AWS เปิดให้ใช้งาน Kimi K3.1 Pro Highspeed บน Amazon Bedrock

Amazon Web Services เปิดให้ใช้งาน Kimi K3.1 Pro Highspeed ของ Moonshot AI บน Amazon Bedrock เมื่อวันที่ 10 พฤศจิกายน 2026 โดยรองรับบริบทขนาด 1 ล้านโทเคนผ่านโปรไฟล์การอนุมานทั่วโลก สหรัฐฯ และอินเดีย Moonshot AI ระบุว่ารุ่น Highspeed สร้างผลลัพธ์ได้เร็วกว่ารุ่น K3.1 Pro สองถึงสามเท่า

โมเดลต้นทางเปิดตัวเมื่อวันที่ 4 พฤศจิกายน 2026 ก่อนนำมาใช้งานบน Bedrock ในครั้งนี้ K3.1 Pro เป็นรุ่นของ Kimi K3 ที่ผ่านการฝึกเพิ่มเติม โดยยังคงสถาปัตยกรรมแบบโอเพนเวตระดับ 3T และหน้าต่างบริบทเดิมไว้ แต่ใช้ทรัพยากรประมวลผลสำหรับการฝึกเพิ่มเติมมากขึ้นอย่างมาก Moonshot AI ระบุว่าการฝึกเพิ่มเติมนี้มุ่งพัฒนาความสามารถในการทำงานแบบเอเจนต์ที่ต้องดำเนินการต่อเนื่องเป็นเวลานาน และลดข้อผิดพลาดด้านข้อเท็จจริง พร้อมปรับปรุงความสามารถด้านการสร้างแบบจำลองทางการเงิน การจัดทำเอกสารสำนักงาน และการเขียนโค้ดสำหรับเอนจินเกม ฉาก 3 มิติ และสคริปต์ออกแบบโดยใช้คอมพิวเตอร์ช่วย

ในการเขียนโค้ดแบบเอเจนต์ งานเดียวอาจต้องเรียกใช้โมเดลหลายครั้งต่อเนื่องกัน เช่น อ่านไฟล์ วางแผนการเปลี่ยนแปลง แก้ไขโค้ด รันทดสอบ และแก้ไขข้อผิดพลาด อัตราการสร้างโทเค็นเอาต์พุตที่สูงขึ้นช่วยลดเวลาที่ใช้ในการสร้างผลลัพธ์ของแต่ละขั้นตอนได้ การใช้งาน Kimi K3 บน Bedrock ที่มีอยู่แล้วสามารถเปลี่ยนมาใช้โมเดลนี้ได้ด้วยการเปลี่ยน model ID โดยโมเดลใหม่นี้รองรับการเรียกใช้เครื่องมือ การสร้างเอาต์พุตแบบมีโครงสร้าง การปรับแต่งการให้เหตุผล การรับอินพุตภาพ และการส่งข้อมูลแบบสตรีมผ่านเอ็นด์พอยต์และ API ชุดเดิม นอกจากนี้ AWS ยังสาธิตการเชื่อมต่อ OpenCode ซึ่งเป็นเอเจนต์เขียนโค้ดแบบโอเพนซอร์สที่ทำงานในเทอร์มินัล ผ่าน Chat Completions และคีย์ API ของ Bedrock

การเข้าถึงและการจัดเก็บข้อมูลตามภูมิภาค

นักพัฒนาสามารถเรียกใช้โมเดลผ่าน API ของ Chat Completions และ Responses ซึ่งเข้ากันได้กับ OpenAI หรือผ่าน API ของ Bedrock ได้แก่ Converse และ Invoke โดย AWS แนะนำให้ใช้ Chat Completions โปรไฟล์การอนุมานข้ามภูมิภาคทั่วโลกจะส่งคำขอไปยัง AWS Region เชิงพาณิชย์ใดก็ได้ที่รองรับ ส่วนโปรไฟล์สหรัฐฯ และอินเดียจะจำกัดการส่งคำขอให้อยู่ภายในภูมิภาคของตน เพื่อให้เป็นไปตามข้อกำหนดด้านการจัดเก็บข้อมูลตามภูมิภาค คำขอจากอินเดียจะถูกส่งต่อระหว่างมุมไบกับไฮเดอราบัด

AWS ระบุว่าข้อมูลการอนุมานจะอยู่ภายในขอบเขตข้อมูลของ AWS ไม่ถูกแบ่งปันกับ Moonshot AI และไม่ถูกนำไปใช้ฝึกโมเดล ระบบจะเปิดใช้การเก็บรักษาข้อมูลเป็นศูนย์สำหรับคำขอการอนุมานเสมอ และผู้ปฏิบัติงานของ AWS จะไม่สามารถดูพรอมป์ต์หรือผลลัพธ์ที่สร้างขึ้นระหว่างการอนุมานได้

ราคาและการควบคุมต้นทุน

อัตราค่าบริการระดับ Standard ขึ้นอยู่กับโปรไฟล์การกำหนดเส้นทาง ราคาทั้งหมดด้านล่างคิดต่อ 1 ล้านโทเคน:

