Η AWS διαθέτει το Kimi K3.1 Pro Highspeed στο Amazon Bedrock

Η Amazon Web Services διέθεσε το Kimi K3.1 Pro Highspeed της Moonshot AI στο Amazon Bedrock στις 10 Νοεμβρίου 2026, προσφέροντας παράθυρο συμφραζομένων 1 εκατομμυρίου token μέσω καθολικών προφίλ συναγωγής, καθώς και προφίλ για τις ΗΠΑ και την Ινδία. Η Moonshot AI αναφέρει ότι η έκδοση Highspeed παράγει έξοδο δύο έως τρεις φορές ταχύτερα από το K3.1 Pro.

Το υποκείμενο μοντέλο κυκλοφόρησε στις 4 Νοεμβρίου 2026, πριν από τη διάθεσή του στο Bedrock. Το K3.1 Pro είναι μια έκδοση του Kimi K3 που έχει υποβληθεί σε μετεκπαίδευση. Διατηρεί την αρχιτεκτονική ανοικτών βαρών κατηγορίας 3T και το παράθυρο συμφραζομένων, ενώ χρησιμοποιεί σημαντικά περισσότερους υπολογιστικούς πόρους για τη μετεκπαίδευση. Η Moonshot AI αναφέρει ότι η πρόσθετη εκπαίδευση στοχεύει στην εκτέλεση εργασιών με πράκτορες μεγάλης διάρκειας και στη μείωση των πραγματολογικών σφαλμάτων, με βελτιώσεις στη χρηματοοικονομική μοντελοποίηση, στα έγγραφα γραφείου και στον προγραμματισμό για μηχανές παιχνιδιών, τρισδιάστατες σκηνές και σενάρια σχεδίασης με τη βοήθεια υπολογιστή.

Στον προγραμματισμό με πράκτορες, μια μεμονωμένη εργασία μπορεί να απαιτεί πολλές διαδοχικές κλήσεις του μοντέλου: ανάγνωση αρχείων, σχεδιασμό μιας αλλαγής, επεξεργασία κώδικα, εκτέλεση δοκιμών και διόρθωση σφαλμάτων. Ο υψηλότερος ρυθμός παραγωγής token μπορεί να συντομεύσει το στάδιο παραγωγής σε κάθε βήμα. Οι υπάρχουσες υλοποιήσεις του Kimi K3 στο Bedrock μπορούν να αλλάξουν μοντέλο με τροποποίηση του αναγνωριστικού μοντέλου, ενώ το νέο μοντέλο υποστηρίζει κλήσεις εργαλείων, δομημένη έξοδο, παραμετροποιήσιμη συλλογιστική, είσοδο εικόνων και ροή δεδομένων μέσω του ίδιου τελικού σημείου και των ίδιων API. Η AWS παρουσιάζει επίσης το OpenCode, έναν ανοικτού κώδικα πράκτορα προγραμματισμού για τερματικό, συνδεδεμένο μέσω των Chat Completions και ενός κλειδιού API του Bedrock.

Πρόσβαση και διαμονή δεδομένων

Οι προγραμματιστές μπορούν να καλούν το μοντέλο μέσω των συμβατών με το OpenAI API Chat Completions και Responses ή των API Converse και Invoke του Bedrock. Η AWS συνιστά το Chat Completions. Το καθολικό προφίλ συναγωγής μεταξύ περιοχών δρομολογεί τα αιτήματα σε οποιαδήποτε υποστηριζόμενη εμπορική Περιοχή AWS, ενώ τα προφίλ για τις ΗΠΑ και την Ινδία περιορίζουν τη δρομολόγηση στις αντίστοιχες γεωγραφικές περιοχές, ώστε να καλύπτονται οι απαιτήσεις διαμονής δεδομένων. Τα αιτήματα από την Ινδία δρομολογούνται μεταξύ της Μουμπάι και της Χαϊντεραμπάντ.

Η AWS αναφέρει ότι τα δεδομένα συναγωγής παραμένουν εντός του ορίου δεδομένων της AWS, δεν κοινοποιούνται στη Moonshot AI και δεν χρησιμοποιούνται για την εκπαίδευση του μοντέλου. Η μηδενική διατήρηση δεδομένων είναι πάντα ενεργοποιημένη για τα αιτήματα συναγωγής, ενώ οι χειριστές της AWS δεν μπορούν να δουν τα προτροπές ή τις ολοκληρώσεις κατά τη συναγωγή.

