Kimi K3.1 Pro แซง Claude Fable 5.1, GPT-6 Astra และ Gemini 4 Argon ในคะแนนรวมของ Artificial Analysis ส่วนค่า API ถูกกว่า K3 และเตรียมเปิดให้โหลดไฟล์โมเดลฉบับเต็มภายใน 4 พ.ย.
Kimi K3.1 Pro จาก Moonshot AI ได้คะแนนรวม 55 บน Artificial Analysis เป็นรองแค่ Claude Opus 5.5 ส่วนค่า API ถูกกว่า K3 และไฟล์โมเดลจะเปิดให้โหลดภายใน 4 พ.ย.
ถ้าคุณจ่ายเงินใช้งาน Claude หรือ ChatGPT อยู่ทุกเดือน คงเริ่มชินกับข่าวเปิดตัวโมเดล AI จากจีนจนแยกไม่ออกแล้วว่าตัวไหนเก่งจริงกันแน่ ล่าสุดมี Kimi K3.1 Pro เปิดตัวออกมาอีกตัวหนึ่ง
Kimi K3.1 Pro เป็นโมเดลใหม่จาก Moonshot AI บริษัทผู้พัฒนาแชตบอต Kimi เปิดตัวเมื่อวันที่ 23 ต.ค. ที่ผ่านมา พร้อมกับรุ่นย่อยชื่อ K3.1 Pro Highspeed ที่เน้นความเร็วในการตอบกลับ
สิ่งที่ทำให้ Kimi K3.1 Pro โดดเด่นกว่าข่าวเปิดตัวทั่วไป คือผลคะแนนจากผู้ทดสอบภายนอก โดยเว็บไซต์จัดอันดับโมเดล AI อิสระอย่าง Artificial Analysis ให้คะแนนรวมของโมเดลนี้ไว้ที่ 55 คะแนน ตามหลังเพียง Claude Opus 5.5 ที่ได้ 58 คะแนนเท่านั้น
Simon Willison นักพัฒนาและบล็อกเกอร์สายเทคโนโลยี ตั้งข้อสังเกตว่า นี่เป็นครั้งแรกที่โมเดลที่กำลังจะปล่อยไฟล์ให้ดาวน์โหลดไปใช้ ทำคะแนนได้สูงสูสีกับกลุ่มโมเดลระดับแนวหน้าขนาดนี้
นอกจากเรื่องคะแนนแล้ว อีกสองจุดที่น่าจับตามองคือเรื่องราคาและไฟล์โมเดล เพราะค่าบริการ API สำหรับนำไปเชื่อมต่อโปรแกรมถูกกว่ารุ่น K3 เดิมอย่างเห็นได้ชัด และทาง Moonshot ยังประกาศว่าจะปล่อยไฟล์โมเดลตัวเต็มให้ดาวน์โหลดภายในวันที่ 4 พ.ย. 2026
Kimi K3.1 Pro อยู่ตรงไหนในตารางคะแนน
เริ่มจากคะแนนของผู้จัดอันดับอิสระกันก่อน หากดูคะแนนรวมของ Artificial Analysis เทียบกับโมเดลแถวหน้าที่คุ้นชื่อกันดี จะเห็นภาพดังนี้
| โมเดล | คะแนนรวม Artificial Analysis |
|---|---|
| Claude Opus 5.5 | 58 |
| Kimi K3.1 Pro | 55 |
| Claude Fable 5.1 | 53 |
| GPT-6 Astra | 53 |
| Gemini 4 Argon | 53 |
จากตาราง K3.1 Pro ทำคะแนนแซงทั้ง Claude Fable 5.1, GPT-6 Astra และ Gemini 4 Argon ที่ได้ 53 คะแนนเท่ากัน โดยเป็นรองเพียง Claude Opus 5.5 อยู่ 3 คะแนน
ส่วนคะแนนอีกชุดเป็นผลการทดสอบเฉพาะทางที่ Moonshot วัดผลเองและเผยแพร่บนบล็อกเทคโนโลยีของบริษัท ซึ่งต้องดูแยกจากตารางแรก
| งาน (ชุดทดสอบ) | Kimi K3.1 Pro | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|