ในหน้าราคาของ Bedrock ระบุราคา Kimi K3 รุ่นก่อนหน้าไว้ที่ 3.00 ดอลลาร์ต่ออินพุต 1 ล้านโทเคน และ 15.00 ดอลลาร์ต่อเอาต์พุต 1 ล้านโทเคน สำหรับการอนุมานแบบ Global Standard ดังนั้น โมเดลใหม่จึงมีอัตราค่าอินพุตและเอาต์พุตสูงกว่า แม้ว่าอัตราการอ่านแคชทั่วโลกจะต่ำกว่าของ K3 ซึ่งอยู่ที่ 0.30 ดอลลาร์ต่อ 1 ล้านโทเคน

แพ็กเกจ Flex ให้บริการการอนุมานในราคาครึ่งหนึ่งของ Standard โดยอาจต้องแลกกับเวลาตอบสนองที่นานขึ้น ส่วน Priority มีค่าบริการเพิ่ม 75% ผู้ใช้สามารถเลือกแพ็กเกจแยกตามคำขอได้ ดังนั้นแอปพลิเคชันจึงอาจใช้ Standard กับคำขอทั่วไป Priority กับคำขอที่ต้องการเวลาแฝงต่ำเป็นพิเศษ และ Flex สำหรับการประเมิน การสรุป หรือการทำงานเบื้องหลังของเอเจนต์

การแคชพรอมป์ต์แบบระบุชัดเจนช่วยจัดการบริบทที่ใช้ซ้ำ เช่น คำสั่งระบบ คำจำกัดความของเครื่องมือ และแนวทางปฏิบัติของคลังเก็บโค้ด จุดแบ่งแคชแต่ละจุดต้องอยู่หลังเนื้อหาคงที่อย่างน้อย 256 โทเคน ฟีเจอร์นี้ใช้ได้กับ Responses, Chat Completions และ Invoke แต่ใช้กับ Converse ไม่ได้ การอ่านแคชมีส่วนลดและไม่นับรวมในโควตาจำนวนโทเคนอินพุตต่อนาที ส่วนการเขียนแคชมีค่าใช้จ่ายสูงกว่าอินพุตมาตรฐาน

ข้อจำกัดด้านการให้เหตุผลและความเข้ากันได้

การ์ดโมเดลรองรับการตั้งค่าการให้เหตุผล ได้แก่ none, low, medium, high, xhigh และ max โดยค่าเริ่มต้นคือ max การตั้งค่าเป็น none จะปิดการให้เหตุผลสำหรับคำขอนั้น การลดระดับความพยายามอาจช่วยลดเวลาแฝงและการใช้โทเคน แต่ต้องแลกกับประสิทธิภาพในการทำงาน ดังนั้นการตั้งค่าเริ่มต้นจึงเป็นข้อควรพิจารณาสำคัญสำหรับงานที่ต้องควบคุมต้นทุน

นอกจากจะไม่รองรับการแคชแบบระบุชัดเจนแล้ว Converse ยังมีข้อจำกัดเพิ่มเติม หากคำขอแบบหลายรอบมีเนื้อหาการให้เหตุผลจากรอบก่อนรวมอยู่ด้วย อาจเกิดข้อผิดพลาดเซิร์ฟเวอร์ภายใน ซึ่งส่งผลต่อเฟรมเวิร์กอย่าง LangChain และ Strands Agents เมื่อใช้การตั้งค่าเริ่มต้น AWS แนะนำให้ลบบล็อกการให้เหตุผลก่อนหน้าออกจากคำขอ Converse แบบหลายรอบ นอกจากนี้ Converse ยังปฏิเสธเอกสาร PDF และ HTML ที่แนบมา และ Bedrock ไม่รองรับอินพุตวิดีโอสำหรับโมเดลนี้

โทเคนเอาต์พุตแต่ละโทเคนยังใช้โทเคน 10 โทเคนจากโควตาบัญชีที่เกี่ยวข้องบนเอนด์พอยต์ bedrock-runtime ซึ่งเป็นข้อพิจารณาด้านความจุแยกต่างหากจากค่าบริการต่อโทเคน

สำหรับผู้ใช้ K3 ที่มีอยู่แล้ว การเปลี่ยนมาใช้โมเดลใหม่นี้ต้องแก้ไขโค้ดเพียงเล็กน้อย แต่ข้อแลกเปลี่ยนในการใช้งานมีมากกว่าเรื่องความเข้ากันได้ ประโยชน์ที่อาจได้รับคือการทำงานแบบเอเจนต์ที่ดำเนินต่อเนื่องกันเสร็จเร็วขึ้น ขณะที่ข้อแลกเปลี่ยนคือราคาอินพุตและเอาต์พุตที่สูงขึ้น การใช้โทเคนจากการให้เหตุผล และการใช้โควตา AWS มี Flex การแคช และการตั้งค่าระดับความพยายามให้ใช้เป็นเครื่องมือช่วยสร้างสมดุลระหว่างปัจจัยเหล่านี้