AI-modellen en platforms
AWS maakt Kimi K3.1 Pro Highspeed beschikbaar op Amazon Bedrock
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Amazon Web Services heeft Moonshot AI’s Kimi K3.1 Pro Highspeed op 10 november 2026 beschikbaar gemaakt op Amazon Bedrock. Het model biedt een contextvenster van 1 miljoen tokens via wereldwijde, Amerikaanse en Indiase inferentieprofielen. Volgens Moonshot AI genereert de Highspeed-variant uitvoer twee tot drie keer sneller dan K3.1 Pro.
Het onderliggende model werd gelanceerd op 4 november 2026, vóór de implementatie op Bedrock. K3.1 Pro is een verder getrainde versie van Kimi K3, die de open-weightarchitectuur van de 3T-klasse en het contextvenster behoudt, maar aanzienlijk meer rekenkracht voor de verdere training gebruikt. Moonshot AI zegt dat de aanvullende training is gericht op langdurige agentische taken en minder feitelijke fouten, met verbeteringen op het gebied van financiële modellering, kantoordocumenten en code voor game-engines, 3D-scènes en scripts voor computerondersteund ontwerp.
Bij agentisch programmeren kan één taak veel opeenvolgende modelaanroepen vereisen: bestanden lezen, een wijziging plannen, code bewerken, tests uitvoeren en fouten verhelpen. Een hogere uitvoersnelheid in tokens kan het genereren van elke stap versnellen. Bestaande implementaties van Kimi K3 op Bedrock kunnen worden overgezet door de model-ID te wijzigen. Het nieuwe model ondersteunt daarnaast het aanroepen van tools, gestructureerde uitvoer, instelbare redeneerinstellingen, beeldinvoer en streaming via hetzelfde endpoint en dezelfde API’s. AWS demonstreert ook OpenCode, een open-source codeeragent voor de terminal, verbonden via Chat Completions en een Bedrock-API-sleutel.
Toegang en gegevensresidentie
Ontwikkelaars kunnen het model aanroepen via de OpenAI-compatibele API’s Chat Completions en Responses, of via Bedrocks Converse- en Invoke-API’s. AWS beveelt Chat Completions aan. Het wereldwijde cross-region-inferentieprofiel stuurt verzoeken door naar elke ondersteunde commerciële AWS-regio, terwijl de Amerikaanse en Indiase profielen de routering beperken tot hun respectieve geografische gebieden om aan vereisten voor gegevensresidentie te voldoen. Verzoeken uit India worden gerouteerd tussen Mumbai en Hyderabad.
Volgens AWS blijven inferentiegegevens binnen de AWS-gegevensgrens, worden ze niet gedeeld met Moonshot AI en worden ze niet gebruikt om het model te trainen. Voor inferentieverzoeken is gegevensretentie altijd uitgeschakeld, en AWS-medewerkers kunnen prompts of gegenereerde antwoorden tijdens de inferentie niet bekijken.
Prijzen en kostenbeheersing
De tarieven voor het standaardniveau zijn afhankelijk van het routeringsprofiel. Alle onderstaande prijzen gelden per 1 miljoen tokens:
| Inferentieprofiel | Invoer | Uitvoer | Cache lezen | Cache schrijven (30 minuten) |
|---|---|---|---|---|
| Wereldwijd, cross-region | $4.00 | $20.00 | $0.20 | $5.00 |
| VS, cross-region | $4.40 | $22.00 | $0.22 | $5.50 |
| India, cross-region | $4.40 | $22.00 | $0.22 | $5.50 |
Op de prijspagina van Bedrock staat voor de eerdere Kimi K3 een prijs van $3.00 per miljoen invoertokens en $15.00 per miljoen uitvoertokens voor wereldwijde standaardinferentie. Het nieuwe model heeft dus hogere tarieven voor invoer en uitvoer, hoewel het wereldwijde tarief voor het lezen van de cache lager ligt dan dat van K3: $0.30 per miljoen tokens.
Met Flex kun je inferentie krijgen tegen de helft van het standaardtarief, in ruil voor mogelijk langere reactietijden; voor Priority geldt een toeslag van 75%. Het niveau kan per verzoek worden gekozen. Zo kan een toepassing Standard gebruiken voor normaal verkeer, Priority voor tijdkritische aanroepen en Flex voor evaluaties, samenvattingen of achtergrondtaken van agents.
Expliciete promptcaching is bedoeld voor terugkerende context, zoals syste instructies, tooldefinities en conventies voor repositories. Elk breekpunt moet volgen op ten minste 256 tokens aan stabiele inhoud. De functie werkt met Responses, Chat Completions en Invoke, maar niet met Converse. Voor het lezen van de cache geldt een gereduceerd tarief en de tokens tellen niet mee voor het quotum voor invoertokens per minuut; schrijven naar de cache kost juist meer dan standaardinvoer.
Beperkingen voor redeneren en compatibiliteit
De modelkaart vermeldt de redeneerinstellingen none, low, medium, high, xhigh en max; standaard wordt max gebruikt. Als je none instelt, wordt redeneren voor dat verzoek uitgeschakeld. Een lagere inspanning kan de latentie en het tokenverbruik verminderen, maar gaat ten koste van de taakprestaties. Daarom is de standaardinstelling een belangrijke overweging voor werklasten waarbij de kosten zwaar wegen.
Converse kent naast het ontbreken van expliciete caching nog andere beperkingen. De API kan een interne serverfout geven wanneer redeneerinhoud uit eerdere beurten wordt opgenomen in een verzoek met meerdere beurten. Dit kan gevolgen hebben voor frameworks zoals LangChain en Strands Agents wanneer die met hun standaardinstellingen worden gebruikt. AWS raadt aan om eerdere redeneerblokken te verwijderen bij Converse-verzoeken met meerdere beurten. Converse wijst ook bijgevoegde PDF- en HTML-documenten af, en Bedrock ondersteunt voor dit model geen video-invoer.
Elke uitvoertoken verbruikt bovendien 10 tokens uit het toepasselijke accountquotum voor het endpoint bedrock-runtime. Dit is een afzonderlijke capaciteitsbeperking naast de kosten per token.
Voor bestaande K3-gebruikers is er weinig codeaanpassing nodig om over te stappen, maar de afwegingen gaan verder dan compatibiliteit. De mogelijke winst is dat opeenvolgende agenttaken sneller worden afgerond; daar staan hogere prijzen voor invoer en uitvoer, tokenverbruik door redeneren en quotumverbruik tegenover. Flex, caching en instellingen voor de redeneerinspanning zijn de middelen die AWS biedt om die behoeften tegen elkaar af te wegen.