| ให้ AI เขียนโค้ดและสั่งงานผ่านหน้าต่างคำสั่ง (Terminal-Bench 4.0) | 65.7% | 66.4% | 58.2% |
| สร้างโมเดล 3D ขึ้นใหม่ด้วยโค้ด CAD (BenchCAD) | 92.7% | 96.2% | 95.9% |
ในงานเขียนโค้ด K3.1 Pro ทำคะแนนได้ 65.7% ไล่เลี่ยกับ Claude Opus 5.5 ที่ได้ 66.4% และนำหน้า GPT-6 Astra (58.2%) อยู่ 7.5 คะแนน ส่วนงานสร้างโมเดล 3D ยังตามหลังทั้งสองตัวอยู่เล็กน้อย
สำหรับงานวิเคราะห์ข้อมูลทางการเงิน บนชุดทดสอบ OfficeQA Pro v2 ที่เน้นวิเคราะห์ตัวเลขจากเอกสารการเงินจริง K3.1 Pro ทำได้ 64.4 คะแนน โดย Moonshot ระบุว่าเป็นคะแนนที่ดีที่สุดในบรรดาโมเดลปัจจุบัน
อย่างไรก็ตาม ผลทดสอบทั้งสองตารางมีเงื่อนไขที่ต้องรู้ก่อนเชื่อ
ในหมายเหตุท้ายประกาศ Moonshot ระบุว่าคะแนนของ K3.1 Pro วัดโดยเปิดระดับการคิดที่เรียกว่า reasoning effort ไว้สูงสุด ส่วนคะแนนของโมเดลคู่แข่ง บางตัวยกมาจากเอกสารที่ค่ายนั้นเผยแพร่เอง และบางตัว Moonshot ก็นำมาทดสอบใหม่เอง
ดังนั้น เวลาดูตารางเปรียบเทียบโมเดล AI ควรถามสองข้อนี้เสมอ คือ ใครเป็นคนวัดผล และตั้งค่าให้โมเดลใช้เวลาคิดมากแค่ไหน
ในเว็บบอร์ดสายเทคโนโลยีอย่าง Hacker News มีผู้ใช้สรุปภาพรวมของโมเดลนี้ไว้อย่างตรงไปตรงมาว่า Kimi K3.1 Pro ไม่ได้ยกระดับเพดานความฉลาดขึ้นไปใหม่ เพียงแต่ขึ้นมาแตะเพดานเดียวกับ Claude Opus 5.5 ได้สำเร็จ
ตอบมั่วน้อยลง บนชุดทดสอบที่ตั้งใจลวง
จุดเด่นที่ Moonshot ชูเป็นจุดขายมากที่สุดเรื่องหนึ่งคือการลดปัญหา hallucination หรืออาการตอบมั่วของ AI
บนชุดทดสอบภายในของบริษัทที่ชื่อ Kimi Hallu Bench Hard อัตราการให้ข้อมูลผิดพลาด (นับตามจำนวนข้อเท็จจริงที่โมเดลตอบ) ลดลงจาก 23.4% ในรุ่น K3 เดิม เหลือเพียง 8.3% ใน K3.1 Pro
ตัวเลข 8.3% นี้อาจทำให้เข้าใจผิดได้ง่าย เพราะไม่ได้แปลว่านำไปใช้งานจริง 100 ครั้งแล้วจะเจอข้อมูลผิด 8 ครั้ง
ทาง Moonshot ระบุไว้ชัดเจนว่า คำถามในแบบทดสอบนี้จงใจออกแบบมาเพื่อลวงให้โมเดลตอบผิดโดยเฉพาะ ตัวเลขนี้จึงบอกได้เพียงว่า เมื่อเจอข้อสอบชุดเดียวกัน โมเดลรุ่นใหม่หลงกลน้อยกว่ารุ่นเดิมมาก ไม่ใช่อัตราความผิดพลาดในการใช้งานทั่วไปในชีวิตจริง
ค่าบริการ API ของ Kimi K3.1 Pro ถูกกว่ารุ่นเดิม
ค่าบริการ API คิดตามจำนวน token ที่เป็นหน่วยนับปริมาณข้อความที่ส่งเข้าและรับกลับ โดยในหน้าราคา Kimi API ระบุอัตราค่าบริการต่อ 1 ล้าน token ไว้ดังนี้
| รุ่น | ข้อความขาเข้า | ข้อความขาออก | ส่วนที่ระบบจำไว้แล้ว |
|---|---|---|---|
kimi-k3.1-pro | $2 | $10 | $0.20 |
