Kimi K3.1 Pro hiện đã có thể dùng để tự động gán nhãn trên Ultralytics Platform
Kimi K3.1 Pro của Moonshot AI hiện đã có trên Ultralytics Platform. Model đạt 0.444 mAP50 trên VLM Leaderboard của chúng tôi, cao hơn Kimi K3 một phần ba và xếp thứ 7 trong số 29 model.
Moonshot AI phát hành Kimi K3.1 Pro vào ngày 23 tháng 10 năm 2026 và model này hiện đã có thể dùng để tự động gán nhãn trên Ultralytics Platform. Chúng tôi đã thử nghiệm model này theo cùng quy trình với mọi model khác trên VLM Leaderboard: 360 ảnh từ 36 dataset phát hiện đối tượng trong thực tế.
Kimi K3.1 Pro đạt 0.444 mAP50, cao hơn Kimi K3 (0.334) một phần ba và xếp thứ 7 trong số 29 model, cao hơn thế hệ tiền nhiệm 10 bậc. Mọi model xếp trên model này đều là model đóng của Google, Anthropic hoặc OpenAI.
Điểm mới trong Kimi K3.1 Pro#
Kimi K3.1 Pro là model đầu tiên trong dòng K3.1 của Moonshot, và Moonshot gọi đây là model open-weight thuộc lớp 3T có năng lực cao nhất của hãng tính đến nay. Đây là phiên bản Kimi K3 đã qua hậu huấn luyện, được xây dựng với lượng compute hậu huấn luyện lớn hơn đáng kể, có cửa sổ ngữ cảnh 1 triệu token và hỗ trợ đầu vào hình ảnh, video. Model luôn suy luận trước khi trả lời, và Moonshot dự kiến phát hành đầy đủ trọng số trước ngày 4 tháng 11 năm 2026. Thông báo của Moonshot trình bày kết quả về lập trình, tài chính và hiện tượng bịa đặt.
Moonshot cũng đã giảm giá. Kimi K3.1 Pro có giá 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra, giảm từ mức 3 USD và 15 USD của Kimi K3.
Kimi K3.1 Pro để tự động gán nhãn trên Ultralytics Platform#
Kimi K3.1 Pro được tích hợp vào trình chỉnh sửa gán nhãn của Ultralytics Platform, cùng với các model ngôn ngữ-thị giác sử dụng prompt lớp. Trên dataset phát hiện đối tượng có từ 1–200 lớp, model xem từng ảnh và trả về bounding box cho các instance thuộc những lớp trong dataset mà model phát hiện được; bạn có thể xem xét và lưu các kết quả này như mọi dự đoán khác.
Bạn có thể sử dụng model theo hai cách:
- Mỗi lần một ảnh: Trong trình chỉnh sửa gán nhãn, chuyển sang chế độ Smart, chọn Kimi K3.1 Pro trong mục Kimi ở bộ chọn model, rồi nhấp Predict (hoặc nhấn
P). - Toàn bộ tập dữ liệu: Chạy Batch Annotation từ More actions > Batch Annotation trên trang tập dữ liệu để gán nhãn mọi ảnh chưa được gán nhãn trong một lần chạy.
Để xem model hoạt động trước khi thêm key, hãy mở trang model Kimi K3.1 Pro trên Ultralytics Platform. Trang này phát lại các dự đoán đã ghi nhận của Kimi K3.1 Pro trên 10 ảnh COCO bên cạnh các bounding box dự kiến, đồng thời hiển thị điểm số của model trên từng dataset benchmark.
Cách chúng tôi benchmark Kimi K3.1 Pro#
Một model có thể phát hiện gần như mọi đối tượng trong ảnh chụp đời thường nhưng vẫn bỏ sót phần lớn đối tượng trong ảnh quét y tế hoặc bo mạch. Vì vậy, mọi model trên VLM Leaderboard đều thực hiện cùng một bài kiểm tra cố định, UL37 v2: 10 ảnh được gán nhãn, chọn ngẫu nhiên từ mỗi trong số 36 dataset phát hiện thuộc UL37, một tập hợp các dataset benchmark thực tế mà Ultralytics dùng để đánh giá. Các dataset bao gồm hình ảnh y tế, ảnh trên không và ảnh vệ tinh, kiểm tra PCB, X-quang an ninh, kệ hàng bán lẻ, giao thông, thể thao, cảnh dưới nước, cảnh quay nhiệt và nhiều lĩnh vực khác.
Mỗi ảnh được xử lý qua pipeline gán nhãn production của Ultralytics Platform cùng tên lớp của dataset, chính xác như cách chế độ Smart và Batch Annotation gọi pipeline này, bao gồm bước SAM 3.1 tinh chỉnh bounding box của từng model. Chúng tôi chấm điểm các bounding box bằng chính các metric phát hiện đối tượng của package Ultralytics và tính trung bình đồng trọng số trên 36 dataset. Phương pháp của VLM Leaderboard trình bày chi tiết.
