Catatan penulis: Setelah mendapatkan bobot terbuka Kimi K3.1 Pro, pertama-tama tentukan apakah lisensi membatasi penggunaan Anda, lalu evaluasi ambang batas penerapan mandiri untuk 1,56 TB bobot. Artikel ini memberikan metode penilaian untuk kedua hal tersebut berdasarkan skenario.
Pada 4 November 2026, Moonshot secara publik merilis bobot terbuka lengkap Kimi K3.1 Pro di Hugging Face. Tanggal ini adalah tanggal yang dijanjikannya saat meluncurkan model tersebut di aplikasi dan API pada 23 Oktober. Repositori moonshotai/Kimi-K3.1-Pro dapat diunduh secara publik tanpa ambang batas pengajuan. Setelah tim perusahaan mendapatkan bobot tersebut, biasanya mereka akan lebih dulu menanyakan dua hal: apakah penggunaan kami akan memicu pembatasan lisensi? Berapa banyak sumber daya yang perlu disiapkan untuk penerapan mandiri?
Ini bukan pembacaan optimistis bahwa “bobot terbuka berarti bebas digunakan secara komersial”. Di dalam lisensi terdapat dua syarat komersial dengan ambang batas nominal dan jumlah pengguna, dan sasaran penerapannya tidak sama. Dari sisi penerapan mandiri, file bobot saja sudah 1,56 TB, jadi ambang batasnya pun tidak rendah.
Nilai inti: Setelah membaca artikel ini, Anda dapat membedakan siapa yang dibatasi oleh masing-masing dari dua syarat lisensi, memastikan bahwa penggunaan internal tidak dibatasi oleh kedua syarat tersebut, dan mampu membuat penilaian awal tentang kelayakan penerapan mandiri berdasarkan volume bobot, format presisi, dan kerangka inferensi yang direkomendasikan.
Poin Inti Bobot Terbuka Kimi K3.1 Pro
Pertama, mari rangkum dalam satu tabel informasi dari rilis ini yang paling relevan untuk keputusan perusahaan.
| Poin | Penjelasan | Makna bagi Keputusan |
|---|---|---|
| Waktu Rilis | API diluncurkan 23 Oktober, bobot dipublikasikan 4 November | Sesuai tanggal yang dijanjikan, selang 12 hari |
| Lisensi | Identik kata per kata dengan lisensi Kimi K3, hanya namanya yang diganti | Tim yang sudah mengevaluasi K3 dapat langsung memakai kesimpulan hukum yang sama |
| Hak Kebebasan | Penggunaan, modifikasi, fine-tuning, dan redistribusi gratis | Penerapan internal praktis tidak memiliki hambatan lisensi |
| Dua Syarat Komersial | Perusahaan berpendapatan tinggi yang menjual layanan model ke pihak eksternal perlu menandatangani perjanjian terpisah; produk berskala sangat besar wajib mencantumkan atribusi yang mencolok | Hanya memengaruhi sedikit bisnis eksternal berskala besar |
| Ukuran Bobot | 96 shard safetensors, total 1,56 TB | Membutuhkan kemampuan deployment tingkat multi-mesin dan multi-GPU |
| Format Presisi | Bobot MXFP4 + aktivasi MXFP8, pelatihan sadar kuantisasi | Inilah presisi native yang digunakan layanan resmi |
Penjelasan Latar Belakang Rilis Kimi K3.1 Pro
Menurut statistik ArtificialWatch, dari Juli hingga awal November, ada 5 kali laboratorium AI secara eksplisit menjanjikan tanggal pembukaan bobot saat rilis, dan kelimanya ditepati tepat waktu. Dari peluncuran API hingga publikasi bobot, selangnya antara 0 sampai 25 hari, dengan median 12 hari. Moonshot menyumbang dua di antaranya; Kimi K3 dan Kimi K3.1 Pro sama-sama menyerahkan bobot pada hari ke-12 setelah peluncuran. Bagi tim yang perlu merencanakan deployment mandiri lebih awal, ini adalah sinyal ritme yang bisa dijadikan acuan.
Model ini sendiri dihasilkan melalui pasca-pelatihan berbasis Kimi K3. Arsitekturnya hanya diubah di satu titik: lapisan attention penuh yang lama diganti dengan lapisan Gated DeepSeek Sparse Attention, dengan tujuan menurunkan biaya komputasi konteks panjang. Saat ini totalnya 93 lapisan, terdiri dari 69 lapisan KDA dan 24 lapisan Gated DSA. Total parameter model 2,8 triliun, dengan 104 miliar parameter aktif per token, panjang konteks 1.048.576 token, serta mendukung input teks dan gambar.
