GPT-6.1 Sol vs. Kimi K3.1 Pro: Gleiche 2 $/10 $, drei Indexpunkte und ein 2,9-facher Unterschied bei den Kosten pro Aufgabe

Kimi K3.1 Pro und GPT-6.1 Sol haben denselben Preis – und das ist das am wenigsten Interessante an ihnen. Moonshot veröffentlichte K3.1 Pro am 23. Oktober 2026 für 2,00 US-Dollar pro Million Input-Tokens und 10,00 US-Dollar pro Million Output-Tokens; OpenAI veröffentlichte Sol am 29. September zu exakt demselben Paar. Bei Artificial Analysis erreicht K3.1 Pro 55 Punkte und liegt damit auf Platz vier von 221 Modellen; Sol kommt auf 52. Die Modelle trennen drei Punkte bei der Leistungsfähigkeit – und fast Faktor drei bei den Kosten, um eine Aufgabe abzuschließen: 2,11 US-Dollar für K3.1 Pro gegenüber 0,72 US-Dollar für Sol. Diese Umkehrung, nicht der Preis, ist die Entscheidung.

Die folgenden Messungen stammen von Artificial Analysis, das beide Modelle unter einer veröffentlichten Konfiguration laufen lässt und die Token berücksichtigt, die jedes davon verbraucht, sowie aus der eigenen Dokumentation und den Angaben zum Marktstart der beiden Anbieter, gelesen am 27. Oktober 2026. Anbieterangaben sind als solche gekennzeichnet. Der Unterschied ist hier wichtiger als üblich, weil die beiden Unternehmen entgegengesetzte Wetten darauf abschließen, wie ein Modell Token verbrauchen sollte.

Der Preis ist derselbe. Die Rechnung nicht.

Die Preisgestaltung pro Token ist ein Stückpreis, und ein Stückpreis wird erst dann zur Rechnung, wenn man ihn mit dem Verbrauch multipliziert. Die beiden Modelle verbrauchen sehr unterschiedlich. Die Kosten-pro-Aufgabe-Berechnung von Artificial Analysis beziffert K3.1 Pro mit 2,11 US-Dollar für die Erledigung einer Intelligence-Index-Aufgabe und Sol mit 0,72 US-Dollar – ein Unterschied von Faktor 2,9 bei identischen Listenpreisen. Die Ursache ist das Ausgabevolumen. K3.1 Pro ist ein Always-Reasoning-Modell, das deutlich mehr Tokens pro Antwort ausgibt, und die Ausgabe ist die teure Hälfte der Preiskarte bei 10,00 US-Dollar pro Million.

Moonshots eigenes Veröffentlichungsmaterial räumt diese Struktur ein. Das Modell ist eine post-trainierte Version von Kimi K3 mit stark erweitertem Reinforcement-Learning-Rechenaufwand, und das Unternehmen beschreibt die Zugewinne als Resultat längeren, bedachteren Reasonings statt einer größeren Basis. Längeres Reasoning ist genau das, was mehr Ausgabe-Tokens erzeugt. Der Fähigkeitszuwachs und der Kostenanstieg sind derselbe Sachverhalt, auf zwei Arten gemessen.

Eingabe / Ausgabe — 2,00 $ / 10,00 $ pro Million bei beiden Modellen.

• Zwischengespeicherte Eingabe — Kimi K3.1 Pro 0,20 $ mit 90 % Rabatt; GPT-6.1 Sol 0,10 $ mit 95 %.

• Kosten pro Indexaufgabe — 2,11 $ vs. 0,72 $ bei Artificial Analysis v4.3.2.

• Unabhängiger Index — 55 vs. 52; K3.1 Pro belegt Platz vier von 221, Sol dicht dahinter.

• Ausgabegeschwindigkeit — 47,9 Tokens pro Sekunde gegenüber 69,2, beides Messungen von Artificial Analysis.

• Kontext- und Ausgabegrenze — 1.048.576 Eingabe für K3.1 Pro; 1.050.000 Eingabe und 128.000 Ausgabe für Sol.

• Architektur — 2,8 Billionen Gesamtparameter, davon 104 Milliarden aktiv für K3.1 Pro; OpenAI veröffentlicht die Parameteranzahl von Sol nicht.

• Gewichte — K3.1 Pro ist derzeit proprietär, wobei Moonshot offene Gewichte bis zum 4. November verspricht; Sol ist proprietär, ohne angekündigte Öffnung.

Was man für drei Indexpunkte kaufen kann

Ein Drei-Punkte-Abstand bei einem Gesamtwert ist aussagekräftig, aber nicht entscheidend, und die Form des Unterschieds zeigt sich in den Teilwerten. Artificial Analysis führt K3.1 Pro mit 67 auf Terminal-Bench 4.0, dem höchsten Wert aller von ihm gemessenen Modelle, gegenüber 56,1 für Sol. Bei GDPval-AA, einer Bewertung für professionelle Arbeit, liegt K3.1 Pro bei 1.846 Elo, insgesamt auf Platz drei und 312 Punkte über seinem eigenen Vorgänger. Bei AutomationBench-AA verbesserte es sich von 58 % auf 73 %. Bei Humanity's Last Exam stieg es von 47 % auf 52 %. Die Halluzinationsrate bei AA-Omniscience sank von 53 % auf 44 %.