Có một thiết lập khác biệt đối với Kimi. Kimi K3.1 Pro mặc định sử dụng mức suy luận tối đa của Moonshot. Ở mức tối đa, Kimi K3 vượt quá giới hạn 115 giây của Ultralytics Platform trên khoảng 40% ảnh trong các bài kiểm tra của chúng tôi, nên Ultralytics Platform chạy mọi model Kimi ở mức suy luận cao. Kimi K3 và Kimi K3.1 Pro đều được benchmark theo cách này.
Kimi K3.1 Pro so với Gemini 4 Argon, Claude Opus 5.5 và GPT-6 Astra#
Kimi K3.1 Pro đạt 0.444 mAP50. Gemini 4 Argon (0.537), Claude Opus 5.5 (0.527), GPT-6 Astra (0.525), Gemini 3.8 Flash (0.516), GPT-6.1 Sol (0.514) và Claude Sonnet 5.5 (0.472) có điểm cao hơn; model này xếp trên Claude Haiku 5.5 (0.429), Claude Fable 5.1 (0.427) và mọi model open-weight mà chúng tôi chạy trên GPU của mình, trong đó dẫn đầu là Gemma 4 31B (0.390), model hiện chưa có trên Ultralytics Platform.
Cả hai thành phần của điểm số đều được cải thiện. Precision tăng lên 0.560 từ mức 0.439 của Kimi K3, còn recall tăng lên 0.483 từ 0.376; do đó, tỷ lệ bounding box chính xác cao hơn và model phát hiện được nhiều đối tượng đã gán nhãn hơn.
Kimi K3.1 Pro so với Kimi K3: nâng cấp thể hiện ở đâu#
Kimi K3.1 Pro cải thiện so với Kimi K3 trên 25 trong số 36 dataset và ở 8 trong số 12 lĩnh vực. Mức tăng lớn nhất nằm ở thể thao (0.68 so với 0.28), đường sá và giao thông (0.49 so với 0.26), cũng như tài liệu, UI và CAD (0.41 so với 0.26). Với bóng tennis, điểm mAP50 tăng từ 0.08 lên 0.74, ngang bằng Gemini 3.8 Flash ở vị trí dẫn đầu dataset đó; với vạch kẻ đường CeyMo, điểm số tăng từ 0.17 lên 0.80.
Trong lĩnh vực thể thao, Kimi K3.1 Pro cũng vượt Gemini 4 Argon (0.68 so với 0.60), và đạt điểm cao hơn Argon trên tổng cộng sáu dataset, bao gồm bóng tennis, bóng đá, bông lúa mì và siêu âm tuyến giáp.
Không phải lĩnh vực nào cũng cải thiện. Điểm số ở lĩnh vực dưới nước và X-quang an ninh (mỗi lĩnh vực có một dataset) giảm, bán lẻ giảm nhẹ (0.47 so với 0.48), còn các lỗi PCB công nghiệp vẫn gần bằng không ở cả hai model Kimi. Hình ảnh chuyên biệt vẫn là thách thức đối với mọi model, vì vậy hãy xem bounding box của Kimi K3.1 Pro là bản nháp đầu tiên để con người rà soát trong quy trình, đồng thời kiểm tra một số dự đoán trên ảnh của bạn trước khi gán nhãn toàn bộ dataset.
Độ chính xác, chi phí và tốc độ#
Các model trả phí sử dụng API key của nhà cung cấp do bạn tự cung cấp, vì vậy nhà cung cấp sẽ tính phí trực tiếp cho từng dự đoán. Trong benchmark của chúng tôi, Kimi K3.1 Pro có chi phí khoảng 22,50 USD cho mỗi 1.000 ảnh, gần bằng mức 21,50 USD của Kimi K3. Giá token thấp hơn một phần ba, nhưng model sử dụng nhiều token hơn cho mỗi ảnh; do đó, nâng cấp giúp tăng độ chính xác khoảng một phần ba với hóa đơn gần như tương đương.
Đây không phải cách rẻ nhất để đạt độ chính xác đó. Năm trong số sáu model xếp trên model này có giá thấp hơn, bao gồm Gemini 4 Argon (khoảng 7,60 USD cho mỗi 1.000 ảnh) và Claude Opus 5.5 (khoảng 13,90 USD); Claude Haiku 5.5 chỉ thấp hơn Kimi K3.1 Pro khoảng 0.015 mAP50 nhưng có giá khoảng 0,37 USD cho mỗi 1.000 ảnh.