Membedah Ketentuan Lisensi Kimi K3.1 Pro Satu per Satu
Lisensi ini memberikan cakupan hak default yang cukup luas: penggunaan, modifikasi, fine-tuning, dan redistribusi semuanya gratis. Pembatasan hanya berasal dari dua syarat tambahan, dan keduanya menyasar pihak yang berbeda sehingga perlu dilihat secara terpisah.
Syarat pertama: Perusahaan yang menjual akses model sebagai layanan
Syarat pertama ditujukan kepada perusahaan yang “menjual akses model sebagai layanan”, dengan bentuk tipikal berupa penyediaan API. Jika perusahaan semacam ini memperoleh pendapatan lebih dari 20 juta dolar AS dalam periode 12 bulan apa pun, maka sebelum penggunaan komersial mereka perlu menandatangani perjanjian terpisah dengan Moonshot. Ada dua kata kunci di sini: pertama, “menjual akses model”; kedua, jendela bergulir “12 bulan apa pun”, yang tidak dihitung berdasarkan tahun kalender.
Ketentuan spesifik perjanjian tersebut belum tersedia secara publik; biaya, skema bagi hasil, dan proses persetujuannya belum jelas. Kalimat aslinya juga menyisakan ruang tafsir soal cakupan “pendapatan”: apakah yang dimaksud pendapatan keseluruhan perusahaan, atau pendapatan dari layanan model itu saja? Jika bisnis Anda mendekati ambang ini, sebaiknya tim hukum langsung membandingkannya dengan teks asli LICENSE, jangan hanya mengandalkan tafsiran sekunder.
Syarat kedua: Kewajiban atribusi untuk produk berskala sangat besar
Syarat kedua menyasar skala produk. Produk dengan pengguna aktif bulanan lebih dari 100 juta, atau pendapatan bulanan lebih dari 20 juta dolar AS, wajib menampilkan secara mencolok tulisan “Kimi K3.1-Pro”. Ketentuan ini hanya mewajibkan atribusi, tidak mengharuskan perjanjian terpisah. Perhatikan bahwa ambang pendapatan di sini dihitung per “bulan”, berbeda dari dasar “12 bulan” pada syarat pertama, sehingga mudah tertukar saat mengisi daftar kepatuhan.
Perbandingan skenario lisensi Kimi K3.1 Pro
Penilaian berikut disusun berdasarkan rangkuman pemberitaan publik mengenai lisensi; sebelum penggunaan komersial resmi, tetap berpedoman pada teks asli LICENSE dan pendapat hukum.
| Skenario penggunaan | Memicu syarat pertama (perjanjian terpisah)? | Memicu syarat kedua (atribusi mencolok)? | Poin penilaian |
|---|---|---|---|
| Penggunaan internal perusahaan (basis pengetahuan, asisten internal, alat riset) | Tidak | Tidak | Materi secara jelas menyatakan kedua syarat tidak berlaku untuk penggunaan internal |
| Fine-tuning internal untuk pemakaian sendiri | Tidak | Tidak | Fine-tuning termasuk dalam cakupan hak gratis |
| Menyediakan API eksternal, pendapatan 12 bulan terakhir tidak lebih dari 20 juta dolar AS | Tidak | Tergantung skala produk | Perlu memantau pendapatan bergulir 12 bulan secara berkelanjutan |
| Menyediakan API eksternal, pendapatan lebih dari 20 juta dolar AS dalam 12 bulan apa pun | Ya | Tergantung skala produk | Perjanjian harus ditandatangani sebelum penggunaan komersial |
| Produk konsumen, pengguna aktif bulanan lebih dari 100 juta atau pendapatan bulanan lebih dari 20 juta dolar AS | Tergantung apakah menjual akses model | Ya | Perlu menampilkan nama model secara mencolok di produk |
| Redistribusi bobot hasil fine-tuning | Tidak | Tidak | Redistribusi gratis; kewajiban yang menyertainya harap dicek di LICENSE |
Evaluasi Hambatan Deployment Mandiri Kimi K3.1 Pro
Lisensi yang tidak menjadi penghalang bukan berarti tim pasti bisa men-deploy-nya. Tabel di bawah ini merangkum spesifikasi terkait deployment dari model card dan laporan publik.