kimi-k3.1-pro-highspeed | $4 | $20 | $0.20 |
kimi-k3 (รุ่นก่อน) | $3 | $15 | $0.30 |
ราคาของ K3.1 Pro ถูกกว่ารุ่น K3 เดิมในทุกรายการ
ผู้ใช้ชื่อ minimaxir ในกระทู้ Hacker News ตั้งข้อสังเกตว่า ราคาถูกลงแม้ว่าขนาดโมเดลจะใหญ่ขึ้นเล็กน้อย จากเดิมที่มี 2.8 ล้านล้านพารามิเตอร์ ที่เป็นตัวแปรบอกขนาดความจุของโมเดล เพิ่มมาเป็น 3 ล้านล้านพารามิเตอร์
แต่ตัวเลข 3 ล้านล้านนี้ยังไม่แน่นอน เพราะ Moonshot ใช้คำว่าโมเดล 'ระดับ 3T' ที่หมายถึง 3 ล้านล้านพารามิเตอร์ ทำให้มีคนตั้งข้อสังเกตว่า อาจเป็นขนาด 2.8T เดิมที่ปัดตัวเลขขึ้นเฉยๆ
เมื่อเทียบกับโมเดลยอดนิยมที่หลายคนใช้อยู่ Simon Willison ชี้ว่า ราคาข้อความขาเข้า $2 และขาออก $10 นั้น เท่ากับราคาของ GPT-6.1 Sol พอดี และคิดเป็นเพียงครึ่งหนึ่งของราคา Claude Opus 5.5
รุ่น Highspeed เหมาะกับใคร
รุ่น Highspeed ตอบเร็วกว่ารุ่นปกติประมาณ 2-3 เท่า แลกกับค่าบริการที่แพงขึ้น 2 เท่าทั้งขาเข้าและขาออก โดยมีเพียงค่าบริการส่วนที่ระบบจำไว้แล้วเท่านั้นที่เท่ากันคือ $0.20
Moonshot ออกแบบรุ่นนี้มาสำหรับงานที่ต้องโต้ตอบทันที เช่น ระบบแชตที่มีผู้ใช้นั่งรอคำตอบอยู่หน้าจอ ความเร็วที่เพิ่มขึ้นช่วยประหยัดเวลาของผู้ใช้ได้จริง
แต่หากเป็นงานประมวลผลเบื้องหลังหรืองานที่ไม่จำเป็นต้องรอคำตอบทันที การใช้รุ่นปกติที่ราคาถูกกว่าครึ่งหนึ่งจะช่วยประหยัดงบได้มากกว่า
ลองใช้งาน Kimi K3.1 Pro ได้ที่ไหนบ้างในตอนนี้
ทั้งสองรุ่นเปิดให้ใช้งานได้แล้วตั้งแต่วันเปิดตัว เลือกช่องทางได้ตามความเหมาะสม
- เว็บไซต์ kimi.ai และแอปพลิเคชัน Kimi บนมือถือ (มีทั้ง iOS, Android และ HarmonyOS) เหมาะสำหรับคนที่ต้องการลองแชตถามตอบทั่วไป
- Kimi Work แอปพลิเคชันบนเดสก์ท็อปสำหรับ Windows และ Mac (ชิป Apple Silicon) ต้องอัปเดตเป็นเวอร์ชัน 3.1.0 ขึ้นไป
- Kimi Code เครื่องมือช่วยเขียนโค้ดของ Kimi เปิดโปรแกรมแล้วพิมพ์คำสั่ง
/modelเพื่อเลือกใช้งาน Kimi K3.1 Pro - Kimi API สำหรับนักพัฒนาที่ต้องการเชื่อมต่อกับโปรแกรมของตนเอง โดยเลือกรุ่น
kimi-k3.1-proหรือkimi-k3.1-pro-highspeed
API ของ Kimi ใช้รูปแบบคำสั่งเดียวกับ OpenAI API ทำให้ต่อยอดได้ง่าย Simon Willison ลองเรียกใช้ผ่านเครื่องมือที่เชื่อมต่อกับ OpenAI API โดยตั้งที่อยู่ปลายทางเป็น https://api.moonshot.ai/v1 และระบุชื่อโมเดลเป็น kimi-k3.1-pro ซึ่งโมเดลนี้เลือกระดับการคิดได้ 3 ระดับ คือ low, medium และ max