Kimi K3.1 Pro cũng xử lý khá chậm. Thời gian yêu cầu trung vị là khoảng 22 giây cho mỗi ảnh, so với 4,6 giây của Gemini 4 Argon và 2,7 giây của Claude Opus 5.5; 6,4% yêu cầu không hoàn tất trong giới hạn 115 giây của Ultralytics Platform, tăng từ mức 1,7% của Kimi K3. Ảnh bị timeout sẽ không có bounding box, nhưng bạn có thể chạy dự đoán lại. Moonshot cũng cung cấp Kimi K3.1 Pro Highspeed, được hãng cho biết chạy nhanh hơn hai đến ba lần với cùng năng lực; Ultralytics Platform cung cấp Kimi K3.1 Pro tiêu chuẩn.
Bắt đầu sử dụng Kimi K3.1 Pro trên Ultralytics Platform#
- Tạo API key trên Kimi API Platform, sau đó thêm key tại Settings > API Keys trong workspace sở hữu dataset của bạn, hoặc yêu cầu chủ sở hữu workspace thêm key (xem hướng dẫn).
- Mở dataset phát hiện đối tượng trên Ultralytics Platform, chuyển trình chỉnh sửa gán nhãn sang chế độ Smart, rồi chọn Kimi K3.1 Pro trong mục Kimi.
- Nhấp Predict để gán nhãn ảnh hiện tại, sau đó xem xét, điều chỉnh và lưu các hộp.
- Khi kết quả đã ổn, chạy Batch Annotation để gán nhãn phần còn lại của tập dữ liệu.
Batch Annotation áp dụng thêm phí xử lý tiêu chuẩn của Ultralytics Platform là 1,00 USD cho mỗi 1.000 ảnh, tách biệt với khoản Moonshot tính vào API key của bạn. Mỗi lượt chạy đều lưu một phiên bản dataset trước, vì vậy bạn luôn có thể khôi phục phiên bản trước đó.
Sau khi gán nhãn dataset, hãy huấn luyện model Ultralytics YOLO26 trên dataset trong cùng workspace (xem tài liệu huấn luyện). Để so sánh Kimi K3.1 Pro với model dẫn đầu, hãy đọc bài viết của chúng tôi về tự động gán nhãn bằng Gemini 4 Argon, hoặc xem tất cả model trên VLM Leaderboard và các trang model của Ultralytics Platform. Sau đó, đăng nhập Ultralytics Platform để thử Kimi K3.1 Pro trên dữ liệu của bạn.
Câu hỏi thường gặp
Kimi K3.1 Pro là model chủ lực trong dòng Kimi K3.1 của Moonshot AI, được phát hành vào ngày 23 tháng 10 năm 2026. Đây là phiên bản Kimi K3 đã qua hậu huấn luyện, có cửa sổ ngữ cảnh 1 triệu token và hỗ trợ đầu vào hình ảnh, video; Moonshot dự kiến phát hành trọng số model trước ngày 4 tháng 11 năm 2026. Trên Ultralytics Platform, model này có thể được dùng để tự động gán nhãn bằng prompt lớp và vẽ bounding box cho các lớp trong dataset của bạn.
Có. Trên VLM Leaderboard của chúng tôi, Kimi K3.1 Pro đạt 0.444 mAP50 so với 0.334 của Kimi K3, cải thiện trên 25 trong số 36 dataset và có chi phí gần như tương đương cho mỗi ảnh (22,50 USD so với 21,50 USD cho mỗi 1.000 ảnh). Thời gian yêu cầu trung vị của model nhanh hơn một chút, nhưng model bị timeout thường xuyên hơn (6,4% so với 1,7% số yêu cầu).
Gemini 4 Argon (0.537 mAP50) và Claude Opus 5.5 (0.527) có độ chính xác cao hơn, nhanh hơn và rẻ hơn cho mỗi ảnh trong benchmark của chúng tôi. Kimi K3.1 Pro (0.444) xếp thứ 7 trong số 29 model, chỉ đứng sau các model đóng của Google, Anthropic và OpenAI; đồng thời, model này đạt điểm cao hơn Gemini 4 Argon trên sáu dataset, bao gồm bóng tennis, bóng đá, bông lúa mì và siêu âm tuyến giáp.
Moonshot tính phí vào API key của bạn với mức 2 USD cho mỗi triệu token đầu vào và 10 USD cho mỗi triệu token đầu ra; theo benchmark của chúng tôi, chi phí này tương đương khoảng 22,50 USD cho mỗi 1.000 ảnh. Batch Annotation cũng tính thêm phí xử lý của Ultralytics Platform là 1,00 USD cho mỗi 1.000 ảnh.
Có. Các model được lưu trữ như Qwen3.8 27B, Gemma 4 26B và SAM 3.1 Text chạy trên Ultralytics Platform mà không cần key của nhà cung cấp; bạn cũng có thể tự động gán nhãn bằng model Ultralytics YOLO đã huấn luyện trước hoặc model của riêng bạn đã tinh chỉnh.