| Item Spesifikasi | Nilai | Implikasi Deployment |
|---|---|---|
| File bobot | 96 shard safetensors, total 1,56 TB | Sama besarnya dengan Kimi K3, perencanaan unduhan dan penyimpanan harus dilakukan terpisah |
| Total parameter / parameter aktif | 2,8 triliun / 104 miliar per token | Struktur MoE, beban komputasi sekali jalan jauh lebih kecil dari total parameter, tetapi seluruh bobot tetap harus dimuat |
| Presisi bobot dan aktivasi | Bobot MXFP4, aktivasi MXFP8 | Framework inferensi dan perangkat keras harus mendukung kedua format ini |
| Panjang konteks | 1.048.576 token | Konteks panjang akan meningkatkan penggunaan KV Cache secara signifikan |
| Struktur atensi | 69 lapisan KDA + 24 lapisan Gated DSA | Lapisan atensi sparse yang baru memerlukan penyesuaian framework |
| Modalitas input | Teks + gambar | Jalur praproses multimodal juga harus di-deploy |
| Framework inferensi yang direkomendasikan | vLLM, SGLang, TokenSpeed | Utamakan framework yang direkomendasikan model card |
Implikasi Pelatihan Sadar Kuantisasi MXFP4 terhadap Presisi Deployment
Poin ini paling mudah disalahpahami. Menurut penjelasan model card, Kimi K3.1 Pro sejak tahap pelatihan sudah menggunakan bobot MXFP4 dan aktivasi MXFP8, yaitu quantization-aware training. Jadi file 1,56 TB itu bukanlah “versi kerdil” hasil kompresi setelah pelatihan selesai, melainkan presisi yang dipakai Moonshot sendiri saat menyediakan layanan.
Ini membawa tiga dampak nyata:
- Presisi deployment mandiri konsisten dengan layanan resmi: Selama framework mendukung format-format ini dengan benar, secara teoretis tidak ada masalah kehilangan kualitas kuantisasi yang membuat “versi deployment mandiri lebih buruk daripada API resmi”.
- Tidak disarankan melakukan dekuantisasi ke presisi lebih tinggi: Mengonversi bobot ke format seperti BF16 tidak akan memulihkan kemampuan tambahan, justru akan melipatgandakan kebutuhan memori GPU.
- Kompatibilitas perangkat keras dan framework adalah kuncinya: MXFP4/MXFP8 memerlukan dukungan framework inferensi dan akselerator; saat memilih, pastikan versi framework sudah beradaptasi dengan model ini.
Perkiraan Awal Skala Perangkat Keras Kimi K3.1 Pro
Materi publik tidak memberikan rekomendasi konfigurasi perangkat keras resmi maupun data biaya; berikut hanya perkiraan berdasarkan ukuran file. Hanya untuk memuat bobot saja dibutuhkan memori GPU agregat lebih dari 1,56 TB, ditambah KV Cache, nilai aktivasi, dan overhead framework, kebutuhan aktual akan lebih tinggi. Jika ingin menggunakan konteks penuh satu juta token, kebutuhannya akan terus bertambah. Ini berarti solusi satu mesin satu kartu pada dasarnya tidak layak; tim perlu memiliki pengalaman deployment multi-kartu bahkan multi-mesin dengan tensor parallelism atau expert parallelism. Untuk jenis kartu, jumlah kartu, dan biaya spesifik, disarankan merujuk dokumentasi deployment resmi framework inferensi dan berpegang pada hasil uji beban skala kecil.
Selain itu, Moonshot pada periode yang sama merilis Kimi K3.1 Pro Highspeed yang diklaim 2 hingga 3 kali lebih cepat, tetapi saat ini belum jelas apakah ini checkpoint yang berdiri sendiri, dan tidak ada repositori yang sesuai di Hugging Face. Tim yang berharap mereproduksi kecepatan Highspeed dengan bobot terbuka perlu menunggu penjelasan lebih lanjut dari pihak resmi.
Jalur Memulai Cepat Kimi K3.1 Pro
Karena ukuran bobotnya sangat besar, disarankan untuk mengikuti urutan “validasi kemampuan terlebih dahulu, baru putuskan apakah akan melakukan deployment mandiri”, agar tidak berinvestasi terlalu dini pada pembelian perangkat keras.
