Kimi K3.1 Pro vs. DeepSeek V4.1 Flash: Sechzehn Indexpunkte für den dreizehnfachen Preis

DeepSeek V4.1 Flash kostet in unserem Katalog 0,15 US-Dollar pro Million Input-Tokens und 0,60 US-Dollar pro Million Output-Tokens. Kimi K3.1 Pro kostet 2,00 und 10,00 US-Dollar – 13-mal so viel bei Input, 17-mal so viel bei Output. Auf dem unabhängigen Index erkauft dieser Preis 16 Punkte: Artificial Analysis bewertet Kimi K3.1 Pro mit 55 und DeepSeek V4.1 Flash mit 39. Er erkauft außerdem eine andere Modellform – DeepSeek ist 2,5-mal schneller und mehr als doppelt so ausführlich, sodass der Unterschied pro Token und der Unterschied pro Aufgabe nicht dieselbe Zahl sind. Das ist der klarste Preis-Leistungs-Kompromiss im aktuellen Katalog, und das Interessante daran ist, dass er nicht bei jeder Aufgabe in dieselbe Richtung zeigt.

Beide Modelle haben einen Kontext von einer Million Token, beide nehmen Bilder entgegen, und beide erzeugen Ausgaben im Bereich von Hunderttausenden Token. Das eine ist das Frontier-Flaggschiff eines chinesischen Labors, veröffentlicht im Oktober; das andere ist das kleine Modell aus der Architekturfamilie von DeepSeek, veröffentlicht am 10. September 2026 und positioniert als Produktionsnachfolger seiner früheren Flash-Modelle. Bei dem Vergleich geht es eigentlich darum, was 16 Indexpunkte für eine bestimmte Workload wert sind — und um den einen Benchmark, bei dem das günstige Modell gewinnt.

Die Tarifkarten – und was eine echte Arbeitslast kostet

• Eingabe — 2,00 $ pro Million Tokens bei Kimi K3.1 Pro gegenüber 0,15 $ bei DeepSeek V4.1 Flash.

• Ausgabe — 10,00 $ gegenüber 0,60 $.

• Kontextfenster — 1.048.576 Token bei beiden.

• Maximale Ausgabe — 943.718 Tokens auf Kimi K3.1 Pro, 384.000 auf dem Basis-Endpunkt von V4.1 Flash und 393.216 auf dem 1017-Snapshot. Beide sind groß genug, dass die Ausgabelänge nicht mehr der begrenzende Faktor ist.

• Gewichte und Größe — DeepSeek V4.1 Flash ist ein Mixture-of-Experts-Modell mit 552 Milliarden Parametern und 16 Milliarden aktiven Parametern, veröffentlicht auf Hugging Face unter einer MIT-Lizenz. Kimi K3.1 Pro gehört zur 3T-Klasse, und seine Gewichte sind bis zum 4. November zugesagt, wobei die Lizenz noch nicht veröffentlicht ist.

• Geschwindigkeit — 181 Ausgabe-Token pro Sekunde beim Provider des Evaluators für DeepSeek, gegenüber 73,5 für Kimi K3.1 Pro. Für Massenarbeit ist dies der zweitgrößte Unterschied nach dem Preis.

Die Rechnung ist bei hohem Volumen brutal. Ein Aufruf, der eine Million Eingabe-Tokens liest und 200.000 Ausgabe-Tokens schreibt, kostet 4,00 US-Dollar bei Kimi K3.1 Pro und 27 Cent bei DeepSeek V4.1 Flash. Eine nächtliche Pipeline, die monatlich 2.000 lange Dokumente mit jeweils 50.000 Eingabe- und 5.000 Ausgabe-Tokens verarbeitet, kostet rund 300 US-Dollar bei Kimi und 21 US-Dollar bei DeepSeek. Bei Klassifizierung, Extraktion, Umschreiben und Zusammenfassung in großem Maßstab fällt die 16-Punkte-Lücke selten so auf, dass ein Kunde sie bemerkt; die Rechnung schon.

Zwei Vorbehalte verhindern, dass dies die ganze Geschichte ist. Artificial Analysis, das beide Modelle über einen Anbieter statt zum Listenpreis gemessen hat, verzeichnet DeepSeek V4.1 Flash mit 0,295 $ für Eingaben und 1,20 $ für Ausgaben pro Million Tokens – doppelt so hoch wie unser Katalogpreis, und eine Erinnerung daran, dass die günstigste Zahl in einem Vergleich diejenige ist, die niemand tatsächlich zahlt. Wichtiger noch: Seine Kosten pro Aufgabe betragen 0,48 $ gegenüber 2,11 $ bei Kimi K3.1 Pro – eine Ersparnis von 4,4×, nicht von 15×, wie die Token-Preise vermuten lassen, weil DeepSeek während des Index-Laufs 250 Millionen Ausgabe-Tokens erzeugte, gegenüber 150 Millionen bei Kimi. Weitschweifigkeit verbraucht den Preisvorteil, und beide Modelle liegen deutlich über dem Median.

Sechzehn Punkte sind kein Rundungsfehler

Derselbe Vorsprung, der bei einer Klassifizierungsaufgabe keine Rolle spielt, ist bei allem, was einen Plan enthält, enorm wichtig. Der unabhängige Index ist ein Durchschnitt über zehn Bewertungen, die Wissen, Schlussfolgerungsvermögen und agentische Arbeit abdecken; ein Abstand von 16 Punkten in diesem Durchschnitt bedeutet, dass die Leistungen am schwierigen Ende der Verteilung nicht nah beieinanderliegen. In der Launch-Tabelle von Moonshot erzielt Kimi K3.1 Pro 61,2 % bei Long-Horizon-Coding und 65,7 % bei Terminal-Bench 4.0; die Flash-Stufe ist in diesen Zeilen überhaupt nicht vertreten.