Τιμολόγηση και έλεγχος κόστους

Οι χρεώσεις της βαθμίδας Standard εξαρτώνται από το προφίλ δρομολόγησης. Όλες οι παρακάτω τιμές αφορούν 1 εκατομμύριο token:

Στη σελίδα τιμολόγησης του Bedrock, το προηγούμενο Kimi K3 αναγράφεται με χρέωση 3,00 $ ανά εκατομμύριο token εισόδου και 15,00 $ ανά εκατομμύριο token εξόδου για συναγωγή Global Standard. Επομένως, το νέο μοντέλο έχει υψηλότερες χρεώσεις εισόδου και εξόδου, αν και η παγκόσμια χρέωσή του για ανάγνωση από την προσωρινή μνήμη είναι χαμηλότερη από τα 0,30 $ του K3 ανά εκατομμύριο token.

Η βαθμίδα Flex προσφέρει συναγωγή με τη μισή χρέωση της Standard, με αντάλλαγμα ενδεχομένως μεγαλύτερους χρόνους απόκρισης, ενώ η Priority έχει προσαύξηση 75%. Η βαθμίδα επιλέγεται για κάθε αίτημα ξεχωριστά, οπότε μια εφαρμογή μπορεί να χρησιμοποιεί την Standard για τη συνήθη κίνηση, την Priority για κλήσεις με αυστηρές απαιτήσεις καθυστέρησης και την Flex για αξιολογήσεις, περιλήψεις ή εργασίες πρακτόρων στο παρασκήνιο.

Η ρητή προσωρινή αποθήκευση προτροπών καλύπτει επαναλαμβανόμενα συμφραζόμενα, όπως οδηγίες συστήματος, ορισμούς εργαλείων και συμβάσεις αποθετηρίων. Κάθε σημείο διαχωρισμού πρέπει να έπεται τουλάχιστον 256 token σταθερού περιεχομένου. Η λειτουργία υποστηρίζεται στα Responses, Chat Completions και Invoke, αλλά όχι στο Converse. Οι αναγνώσεις από την προσωρινή μνήμη χρεώνονται με έκπτωση και δεν προσμετρώνται στο όριο εισόδου token ανά λεπτό, ενώ οι εγγραφές κοστίζουν περισσότερο από την τυπική είσοδο.

Όρια συλλογιστικής και συμβατότητας

Η κάρτα μοντέλου υποστηρίζει ρυθμίσεις συλλογιστικής none, low, medium, high, xhigh και max, με προεπιλεγμένη τη ρύθμιση max. Η επιλογή none απενεργοποιεί τη συλλογιστική για ένα αίτημα. Η χαμηλότερη ένταση μπορεί να μειώσει την καθυστέρηση και την κατανάλωση token, με πιθανό αντίτιμο την επίδοση στην εκάστοτε εργασία, καθιστώντας την προεπιλεγμένη ρύθμιση σημαντικό παράγοντα για φόρτους εργασίας όπου το κόστος έχει ιδιαίτερη σημασία.

Το Converse έχει επιπλέον περιορισμούς πέρα από την έλλειψη ρητής προσωρινής αποθήκευσης. Μπορεί να παρουσιάσει εσωτερικό σφάλμα διακομιστή όταν το περιεχόμενο συλλογιστικής από προηγούμενους γύρους περιλαμβάνεται σε αίτημα πολλαπλών γύρων, επηρεάζοντας πλαίσια όπως τα LangChain και Strands Agents στις προεπιλεγμένες ρυθμίσεις τους. Η AWS συνιστά την αφαίρεση προηγούμενων μπλοκ συλλογιστικής από αιτήματα Converse πολλαπλών γύρων. Το Converse απορρίπτει επίσης συνημμένα έγγραφα PDF και HTML, ενώ το Bedrock δεν υποστηρίζει είσοδο βίντεο για αυτό το μοντέλο.

Κάθε token εξόδου καταναλώνει επίσης 10 token από το ισχύον όριο του λογαριασμού στο τελικό σημείο bedrock-runtime, ένας παράγοντας χωρητικότητας ξεχωριστός από τη χρέωση ανά token.

Για τους υφιστάμενους χρήστες του K3, η μετάβαση απαιτεί ελάχιστες αλλαγές στον κώδικα, αλλά οι λειτουργικοί συμβιβασμοί δεν περιορίζονται στη συμβατότητα. Το πιθανό όφελος είναι η ταχύτερη ολοκλήρωση διαδοχικών εργασιών πρακτόρων· οι αντίρροποι παράγοντες είναι οι υψηλότερες χρεώσεις εισόδου και εξόδου, η κατανάλωση token λόγω συλλογιστικής και η χρήση του ορίου. Η AWS παρέχει τις βαθμίδες Flex, την προσωρινή αποθήκευση και τις ρυθμίσεις έντασης ως μέσα εξισορρόπησης αυτών των απαιτήσεων.