Langkah Pertama: Validasi Kemampuan Kimi K3.1 Pro dengan API
Sebelum menginvestasikan sumber daya deployment sebesar 1,56 TB, menjalankan sampel bisnis Anda sendiri melalui API terlebih dahulu adalah cara validasi dengan biaya terendah. Secara spesifik, Anda dapat melakukannya seperti ini:
- Siapkan 50 hingga 200 sampel bisnis nyata, yang mencakup input tipikal seperti dokumen panjang, campuran teks-gambar, dan kode.
- Panggil model melalui antarmuka yang kompatibel dengan OpenAI, atur parameter
modelke nama model Kimi K3.1 Pro yang disediakan platform, lalu catat kualitas output dan latensinya. - Secara bersamaan, jalankan 1 hingga 2 model alternatif pada batch sampel yang sama untuk membentuk data perbandingan horizontal.
🚀 Mulai Cepat: APIYI apiyi.com menyediakan pemanggilan terpadu yang kompatibel dengan dua format antarmuka, OpenAI dan Anthropic. SDK yang ada cukup mengganti
base_urldan API Key untuk terhubung. Apakah Kimi K3.1 Pro sudah tersedia dan nama model yang sesuai, silakan merujuk pada daftar di halaman harga https://docs.apiyi.com/models, dan parameter koneksi dapat dilihat di pusat dokumentasi docs.apiyi.com.
Langkah Kedua: Daftar Periksa Sebelum Deployment Mandiri Kimi K3.1 Pro
Setelah validasi kemampuan lulus dan memang ada kebutuhan deployment mandiri, konfirmasikan satu per satu sesuai daftar berikut:
- Konfirmasi kepatuhan: Bandingkan dengan tabel skenario di atas, konfirmasikan apakah bisnis termasuk penggunaan internal atau layanan eksternal, dan mintalah tim legal meninjau teks asli LICENSE.
- Penyimpanan dan unduhan: Siapkan penyimpanan berkecepatan tinggi minimal 1,56 TB, rencanakan pengunduhan 96 shard beserta verifikasi integritasnya.
- Pemilihan framework: Pilih salah satu dari vLLM, SGLang, TokenSpeed, dan pastikan versi saat ini sudah mendukung lapisan Gated DSA dan format MXFP4/MXFP8.
- Perencanaan konteks: Atur konteks maksimum sesuai kebutuhan bisnis aktual, tidak perlu default hingga satu juta token, untuk menghemat KV Cache.
- Uji beban dan regresi: Lakukan pengujian pembanding menggunakan sampel yang dikumpulkan pada langkah pertama, pastikan output deployment mandiri konsisten dengan hasil API.
Perbandingan Deployment Mandiri Kimi K3.1 Pro vs Pemanggilan API
| Dimensi | Deployment mandiri bobot terbuka | Pemanggilan melalui API |
|---|---|---|
| Investasi awal | Tinggi, memerlukan multi-mesin multi-GPU dan penyimpanan | Rendah, bayar sesuai volume pemanggilan |
| Kontrol data | Data sepenuhnya tetap di jaringan internal | Data perlu dikirim ke penyedia layanan |
| Dampak lisensi | Penggunaan internal tidak terikat oleh dua persyaratan | Penyedia layanan menanggung kewajiban kepatuhan layanan eksternal |
| Kecepatan peluncuran | Memerlukan beberapa minggu untuk deployment dan penyetelan | Dapat terhubung di hari yang sama |
| Kebutuhan operasional | Memerlukan operasional inferensi khusus | Hampir tanpa operasional |
| Tahap yang cocok | Skenario berskala besar dan kepatuhan ketat | Validasi kemampuan, bisnis skala kecil-menengah |
| Saluran tersedia | Hugging Face moonshotai/Kimi-K3.1-Pro |
API resmi Moonshot; APIYI apiyi.com (apakah sudah tersedia mengacu pada daftar model) |
💰 Penjelasan biaya: Untuk harga satuan input/output pemanggilan API, harga cache, dan ketentuan penagihan lainnya, silakan merujuk pada data real-time di halaman harga APIYI https://docs.apiyi.com/models. Artikel ini tidak menyediakan angka harga yang belum diverifikasi. Harga API resmi Moonshot juga silakan merujuk pada pengumuman resmi mereka.