หากโปรแกรมเดิมของคุณเชื่อมต่อกับ OpenAI API อยู่แล้ว สิ่งที่ต้องเปลี่ยนมีเพียง URL ปลายทางและชื่อโมเดลเท่านั้น
สำหรับลูกค้าองค์กรที่ใช้ Kimi Enterprise ผู้ดูแลระบบต้องเข้าไปเปิดใช้งานด้วยตนเอง เพราะค่าเริ่มต้นของระบบปิดไว้
นอกจากนี้ ยังมีฟีเจอร์ใหม่ที่คนทั่วไปลองเล่นได้ทันทีโดยไม่ต้องเขียนโค้ด คือ 3D Make บน kimi.ai และแอป Kimi เพียงพิมพ์บรรยายไอเดีย ระบบจะสร้างโมเดล 3D ที่หมุนดูและแก้ไขบนเว็บได้ จากนั้นสามารถดาวน์โหลดไฟล์ไปสั่งพิมพ์ 3D หรือส่งออกเป็นวิดีโอและ Live Photo เพื่อแชร์ต่อได้ทันที
การปล่อย open weights ภายใน 4 พ.ย. จะเปลี่ยนอะไรบ้าง
ไฟล์โมเดลหรือที่เรียกว่า weights คือชุดตัวเลขพารามิเตอร์ทั้งหมดที่โมเดลได้มาจากการฝึก ซึ่งบันทึกไว้เป็นไฟล์ข้อมูล
ตอนนี้ คำถามทั้งหมดที่ส่งไปยัง K3.1 Pro จะวิ่งไปประมวลผลบนเซิร์ฟเวอร์ของ Moonshot เท่านั้น
การเปิดแบบ open weights หมายความว่า Moonshot จะปล่อยไฟล์โมเดลชุดนี้ออกมาให้ทุกคนดาวน์โหลดไปติดตั้งและรันบนเซิร์ฟเวอร์ของตนเองได้ เหมือนได้ตัวโมเดลมาทั้งก้อน ไม่ใช่แค่การเช่าใช้งานผ่าน API
การเปลี่ยนแปลงนี้ส่งผลหลักๆ สองด้าน
ด้านแรก ผู้ให้บริการคลาวด์รายอื่นสามารถนำไฟล์ไปเปิดให้บริการแข่งกันได้ ซึ่งในกระทู้ Hacker News มีผู้ระบุว่า ตอนรุ่น K3 เคยมีผู้ให้บริการภายนอกนำไปเปิดให้เช่าใช้ในราคาที่ถูกกว่า Moonshot เองมาก
ด้านที่สอง แต่ละทีมสามารถรันโมเดลบนระบบที่ตัวเองควบคุมได้ ซึ่ง Moonshot มองว่าจะช่วยให้หลายทีมมีเครื่องมือตรวจโค้ดที่ตัวเองดูแล รวมถึงระบบเก่าที่แทบไม่เคยมีใครตรวจสอบความปลอดภัยมาก่อน
อย่างไรก็ตาม การเปิดให้ดาวน์โหลดไม่ได้แปลว่าจะนำมารันบนคอมพิวเตอร์ทั่วไปที่บ้านได้ เพราะด้วยขนาดระดับ 3 ล้านล้านพารามิเตอร์ ผู้ใช้บน Hacker News มองว่ายังเกินกำลังของฮาร์ดแวร์ทั่วไปที่คนประกอบคอมใช้เองจะรันได้ไหว
อ่านเพิ่มเติมเกี่ยวกับรุ่นก่อนหน้าได้ที่ Kimi K3 แซงรุ่นท็อปจริงไหม
อีกเรื่องหนึ่งที่ Moonshot เปิดเผยอย่างตรงไปตรงมา คือบริษัทตั้งใจตัดข้อมูลด้านความปลอดภัยไซเบอร์ อย่างเทคนิคการหาช่องโหว่และการเจาะระบบ ออกจากการฝึกโมเดลรุ่นที่จะปล่อยให้ดาวน์โหลด
ผลคือ ในชุดทดสอบการเจาะระบบของ Moonshot เอง โมเดลรุ่นที่ไม่ได้ตัดข้อมูลทำคะแนนได้ 90.5% ขณะที่ K3.1 Pro ตัวจริงเหลือคะแนน 81.0%
Moonshot อธิบายเหตุผลว่า ไม่ต้องการปล่อยไฟล์โมเดลที่ยกระดับความสามารถในการโจมตีระบบให้สูงเกินเพดานความปลอดภัยในปัจจุบัน พร้อมยอมรับว่าความสามารถด้านความปลอดภัยไซเบอร์ของ K3.1 Pro ยังตามหลังโมเดลแบบปิดระดับแนวหน้าที่เปิดให้ใช้มาแล้วอย่างน้อยสามเดือน
