Kimi K3.1 Pro ra mắt: Mô hình 3T tham số với cửa sổ ngữ cảnh 1M, có thêm phiên bản Highspeed nhanh gấp 2-3 lần

Kimi Code vừa chính thức đưa dòng mô hình K3.1 Pro vào vận hành, đánh dấu bước tiến mới của Moonshot AI trong cuộc đua mô hình ngôn ngữ lớn phục vụ lập trình. Đây là thế hệ đầu tiên của dòng K3.1, được mô tả là mô hình mạnh nhất của hãng tính đến thời điểm hiện tại với 3 nghìn tỷ (3T) tham số và cửa sổ ngữ cảnh lên tới 1 triệu token.

Song hành với bản tiêu chuẩn, hãng cũng phát hành Kimi K3.1 Pro Highspeed — giữ nguyên toàn bộ năng lực của K3.1 Pro nhưng cho tốc độ xuất kết quả nhanh hơn khoảng 2-3 lần, phù hợp với những tác vụ cần phản hồi tức thì.

Những điểm nổi bật của K3.1 Pro

Theo tài liệu chính thức, K3.1 Pro được cải thiện đáng kể ở ba nhóm tác vụ chính:

• Lập trình (coding): xử lý code phức tạp, hiểu ngữ cảnh dự án lớn nhờ cửa sổ 1M token
• Sáng tạo 3D: hỗ trợ các tác vụ liên quan đến mô hình hóa và dựng hình
• Nghiên cứu và mô hình hóa tài chính: phân tích dữ liệu, xây dựng mô hình định lượng

Đáng chú ý, dòng K3.1 Pro chỉ hỗ trợ chế độ suy luận (thinking mode). Mọi yêu cầu tắt thinking sẽ bị từ chối với mã lỗi HTTP 400. Đây là điểm khác biệt so với các dòng trước, vốn cho phép tùy chọn bật/tắt suy luận.

Hệ sinh thái mô hình trong Kimi Code

Hiện Kimi Code cung cấp sáu mã mô hình (model ID) để lập trình viên lựa chọn:

Model ID	Phiên bản	Đặc điểm
k3.1-pro	K3.1 Pro	3T tham số, ngữ cảnh 1M, chỉ thinking
k3.1-pro-highspeed	K3.1 Pro Highspeed	Nhanh 2-3 lần, tốn gấp đôi quota
k3	K3	Thế hệ trước, 2.8T tham số, ngữ cảnh 1M
k3-256k	K3	Bản rút gọn ngữ cảnh 256K
kimi-for-coding	K2.8 Preview	Hiệu quả suy luận cao, hợp với code completion
kimi-for-coding-highspeed	K2.7 Code Highspeed	Nhanh khoảng 6 lần, tốn gấp 3 quota

Người dùng cần lưu ý rằng mã mô hình (ví dụ k3.1-pro) khác với tên phiên bản (ví dụ "K3.1 Pro"). Khi gọi qua API bên thứ ba, hãy dùng đúng model ID — nếu gõ sai, hệ thống sẽ âm thầm chuyển về K2.8 Preview không có thinking, khiến chất lượng đầu ra giảm mà không báo lỗi rõ ràng.

Khuyến nghị khi sử dụng

Tài liệu của Moonshot AI đưa ra ba lưu ý quan trọng:

Luôn bật thinking: K3.1 Pro không chấp nhận yêu cầu tắt suy luận. Hãy giữ nguyên chế độ mặc định.

Bắt đầu phiên mới: Không nên chuyển sang K3.1 Pro giữa chừng một phiên đang dùng K3, K2.8 Preview hay K2.7 Code Highspeed. Việc chuyển đổi giữa chừng làm giảm chất lượng đầu ra và giảm tỷ lệ cache hit.

Dùng API gốc: Với K3.1 Pro, nên gọi trực tiếp các API Responses, chat completion hoặc message của Kimi Coding Plan. Việc dịch giao thức qua các công cụ proxy có thể khiến hành vi mô hình sai lệch.

Cách chuyển đổi mô hình trên từng nền tảng

Với Kimi Code Desktop, người dùng chuyển mô hình trong bảng chọn model ở khung soạn thảo (Composer). Nếu mô hình mới chưa xuất hiện, hãy khởi động lại ứng dụng hoặc đăng nhập lại.

Với Kimi Code CLI, chỉ cần gõ lệnh /model. Trường hợp chưa thấy mô hình mới, dùng /logout rồi /login lại.

Với extension VS Code, chọn mô hình từ menu thả xuống trên thanh nhập liệu; nếu cần, khởi động lại VS Code hoặc cài lại extension.

Kết nối API cho công cụ bên thứ ba

Kimi Code API hỗ trợ cả hai giao thức OpenAI (Responses / Chat Completions) và Anthropic. Địa chỉ Base URL như sau:

• OpenAI: https://api.kimi.ai/coding/v1 (quốc tế) hoặc https://api.kimi.com/coding/v1 (Trung Quốc)
• Anthropic: https://api.kimi.ai/coding/ (quốc tế) hoặc https://api.kimi.com/coding/ (Trung Quốc)

Các công cụ như Claude Code, OpenCode hay Codex đều có thể kết nối qua các endpoint này. Lập trình viên chỉ cần tạo API Key trong Kimi Code Console rồi điền Base URL cùng model ID tương ứng.

Vì sao Highspeed đôi khi không nhanh như quảng cáo?

Tài liệu ghi nhận hai nguyên nhân phổ biến khiến người dùng không cảm nhận được tốc độ vượt trội:

• Gõ sai model ID: ID phải chính xác là k3.1-pro-highspeed. Nếu sai, hệ thống lặng lẽ chuyển về K2.8 Preview không thinking — không có tăng tốc nào cả.
• Công cụ và script chiếm phần lớn thời gian: Highspeed chỉ tăng tốc khâu sinh văn bản của mô hình. Các thao tác gọi công cụ (đọc/ghi file, chạy lệnh) và thời gian thực thi script không được cải thiện, nên nếu chúng chiếm phần lớn một lượt xử lý, tốc độ tổng thể gần như không đổi.

Góc nhìn cho người dùng Việt Nam

Việc K3.1 Pro nâng cửa sổ ngữ cảnh lên 1M token mở ra khả năng xử lý những codebase lớn trong một lần — điều mà các đội phát triển phần mềm tại Việt Nam thường gặp khó khi phải phân mảnh dự án để đưa vào mô hình. Tuy nhiên, cửa sổ 1M chỉ mở cho các gói thành viên cao cấp (Pro trở lên), nên người dùng cần cân nhắc giữa chi phí và nhu cầu thực tế.

Bên cạnh đó, việc dòng K3.1 Pro bắt buộc bật thinking đồng nghĩa với mức tiêu thụ token cao hơn so với các mô hình cho phép tắt suy luận. Với những ai làm việc qua API trả phí theo lượng dùng, đây là yếu tố cần tính đến khi lập kế hoạch ngân sách cho các dự án tích hợp AI.