Cara Menafsirkan Data Peringkat Kimi K3.1 Pro
Laporan publik menyebut Kimi K3.1 Pro saat ini sebagai “model open-weight dengan peringkat tertinggi”. Klaim ini memiliki cakupan statistik yang jelas, sehingga dalam evaluasi sebaiknya dianggap sebagai sinyal referensi, bukan kesimpulan tentang kemampuan.
| Indikator | Nilai | Cakupan statistik |
|---|---|---|
| ArtificialWatch Bench Index | 69,9, peringkat 11 dari 44 model | Mengambil persentil pada semua papan peringkat publik yang memberinya skor, lalu mengambil median; model open-source dan closed-source digabung dalam peringkat |
| Posisi di antara model open-weight | Peringkat 1 | Sedikit memimpin DeepSeek V4.1 Flash (68) |
| Coding Index | 45,1, peringkat 21 dari 45 model | Papan peringkat pemrograman; berada di belakang 4 model open-weight lainnya |
Ada tiga hal yang perlu diperhatikan. Pertama, persentil median mencerminkan “posisi relatif” model di beberapa papan peringkat, bukan kemampuan absolut pada tugas tertentu. Kedua, selisih antara 69,9 dan 68 sangat kecil, sehingga belum cukup untuk menunjukkan perbedaan yang signifikan dalam bisnis Anda. Ketiga, peringkat keseluruhan Kimi K3.1 Pro cukup tinggi, tetapi Coding Index relatif lebih rendah; tim yang berfokus pada pembuatan kode sebaiknya melakukan evaluasi khusus secara mendalam.
FAQ (Pertanyaan yang Sering Diajukan)
T1: Apakah bobot terbuka Kimi K3.1 Pro bisa digunakan secara komersial gratis?
Sebagian besar kasus bisa. Penggunaan, modifikasi, fine-tuning, dan redistribusi semuanya gratis; hanya ada dua situasi yang perlu penanganan tambahan: perusahaan yang menjual akses model ke pihak luar dan pendapatannya melebihi 20 juta dolar AS dalam 12 bulan mana pun perlu menandatangani perjanjian terpisah; produk dengan pengguna aktif bulanan di atas 100 juta atau pendapatan bulanan di atas 20 juta dolar AS perlu atribusi yang mencolok.
T2: Apa perbedaan lisensi Kimi K3.1 Pro dengan Kimi K3?
Berdasarkan perbandingan kata per kata dua dokumen oleh ArtificialWatch, isi kedua lisensi sepenuhnya identik, hanya namanya yang diubah. Tim yang sudah menyelesaikan evaluasi kepatuhan K3 dapat langsung melanjutkan kesimpulannya, tetapi tetap disarankan agar tim hukum melakukan tinjauan ulang singkat.
T3: Apakah deployment internal Kimi K3.1 Pro di perusahaan akan memicu batasan lisensi?
Tidak. Dokumen menyatakan secara jelas bahwa kedua syarat komersial tidak berlaku untuk penggunaan internal. Skenario seperti basis pengetahuan internal, asisten R&D, dan analisis data dapat langsung menggunakan dan melakukan fine-tuning.
T4: Perangkat keras apa yang dibutuhkan untuk deployment mandiri Kimi K3.1 Pro?
Pihak resmi tidak mengumumkan konfigurasi dan biaya spesifik. Bobotnya saja sudah 1.56 TB, ditambah KV Cache kebutuhannya menjadi lebih tinggi, sehingga diperlukan multi-GPU bahkan klaster multi-mesin, dan kerangka inferensi harus mendukung format MXFP4/MXFP8. Disarankan untuk memverifikasi hasil bisnis terlebih dahulu melalui saluran API seperti APIYI apiyi.com, baru memutuskan apakah akan berinvestasi pada perangkat keras.
T5: Bagaimana cara memanggil Kimi K3.1 Pro dengan cepat melalui API?
Anda dapat menggunakan API resmi Moonshot maupun platform agregator. APIYI kompatibel dengan format antarmuka OpenAI dan Anthropic, sehingga perubahan pada kode yang ada sangat minimal. Cara integrasi dapat dilihat di docs.apiyi.com; apakah model sudah tersedia dan standar penagihannya mengacu pada https://docs.apiyi.com/models.
T6: Apakah versi Highspeed Kimi K3.1 Pro bisa di-deploy sendiri?
Saat ini belum pasti. Moonshot tidak menjelaskan apakah Highspeed merupakan checkpoint terpisah, dan tidak ada repositori yang sesuai di Hugging Face. Yang bisa diunduh saat ini hanya versi standar `moonshotai/Kimi-K3.1-Pro`.
