Kenapa Kimi K3.1 Pro Disebut Model Open Weight Terbaik?

Bayangkan kamu menonton balapan Formula 1, lalu tim kecil dengan mobil yang bisa dibeli siapa saja finis hanya 0,7 detik di belakang juara dunia. Kamu pasti menoleh, bukan?

Begitulah suasana komunitas AI pada 23 Oktober 2026. Moonshot AI dari Tiongkok merilis Kimi K3.1 Pro, model open-weight kelas 3 triliun parameter dengan context window 1 juta token. Angka benchmarknya membuat model proprietary termahal sekalipun terlihat berkeringat.

Tapi sebelum ikut euforia, ada satu tanda bintang besar pada klaim ini. Bobot modelnya belum dirilis. Mari kita bedah apa yang benar-benar terjadi, angka demi angka.

Apa yang Sebenarnya Dirilis Moonshot?

Kimi K3.1 Pro adalah model pertama dari seri K3.1, dan Moonshot menyebutnya model open-weight paling capable yang pernah mereka buat. Ia bukan model yang dilatih dari nol, melainkan versi post-trained dari Kimi K3 dengan compute reinforcement learning yang jauh lebih besar.

Model ini membawa 2,8 triliun parameter total dengan 104 miliar parameter aktif per token, lewat arsitektur mixture-of-experts. Ia menerima teks dan gambar, dan dirilis bersama varian Highspeed yang diklaim 2 sampai 3 kali lebih cepat untuk interaksi yang lebih responsif.

Keduanya sudah tersedia hari itu juga di kimi.ai, aplikasi Kimi, Kimi Work, Kimi Code, dan Kimi API. Bobot open-weightnya sendiri dijanjikan rilis paling lambat 4 November 2026, dan janji inilah yang membuat klaim "open-weight" masih perlu dibuktikan.

Angka yang Bikin Orang Melirik

Di Terminal-Bench 4.0, benchmark yang menguji agen coding pada tugas terminal realistis, K3.1 Pro mencetak 65,7 persen. Angka itu di atas GPT-6 Astra yang hanya 58,2 persen, dan hanya 0,7 poin di bawah Claude Opus 5.5 yang meraih 66,4 persen.

Di BenchCAD, yang menguji rekonstruksi objek 3D menjadi kode CAD, ia meraih 92,7 persen dengan bantuan tools, mendekati Opus 5.5 yang 96,2 persen. Moonshot juga mengklaim state-of-the-art di OfficeQA Pro v2 dengan skor 64,4 untuk analisis dokumen finansial yang kompleks.

Penilai independen Artificial Analysis menempatkannya di peringkat keempat Intelligence Index dengan skor 55, naik 11 poin dari K3. Begitu bobotnya dirilis, ia diprediksi menjadi model open-weight dengan skor tertinggi, dan jarak dengan model proprietary menyusut dari 12 menjadi 3 poin.

Rahasia di Balik Lompatan: RL di Ratusan Domain

Moonshot bilang lompatan ini datang dari reinforcement learning skala besar di ratusan domain turunan. Mereka mengoptimalkan setiap lapisan tumpukan, dari framework RL, inferensi konteks panjang, efisiensi training, sampai infrastruktur sandbox dan penjadwalan rollout.

Tujuannya satu, agar setiap tambahan compute RL memberi hasil yang stabil dan bisa diprediksi. Hasilnya konsisten di semua domain. Di Kimi Code Bench 3.0 Long-horizon, yang menguji eksekusi multi-langkah agen coding, skornya naik dari 55,95 persen ke 61,2 persen.

Ini juga menyimpan pelajaran yang lebih besar untuk open source. Kalau kemampuan kelas frontier bisa dibangun lewat post-training dan RL yang terarah pada model yang sudah ada, pemain yang tidak punya cluster GPU sebesar raksasa Silicon Valley pun bisa ikut mengejar.

Langkah Berani di Keamanan Siber

Moonshot melakukan hal yang jarang diumumkan terang-terangan. Mereka mengidentifikasi dan menghapus data terkait siber dari tahap training, supaya kemampuan ofensif model tidak melampaui frontier yang sudah ada di tangan publik.

Di benchmark internal xdev-bench-hard, versi tanpa pembersihan data memecahkan 90,5 persen soal, sedangkan K3.1 Pro final mencapai 81,0 persen. Penurunan itu disengaja, sebagai tuas pengaman yang bisa mereka ukur. Alasannya masuk akal, karena model open-weight yang bisa dijalankan siapa saja sebaiknya tidak menjadi mesin exploit siap pakai.

Tanda Asterisk yang Perlu Kamu Catat

Pertama, semua angka benchmark di atas adalah klaim Moonshot sendiri dan belum diaudit laboratorium independen, kecuali skor Artificial Analysis. Selisih 0,7 poin dari Opus 5.5 terdengar dramatis, tapi bisa berarti apa saja setelah diuji pihak ketiga.

Kedua, status open-weight masih berupa janji. Bobotnya baru dirilis 4 November, dan model sebesar 2,8 triliun parameter jelas bukan sesuatu yang bisa kamu jalankan di laptop. Kamu tetap butuh infrastruktur serius untuk menjalankannya sendiri.

Ketiga, harga API yang 33 persen lebih murah kedengarannya hebat, sampai kamu sadar model ini memakai 55 ribu token output per tugas, 14 persen lebih banyak dari K3. Murah per token belum tentu murah per hasil, jadi hitung biaya per tugas, bukan per token.

Apa Artinya Buat Kamu?

Kalau kamu developer, pesannya jelas. Persaingan open-weight kini menghasilkan agen coding yang bisa diajak kerja serius, bukan sekadar demo. Kamu bisa mencobanya hari ini lewat Kimi API atau Kimi Code, tanpa menunggu bobotnya dirilis.

Kalau kamu mengikuti tema open source seperti koleksi di /projects, rilis ini adalah bukti bahwa jurang antara model terbuka dan tertutup makin tipis. Yang tertinggal hanya soal transparansi penuh, yaitu bobot yang bisa diverifikasi siapa saja.

Tanggal 4 November akan menjadi uji kebenarannya. Kalau bobotnya benar dirilis dan komunitas bisa mereplikasi angka-angkanya, K3.1 Pro layak menyandang gelar model open-weight terbaik saat ini. Sampai saat itu, anggap saja ia kandidat terkuat yang pernah ada.