Praktische Übersetzung: Wenn sich die Aufgabe in einem Prompt spezifizieren und von einem Validator prüfen lässt, kaufen Sie das günstige Modell und investieren Sie die Einsparungen in Wiederholungsversuche. Wenn die Aufgabe erfordert zu entscheiden, was als Nächstes zu tun ist – einen fehlschlagenden Test lesen, eine zu bearbeitende Datei auswählen, sich von einem fehlerhaften Tool-Aufruf erholen –, sind die 16 Punkte der Unterschied zwischen einem Agenten, der fertig wird, und einem, der in einer Schleife hängt.

Die eine Zeile, in der das günstige Modell gewinnt

Moonshots eigene Benchmark-Tabelle enthält eine Zeile, die dagegen spricht. Bei xdev-bench-hard mit pass@3, einer anbieterdurchgeführten adversarischen Coding-Evaluierung, erzielt DeepSeek V4.1 Flash 85,7 % gegenüber Kimi K3.1 Pro mit 81,0 %. Kimi K3, der Vorgänger, erzielt 33,3 %.

Der Grund ist an anderer Stelle im Launch-Material sichtbar: Moonshot entfernte vor der Auslieferung von K3.1 Pro cyberbezogene Daten sowohl aus dem Mid-Training als auch aus dem Reinforcement Learning und veröffentlichte die Kosten dafür. Ein Checkpoint, der ohne diese Maßnahmen trainiert wurde, erreicht im selben Benchmark 90,5 %; das ausgelieferte Modell erreicht 81,0 %. DeepSeek hingegen hat keine entsprechende Fähigkeitsreduktion angekündigt, und seine 85,7 % liegen über dem Modell, das dreizehnmal mehr kostet.

Für defensive Sicherheitsarbeit – Scannen, Triage, Entwurf von Patches zur Überprüfung – ist diese Zeile eine Abwägung wert. Für offensivnahe Arbeit gelten unabhängig von der Punktzahl sowohl die Bedingungen beider Anbieter als auch das Gesetz.

Der Kontext und die Ausgabe überraschen

Eine praktische Anmerkung, bevor der Vergleich allzu glatt wird: Artificial Analysis kennzeichnet das Basis-Modell V4.1 Flash zugunsten des V4.1 Flash 1017 Snapshots als veraltet, des festen Checkpoints vom 17. Oktober, den unser Katalog ebenfalls zum gleichen Preis anbietet. Der Indexwert von 39 gilt für das Basismodell; für neue Arbeiten sollte der Snapshot das Ziel sein, und er bietet dasselbe Kontextfenster mit einer etwas größeren Ausgabegrenze.

Was diesen Vergleich weniger ungleichgewichtig macht, als der Preis vermuten lässt, ist, dass das günstige Modell nicht auf das Lager verzichtet hat. Ein Kontext von einer Million Tokens bei einem Modell für 0,15 US-Dollar bedeutet, dass Retrieval-Augmented-Pipelines, die zuvor Chunking benötigten, das gesamte Dokument senden können. Eine Ausgabegrenze von 384.000 Tokens bedeutet, dass ein Batch-Job eine komplette umgeschriebene Datei mit einem einzigen Aufruf anfordern kann.

Was es dafür aufgibt, ist Zuverlässigkeit an den Rändern: Instruction-Following bei langen mehrstufigen Prompts, Tool-Call-Recovery und die Fähigkeit, einen Plan über mehrere Turns hinweg aufrechtzuerhalten. Genau dafür wurde das Post-Training-Budget von Kimi K3.1 Pro ausgegeben, und genau das verdichtet ein allgemeiner Index auf 16 Punkte.

Wie man die Arbeit aufteilt

Beide Modelle sind über OrcaRouter zu den Listenpreisen ihrer Anbieter ohne Aufschlag abrufbar – 2,00 $ und 10,00 $ für Kimi K3.1 Pro, 0,15 $ und 0,60 $ für DeepSeek V4.1 Flash – mit einem einzigen Schlüssel und automatischem Failover, falls ein Anbieter nicht reagiert.

Eine Aufteilung, die den Belegen folgt: Extraktion, Klassifizierung, Übersetzung, Zusammenfassung und erste Entwurfsfassungen an V4.1 Flash schicken und langfristig angelegte Coding-Aufgaben, Agenten-Orchestrierung und alles, was sich von eigenen Fehlern erholen muss, an Kimi K3.1 Pro. Wenn die Aufteilung beim üblichen 80/20-Verhältnis nach Tokenvolumen landet, sinken die gemischten Kosten pro Million Tokens auf rund 80 Cent – ein Fünftel einer reinen Kimi-Basislinie –, während die Aufgaben, die das Frontier-Modell benötigen, es weiterhin bekommen.

Der zu vermeidende Fehler besteht darin, eines der beiden Modelle als die Antwort auf beide Aufgaben zu behandeln. Bei einer Preisdifferenz von 13× ist das günstige Modell für Massenarbeit kein Kompromiss; es ist die richtige Wahl. Bei 16 Indexpunkten ist es kein Ersatz für die schwierigen 20 %.