ข้อควรรู้ก่อนตัดสินใจย้ายงานมา Kimi K3.1 Pro
คะแนนทดสอบและราคาหน้าเว็บเป็นเพียงข้อมูลครึ่งเดียว ส่วนอีกครึ่งหนึ่งต้องดูจากประสบการณ์ของผู้ที่จ่ายเงินใช้งานจริง
เรื่องแรกคือโควตาการใช้งานของแพ็กเกจรายเดือน มีผู้ใช้ใน Hacker News เล่าว่าสมัครแพ็กเกจราคา $99 ต่อเดือน และใช้งานจริงเพียงงานเดียวต่อเนื่องกัน ไม่ได้สั่งงานหลายตัวพร้อมกัน แต่ผ่านไปเพียง 47 นาทีก็ใช้โควตารอบ 5 ชั่วโมงจนเต็มแล้ว
เรื่องที่สองคือพฤติกรรมการคิดนานเกินไป ผู้ใช้อีกรายเล่าว่าโมเดล Kimi ก่อนรุ่น K3 มีปัญหาเรื่องการใช้เวลาคิดนานเกินความจำเป็น ทำให้ค่าบริการจริงสูงกว่าราคาป้าย เพราะ token ที่โมเดลใช้ในกระบวนการคิด ระบบจะคิดเงินเป็น token ขาออกทั้งหมด แม้ผู้ใช้รายนั้นจะบอกว่ายังไม่ได้ลองรุ่น K3 มากนัก แต่สำหรับ K3.1 Pro โมเดลจะใช้เวลาคิดมากน้อยแค่ไหนกับงานของคุณ ก็จำเป็นต้องทดสอบด้วยตนเอง
ราคาต่อ token ที่ถูกลงจะช่วยประหยัดเงินได้จริงก็ต่อเมื่อโมเดลไม่ใช้จำนวน token มากกว่าโมเดลเดิมที่คุณใช้อยู่หลายเท่า อ่านเพิ่มเติมได้ที่ Kimi K3 บิลจะถูกหรือแพง ตัดสินกันที่สองปุ่มนี้
วิธีทดลองที่เสี่ยงน้อยที่สุด คือเริ่มทดสอบผ่านหน้าเว็บ kimi.ai หรือใช้งานผ่าน API ที่คิดเงินตามปริมาณการใช้งานจริง ซึ่งไม่มีข้อผูกมัดรายเดือน และออกบิลแยกจากค่าสมาชิก Kimi ทั่วไปหรือ Kimi Code
แนะนำให้ลองนำงานจริงที่คุณต้องทำประจำสัก 2-3 ชิ้นมาทดสอบ แล้วสังเกตทั้งคุณภาพของผลลัพธ์และจำนวน token ที่ใช้ไป ก่อนตัดสินใจสมัครบริการแบบรายเดือน
เพราะในตารางคะแนนทดสอบ ทุกโมเดลทำข้อสอบชุดเดียวกัน แต่ในบิลค่าบริการเดือนหน้า ข้อสอบที่ตัดสินความคุ้มค่าคืองานจริงของคุณเอง
ที่มา:
- เอกสารทางการของ Kimi K3.1 Pro
- เอกสารทางการของ Kimi API Platform
- บทความ Introducing Kimi K3.1 Pro จาก Simon Willison
- บทความ Kimi K3.1 Pro and K3.1 Pro Highspeed จาก Hacker News
ชอบเรื่องแนวนี้ มีอีบุ๊คฟรีให้อ่านต่อ
Local LLM ฉบับเข้าใจง่าย รัน AI ไว้ในเครื่องตัวเอง ติดตั้ง อัปเดต จัดการ ลบ ครบวงจรด้วย Ollama
กดสมัครแล้วเราจะส่งเทคนิค AI และของแจกใหม่ๆ ให้ทางอีเมล เลิกรับได้ตลอด
Claude Cowork · The Business Playbook
ฉบับภาษาไทย 15 บท เรียนรู้ผ่านโปรเจกต์จำลองต่อเนื่องทั้งเล่ม ตั้งแต่ตั้งค่า Workspace จัดการไฟล์ เชื่อมแอป ตั้งระบบอัตโนมัติ จนถึงสร้าง Plugin