Das sind die stärksten unabhängigen Kennzahlen, die eines der beiden Modelle vorzuweisen hat. Sols unabhängiges Profil ist flacher: ein Gesamtwert von 52, ohne eine einzige Bewertung, in der es das Feld anführt, und eine Kosten-pro-Aufgabe-Kennzahl, die die beste in seiner Preisklasse ist. Die ehrliche Lesart ist, dass K3.1 Pro bei mehreren agentischen und Evaluierungen für professionelle Arbeit das leistungsfähigere Modell ist und Sol das effizientere. Keine der beiden Aussagen ist ein Urteil, denn Leistungsfähigkeit wird nur bei dem Volumen, in dem Sie es einsetzen, zu Wert.

Moonshots eigene Angaben zum Marktstart gehen über die des unabhängigen Gremiums hinaus und sollten als Behauptungen gelesen werden. Das Unternehmen meldete Spitzenwerte bei sechs von vierzehn Tests, die es durchführte, darunter SWE Marathon mit 51,7 und HLE-with-tools mit 70,0. Der Wert für Terminal-Bench 4.0 liegt bei 65,7 % und damit leicht unter den 67 %, die Artificial Analysis gemessen hat – ein seltener Fall, in dem die Zahl des Anbieters die konservative ist, was gerade deshalb erwähnenswert ist, weil es ungewöhnlich ist. Die Schwachstelle ist Terminal-Bench Science 0.1 mit 38,1 gegenüber 68,1 für GPT-6 Astra. K3.1 Pro ist nicht das Modell für anspruchsvolles wissenschaftliches Schlussfolgern, und Moonshot behauptet das auch nicht.

Der Gesetzentwurf über Geschwindigkeit und Ausführlichkeit

Artificial Analysis misst K3.1 Pro bei 47,9 Ausgabe-Tokens pro Sekunde und bezeichnet es als auffällig langsam; Sol erreicht 69,2. Zusammen mit dem Unterschied beim Ausgabevolumen bedeutet das, dass eine lange Agentenschleife auf K3.1 Pro sowohl mehr reale Zeit als auch mehr Geld pro Schritt kostet. Beim interaktiven Programmieren, wo ein Entwickler bei jeder Runde wartet, ist der Latenzunterschied das, worüber sich Nutzer zuerst beschweren werden. Bei der Batch-Evaluierung, wo nichts wartet, zählen nur die Kosten.

Es gibt eine schnellere Tarifstufe. Moonshot verkauft eine Highspeed-Variante für 4,00 $ Eingabe und 20,00 $ Ausgabe, wobei die Preisgestaltung bei Cache-Treffern unverändert bleibt; das verdoppelt die Token-Rate und verdoppelt den Preis. Das ist derselbe Kompromiss, den Sol mit seinem Fast-Modus bei 2x bietet. In beiden Fällen ist die schnelle Tarifstufe für latenzkritische Arbeit gedacht, nicht für Volumen, und die Rechnung spricht bei Batch-Jobs selten dafür.

4. November – und was offene Gewichte tatsächlich verändern

Moonshot zufolge werden die vollständigen Gewichte bis zum 4. November 2026 veröffentlicht. Sollte das geschehen, würde K3.1 Pro zum bestbewerteten Open-Weight-Modell im Artificial-Analysis-Index werden und den Abstand zwischen dem besten offenen und dem besten proprietären Modell von rund zwölf Punkten auf drei verringern. Das ist ein echtes Ereignis für alle, die selbst hosten, feinabstimmen oder Inferenz innerhalb einer Compliance-Grenze ausführen müssen.

Das ist für die meisten API-Nutzer kein Ereignis. Offene Gewichte ändern, wer das Modell ausführen kann und zu welchen Bedingungen; sie ändern nicht den gehosteten Preis, die Geschwindigkeit oder die Fähigkeiten. Ein Team, das eine API aufruft und keine Datenresidenz-Beschränkung hat, gewinnt aus der Veröffentlichung der Gewichte nichts außer einer zweiten Bezugsoption und, irgendwann, mehr Anbietern, die mit demselben Checkpoint konkurrieren. Dieser Wettbewerb ist real und zeigt sich üblicherweise als Preisdruck, aber es ist ein monatelanger Effekt, kein November-Effekt.

Es gibt einen zweiten, spezifischeren Vorbehalt in Moonshots Veröffentlichung. Das Unternehmen gibt an, es habe bewusst Cyber- und Exploit-bezogene Trainingsdaten entfernt, um die offene Grenze offensiver Cyber-Fähigkeiten nicht auszudehnen, und dass ein Checkpoint, der bei xdev-bench-hard 90,5 % erreichte, dadurch auf 81 % reduziert wurde. Das ist eine Sicherheitsentscheidung mit messbaren Fähigkeitskosten, die vom Anbieter offengelegt wurde. Wenn Ihre Arbeit Sicherheits-Tooling ist, ist es der wichtigste Satz im Launch-Material – wichtiger als der Indexwert.

