Daftar pantauan model berikutnya: Qwen 4 dan Kimi K3.1 diisukan Oktober, belum ada tanggal resmi

Daftar pantauan yang disusun akun X kimmonismus pada 4 Oktober 2026 menyebut empat kandidat model open-weight yang dinanti. Qwen 4 diperkirakan muncul antara Oktober dan awal November, dengan catatan bahwa Alibaba sudah mengonfirmasi model itu sedang dilatih tetapi belum mengumumkan tanggal. Kimi K3.1 dianggap mungkin muncul pada Oktober berdasarkan petunjuk dan pengenal model yang dilaporkan ada di sistem internal. GLM generasi berikutnya, termasuk GLM-5.4, diperkirakan Oktober sampai November semata-mata dari pola jarak rilis sebelumnya. DeepSeek V4.2 justru disebut belum punya jendela rilis yang kredibel.

Satu kandidat yang punya jejak lebih konkret adalah Kimi K3.1. Laporan 4 Oktober 2026 menyebut Moonshot menyiapkan model itu untuk bulan berikutnya dengan tiga tingkat penalaran Low, High, dan Max, serta dukungan konteks sampai satu juta token, mode Agent, dan kolaborasi multi-agen bernama Swarm. Dasar laporan itu adalah data API internal yang dibagikan pengguna X dengan pengenal seperti k3d1-agent, dan sejauh ini tidak ada pengumuman resmi, kartu model, maupun harga dari Moonshot. Moonshot juga belum memberi jawaban apa pun atas laporan tersebut.

Untuk Kimi K4, bukti publik bahkan lebih tipis. Halaman pelacak yang diperbarui 7 Oktober 2026 menyatakan daftar model resmi platform Kimi belum memuat K4, dan satu-satunya dasar adalah laporan media 29 Juli 2026 bahwa pelatihan K4 dimulai pada skala yang jauh lebih besar daripada K3. Pasar prediksi menempatkan peluang rilis K4 sebelum 31 Oktober 2026 sekitar 1,2 persen dan sebelum 31 Desember 2026 sekitar 9 persen, yang berarti peluncuran tahun ini masih dianggap kecil kemungkinannya oleh banyak pengamat.

Cara paling aman menyikapi daftar seperti ini adalah memakai tiga penanda rilis resmi: entri di halaman daftar model penyedia dengan pengenal yang bisa dipanggil, baris harga per juta token, dan kartu model atau catatan rilis. Selama belum ada ketiganya, semua tanggal dan angka parameter pada daftar tersebut hanya perkiraan. Bagi tim yang menjalankan model open-weight sendiri, strategi yang lebih hemat waktu adalah menguji model yang sudah tersedia lalu menyiapkan langkah evaluasi singkat, bukan menahan migrasi menunggu model yang belum punya jadwal.