T7: Apa saja keterbatasan Kimi K3.1 Pro yang diketahui?
Ada empat poin utama: ambang perangkat keras untuk deployment mandiri tinggi, dan tidak ada rekomendasi konfigurasi resmi; isi ketentuan “perjanjian terpisah” tidak dipublikasikan; indeks pemrograman berada setelah 4 model terbuka lainnya; ketersediaan versi Highspeed tidak diketahui. Jika bisnis Anda menyangkut hal-hal ini, perlu menyediakan waktu untuk evaluasi.
Poin-Poin Penting Kimi K3.1 Pro
- Dirilis sesuai tanggal yang dijanjikan: Bobot (weight) dibuka pada 4 November, 12 hari setelah API diluncurkan, dan repositori tidak memasang syarat pengajuan apa pun.
- Lisensi longgar: Penggunaan, modifikasi, fine-tuning, dan redistribusi semuanya gratis; isinya identik kata per kata dengan lisensi K3.
- Dua kondisi menyasar pihak berbeda: Satu ditujukan untuk penyedia layanan model berpendapatan tinggi, satu lagi untuk produk berskala sangat besar.
- Penggunaan internal tidak dibatasi: Kedua kondisi komersial tersebut tidak berlaku untuk skenario internal perusahaan.
- Presisi MXFP4 native: Quantization-aware training, sehingga presisi deployment mandiri sama dengan layanan resmi.
- Hambatannya di perangkat keras: Bobot 1.56 TB butuh banyak mesin dan banyak kartu GPU; pihak resmi belum memberikan saran konfigurasi.
- Validasi dulu, baru deploy: Anda bisa lebih dulu memverifikasi hasilnya lewat APIYI apiyi.com memakai sampel bisnis, sehingga risiko investasi awal menurun.
Ringkasan
Poin inti dari pembukaan bobot Kimi K3.1 Pro:
- Menilai lisensi: Pastikan dulu apakah bisnis Anda termasuk penggunaan internal, API eksternal, atau produk konsumen berskala besar, baru cocokkan dengan dua kondisi komersial tadi. Penggunaan internal di sebagian besar perusahaan tidak terpengaruh.
- Hambatan deployment: Bobot MXFP4 sebesar 1.56 TB adalah presisi native saat layanan resmi dijalankan; kesulitannya terletak pada sumber daya multi-mesin multi-GPU dan adaptasi framework.
- Cara membaca peringkat: Angka 69.9 pada Bench Index adalah agregat persentil median dari beberapa leaderboard, jadi hanya bisa dipakai sebagai sinyal referensi; untuk skenario coding perlu evaluasi tersendiri.
Bagi sebagian besar tim, langkah yang lebih aman adalah menjalankan sampel bisnis lewat API terlebih dahulu, lalu setelah hasil dan volume pemanggilan terkonfirmasi, barulah menilai apakah investasi sumber daya untuk deployment mandiri layak. Disarankan memakai APIYI apiyi.com dengan antarmuka terpadu untuk melakukan validasi perbandingan beberapa model sekaligus, dengan acuan biaya di https://docs.apiyi.com/models.
📚 Referensi
- ArtificialWatch – Laporan Rilis Bobot Terbuka Kimi K3.1 Pro: analisis file bobot, lisensi, dan peringkat
- Tautan:
artificialwatch.com/wire/kimi-k3-1-pro-open-weights-out -
Keterangan: mencakup jumlah shard, format presisi, ketentuan lisensi, dan data Bench Index
-
ArtificialWatch – Statistik Pemenuhan Janji Bobot Terbuka: linimasa bobot terbuka dari berbagai laboratorium sejak Juli
- Tautan:
artificialwatch.com/wire/open-weights-promises-five-for-five -
Keterangan: dapat dipakai untuk menilai ritme vendor dalam membuka bobot model
-
Hugging Face – Repositori Model Kimi K3.1 Pro: model card, teks asli LICENSE, dan file bobot
- Tautan:
huggingface.co/moonshotai/Kimi-K3.1-Pro - Keterangan: ketentuan lisensi mengacu pada teks asli LICENSE di halaman ini
Penulis: Tim Teknis APIYI
Komunikasi teknis: Silakan hubungi kami melalui situs resmi APIYI di apiyi.com. Dokumentasi integrasi tersedia di docs.apiyi.com, sedangkan informasi model dan harga ada di docs.apiyi.com/models