Drei Workloads, drei Antworten

• {{1}}Hochvolumiges Batch-Coding, keine Latenzanforderung{{/1}} — {{2}}GPT-6.1 Sol{{/2}}. Bei {{3}}0,72 $ pro Index-Aufgabe{{/3}} gegenüber {{4}}2,11 ${{/4}} dominiert die Effizienzlücke einen Drei-Punkte-Unterschied bei den Fähigkeiten, es sei denn, Ihre Aufgabe ist genau eine, bei der sich {{5}}die agentischen Scores von K3.1 Pro{{/5}} in weniger Wiederholungsversuchen niederschlagen. Messen Sie die Wiederholungsrate, bevor Sie annehmen, dass dies der Fall ist.

• Langfristige agentische Arbeit, bei der eine falsche Antwort teuer ist – Kimi K3.1 Pro. Die Spitzenposition bei Terminal-Bench 4.0 und die Platzierung bei GDPval-AA sind das, was bei beiden Modellen dem Nachweis anhaltender mehrstufiger Kompetenz am nächsten kommt, und der Aufpreis pro Aufgabe ist im Verhältnis zu den Kosten einer fehlgeschlagenen Trajektorie gering.

• Interaktives Programmieren, bei dem ein Mensch wartet – GPT-6.1 Sol in puncto Geschwindigkeit. 69,2 Tokens pro Sekunde gegenüber 47,9 sind in einem Editor ein sichtbarer Unterschied, und der Kostenvorteil ist eher ein Bonus als der eigentliche Grund.

• Wissenschaftliches oder mathematisches Schlussfolgern — an der Spitze ist beides nicht ausreichend. Die 38,1 von K3.1 Pro bei Terminal-Bench Science 0.1 sind eine dokumentierte Schwäche, und Sols 57,0 in derselben Suite sind respektabel, liegen aber deutlich unter den 68,1, die OpenAI für GPT-6 Astra meldet. Dies ist die eine Workload, bei der die Stufe über beiden Modellen die richtige Antwort ist.

Beides laufen zu lassen ist günstiger, als sich falsch zu entscheiden.

Beide Modelle sind auf OrcaRouter verfügbar mit einem Schlüssel bei 0 % Aufschlag auf den Listenpreis jedes Anbieters, mit Sol zu 2,00 $ und 10,00 $ und K3.1 Pro zum selben Paar, wobei gecachter Input entsprechend zu 0,10 $ bzw. 0,20 $ durchgereicht wird. Das macht die Entscheidung umkehrbar: Eine Workload kann anhand desselben getrackten Traffics gegen beide gebenchmarkt und der Verlierer durch eine Routing-Änderung statt durch eine Vertragsverhandlung entfernt werden.

Modellfusion ist die eine Funktion, die sich bei diesem speziellen Paar ihren Platz verdient und nicht als generischer Plug-in. Die beiden Modelle scheitern in unterschiedliche Richtungen — Sol ist knapp und schnell, K3.1 Pro ist bedächtig und stärker bei langen agentischen Trajektorien —, daher ist ein Panel, das beide befragt und ihre Antworten abgleicht, ein sinnvolles Design für Entscheidungen mit hohem Risiko, bei denen der 2,9-fache Kostenunterschied gegenüber den Kosten einer Fehlentscheidung unerheblich ist. Für alles andere ist das Routing nach Arbeitslast das günstigere Muster: K3.1 Pro für den agentischen Pfad, Sol für den Pfad mit hohem Volumen, ein Endpunkt für beide.

Das Ranking, das nicht der Index ist

Wenn die Frage lautet, welches Modell besser ist, gewinnt K3.1 Pro mit drei Punkten Vorsprung und liegt bei den agentischen Evaluierungen vorn, die für langlaufende Arbeit entscheidend sind. Wenn die Frage lautet, welches Modell diesen Monat hinter einen Produktionspfad mit hohem Volumen gestellt werden soll, gewinnt Sol bei den Kosten pro abgeschlossener Aufgabe um den Faktor 2,9 und bei der Geschwindigkeit um den Faktor 1,4, und die Fähigkeitslücke von drei Punkten gleicht keinen dieser beiden Vorteile aus.

Das eine Datum, das es wert ist, in den Kalender eingetragen zu werden, ist der 4. November. Wenn die Gewichte kommen, wird K3.1 Pro zum Referenz-Open-Weight-Modell, und die Kalkulation für selbst gehostete Teams ändert sich. Wenn sie sich verschieben — und Moonshot hat ein Datum genannt, was mehr ist als bei den meisten —, dann bleibt die Kalkulation genau dort, wo sie heute ist: derselbe Listenpreis, eine andere Rechnung und eine Entscheidung, die auf gemessenen Aufgabenkosten beruhen sollte statt auf der Zahl in der Preisspalte.