

Kimi K3.1 Pro und Fugu Ultra v1.1 im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
Kimi K3.1 Pro von Moonshot AI und Fugu Ultra v1.1 von Sakana AI gehören beide zur Kategorie Textgenerierung und sind über die EmpirioLabs API verfügbar.
| Spezifikation | Kimi K3.1 Pro | Fugu Ultra v1.1 |
|---|---|---|
| Modell-ID | kimi-k3-1-pro | fugu-ultra-v1-1 |
| Autor | Moonshot AI | Sakana AI |
| Veröffentlicht | 23. Okt. 2026 | 23. Juli 2026 |
| Kontextfenster | 1M Token | 1M Token |
| Max. Ausgabe | 131.072 Token | 131.072 Token |
| Eingabe | Text Bild | Text Bild |
| Ausgabe | Text | Text |
| Strukturierte Ausgabe | JSON Schema | JSON Schema |
| Region | Germany | - |
| Endpoints | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k3-1-pro:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/fugu-ultra-v1-1:generateContent |
| Fähigkeiten |
Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.
Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.
| Parameter | Kimi K3.1 Pro | Fugu Ultra v1.1 |
|---|---|---|
| max_tokens | 1 bis 131072 Standard: 131072 | 16 bis 131072 |
| stop | string | - |
| enable_thinking | boolean Standard: true | - |
| reasoning_effort | low, medium, high, max Standard: max | high, xhigh, max Standard: high |
| response_format | enum | enum |
| web_search_linkup | boolean Standard: false | - |
| disable_formatting | boolean Standard: false | - |
| tool_web_search | - | boolean Standard: false |
| tools | - | array Standard: [] |
| tool_choice | - | object |
Unterstützt Text- und Bildeingaben mit einem 1M-Token-Kontext, Funktionsaufruf und JSON-Schema-strukturierter Ausgabe. Linkup-Websuche ist über web_search_linkup verfügbar und fügt beim Aufruf $0.013 pro Aufruf hinzu. Denken ist standardmäßig aktiviert: Setze die Tiefe mit reasoning_effort (maximal ist Standard) oder schalte es mit enable_thinking aus, was die Ausgabequalität verringert. Reasoning-Tokens werden als Ausgabetoken abgerechnet. Stop-Strings gelten sowohl für das Reasoning als auch für die Antwort, sodass eine Stop-String, die im Reasoning erscheint, die Antwort frühzeitig beendet. Temperatur- und andere Sampling-Einstellungen werden vom Modelldienst festgelegt.
Fugu Ultra v1.1 ist ein aktualisierter Multi-Agent-Leiter: Jede Anfrage koordiniert einen Pool von Expertenmodellen und fasst deren Arbeit in einer einzigen Antwort zusammen.
Kimi K3.1 Pro bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID kimi-k3-1-pro. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf kimi-k3-1-pro oder fugu-ultra-v1-1. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k3-1-pro",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Kimi K3.1 Pro ist die neuere Veröffentlichung (23. Okt. 2026); Fugu Ultra v1.1 erschien am 23. Juli 2026. Beide Modelle haben ein Kontextfenster von 1M Token. Nur für Kimi K3.1 Pro angegebene Fähigkeiten: vision. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
Kimi K3.1 Pro ist die neuere Veröffentlichung (23. Okt. 2026); Fugu Ultra v1.1 erschien am 23. Juli 2026.
Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.
Ja. Beide Modelle nutzen POST /v1/chat/completions mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.
Ja. Öffne jedes Modell im EmpirioLabs Playground und führe denselben Prompt auf beiden aus, mit den Parametern, die die API bereitstellt.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.