Модели и платформы ИИ
AWS сделала Kimi K3.1 Pro Highspeed доступной на Amazon Bedrock
Добавьте Unite.AI в избранные источники в Google
Amazon Web Services открыла доступ к Kimi K3.1 Pro Highspeed от Moonshot AI на Amazon Bedrock 10 ноября 2026 года. Модель предлагается с контекстным окном на 1 млн токенов через глобальный профиль вывода, а также профили для США и Индии. По данным Moonshot AI, вариант Highspeed генерирует выходные данные в два-три раза быстрее, чем K3.1 Pro.
Базовая модель была выпущена 4 ноября 2026 года, до ее появления на Bedrock. K3.1 Pro — версия Kimi K3, прошедшая дополнительное обучение: она сохраняет архитектуру с открытыми весами класса 3T и контекстное окно исходной модели, но при дообучении использует значительно больше вычислительных ресурсов. Moonshot AI сообщает, что дополнительное обучение направлено на повышение эффективности в длительных агентных задачах и сокращение числа фактических ошибок. Улучшения касаются финансового моделирования, работы с офисными документами, а также написания кода для игровых движков, 3D-сцен и сценариев систем автоматизированного проектирования.
При агентном программировании одна задача может требовать множества последовательных обращений к модели: прочитать файлы, спланировать изменения, отредактировать код, запустить тесты и исправить ошибки. Более высокая скорость генерации выходных токенов может сократить время, необходимое для генерации на каждом этапе. Чтобы переключить существующие реализации Kimi K3 на Bedrock, достаточно изменить идентификатор модели. Новая модель поддерживает вызов инструментов, структурированный вывод, настраиваемый уровень рассуждений, обработку изображений и потоковую передачу данных через тот же конечный узел и API. AWS также демонстрирует подключение OpenCode — агента для программирования с открытым исходным кодом, работающего в терминале, — через Chat Completions и ключ API Bedrock.
Доступ и локализация данных
Разработчики могут обращаться к модели через совместимые с OpenAI API Chat Completions и Responses либо через API Bedrock Converse и Invoke. AWS рекомендует использовать Chat Completions. Глобальный профиль межрегионального вывода направляет запросы в любой поддерживаемый коммерческий регион AWS, тогда как профили для США и Индии ограничивают маршрутизацию соответствующими регионами, чтобы обеспечить соблюдение требований к локализации данных. Запросы из Индии направляются между Мумбаи и Хайдарабадом.
По данным AWS, данные, используемые при обработке запросов, остаются в пределах контура безопасности данных AWS, не передаются Moonshot AI и не используются для обучения модели. Для запросов на вывод всегда включено нулевое хранение данных, а операторы AWS не могут просматривать промпты и ответы модели во время обработки.
Цены и контроль расходов
Стоимость стандартного уровня зависит от профиля маршрутизации. Все приведенные ниже цены указаны за 1 млн токенов:
| Профиль вывода | Входные данные | Выходные данные | Чтение кэша | Запись в кэш (30 минут) |
|---|---|---|---|---|
| Глобальный межрегиональный | $4.00 | $20.00 | $0.20 | $5.00 |
| Межрегиональный профиль для США | $4.40 | $22.00 | $0.22 | $5.50 |
| Межрегиональный профиль для Индии | $4.40 | $22.00 | $0.22 | $5.50 |
На странице цен Bedrock для предыдущей модели Kimi K3 указана стоимость 3,00 доллара за миллион входных токенов и 15,00 доллара за миллион выходных токенов при использовании глобального стандартного профиля вывода. Таким образом, у новой модели выше стоимость обработки входных и выходных данных, хотя глобальная ставка за чтение кэша ниже, чем у K3: 0,30 доллара за миллион токенов.
Уровень Flex обеспечивает обработку запросов по половинной ставке Standard, но время ответа может быть больше; уровень Priority предусматривает надбавку в 75%. Уровень можно выбирать для каждого запроса: приложение может использовать Standard для обычного трафика, Priority — для запросов, критичных к задержке, а Flex — для оценивания, суммаризации или фоновой работы агента.
Явное кэширование промптов позволяет повторно использовать контекст, например системные инструкции, определения инструментов и соглашения, принятые в репозитории. Каждая точка разбиения должна следовать после как минимум 256 токенов стабильного содержимого. Эта функция доступна в Responses, Chat Completions и Invoke, но не в Converse. Чтение кэша обходится дешевле и не учитывается в квоте на входные токены в минуту, тогда как запись стоит дороже, чем стандартная обработка входных данных.
Ограничения рассуждений и совместимости
В карточке модели указаны уровни рассуждений none, low, medium, high, xhigh и max; по умолчанию используется max. Если выбрать none, рассуждения отключаются для конкретного запроса. Более низкий уровень может сократить задержку и расход токенов, но снизить качество выполнения задачи, поэтому значение по умолчанию особенно важно для задач, где необходимо контролировать расходы.
У Converse есть и другие ограничения помимо отсутствия явного кэширования. При многошаговом запросе Converse может вернуть внутреннюю ошибку сервера, если в него включено содержимое рассуждений из предыдущих ходов. Это затрагивает такие фреймворки, как LangChain и Strands Agents, при использовании настроек по умолчанию. Для многошаговых запросов через Converse AWS рекомендует удалять предыдущие блоки рассуждений. Кроме того, Converse не принимает прикрепленные документы PDF и HTML, а Bedrock не поддерживает видеоданные для этой модели.
Каждый выходной токен также расходует 10 токенов из применимой квоты учетной записи для конечного узла bedrock-runtime. Это отдельный фактор, влияющий на доступную емкость, помимо оплаты за токены.
Переход на новую модель для нынешних пользователей K3 требует минимальных изменений в коде, но при оценке компромиссов важно учитывать не только совместимость. Потенциальное преимущество — более быстрое выполнение последовательных агентных задач; сдерживающие факторы — более высокая стоимость входных и выходных токенов, их расход при рассуждениях и потребление квоты. AWS предлагает управлять этими затратами с помощью уровней Flex, кэширования и настроек уровня рассуждений.
