu, sekitar 104 miliar parameter aktif pada setiap inferensi. Pendekatan ini membuat biaya komputasi jauh lebih rendah dibanding model padat berukuran sama.
Model ini mendukung konteks hingga satu juta token dan mampu memproses lebih dari satu modalitas. Konteks sebesar itu memungkinkan pengguna memasukkan dokumen panjang, kode proyek, atau transkrip rapat dalam satu permintaan. Untuk pekerjaan riset dan audit dokumen, kapasitas ini cukup relevan.
Moonshot juga merilis varian Highspeed yang diklaim dua sampai tiga kali lebih cepat. Keduanya tersedia di aplikasi Kimi, Kimi Work, Kimi Code, dan API. Harga API dipasang 2 dolar per juta token masukan dan 10 dolar per juta token keluaran, dengan masukan tersimpan 0,20 dolar.
Harga sebagai Senjata Utama
Selisih harga menjadi daya tarik paling nyata. Model frontier tertutup umumnya dibanderol jauh lebih tinggi untuk pekerjaan agen bervolume besar. Bagi startup di Indonesia, biaya inferensi sering menjadi penghalang utama untuk bereksperimen.
Dengan harga 2 dan 10 dolar per juta token, tim kecil bisa menjalankan agen koding harian tanpa khawatir tagihan meledak. Biaya itu masih terasa lebih ringan dibanding menjalankan pekerjaan serupa di model tertutup kelas atas. Efeknya, eksperimen menjadi lebih murah dan iterasi lebih cepat.
Moonshot menurunkan harga dibanding generasi sebelumnya yang berada di 3 dan 15 dolar. Penurunan itu terjadi bersamaan dengan kenaikan performa. Pola ini mirip dengan langkah yang sebelumnya dilakukan penyedia model China lain seperti dibahas dalam artikel DeepSeek rilis V4.1-Flash-1017.
