GPT-6.1 Sol vs. Kimi K3.1 Pro: el mismo $2/$10, tres puntos de índice y una diferencia de 2.9x en lo que cuesta una tarea

Kimi K3.1 Pro y GPT-6.1 Sol tienen la misma etiqueta de precio, que es lo menos interesante que tienen. Moonshot lanzó K3.1 Pro el 23 de octubre de 2026 a $2.00 por millón de tokens de entrada y $10.00 por millón de salida; OpenAI lanzó Sol el 29 de septiembre con el mismo par de precios. En Artificial Analysis, K3.1 Pro obtiene 55 y ocupa el cuarto lugar de 221 modelos; Sol obtiene 52. Los modelos están a tres puntos de diferencia en capacidad y a casi tres veces de diferencia en lo que cuesta terminar una tarea — $2.11 para K3.1 Pro frente a $0.72 para Sol. Esa inversión, no la etiqueta de precio, es la decisión.

Las mediciones que aparecen a continuación proceden de Artificial Analysis, que ejecuta ambos modelos bajo una configuración publicada y tiene en cuenta los tokens que consume cada uno, y de la documentación y las afirmaciones de lanzamiento de los propios dos proveedores, consultadas el 27 de octubre de 2026. Las cifras de los proveedores se etiquetan como tales. La distinción importa más de lo habitual en este caso, porque las dos empresas están apostando por enfoques opuestos sobre cómo debe gastar tokens un modelo.

El precio es el mismo. La factura no.

El precio por token es un precio unitario, y un precio unitario solo se convierte en factura cuando se multiplica por el consumo. Los dos modelos consumen de forma muy distinta. La contabilidad de costo por tarea de Artificial Analysis sitúa a K3.1 Pro en $2.11 para completar una tarea del Intelligence Index y a Sol en $0.72: una diferencia de 2.9x con tarifas de referencia idénticas. La causa es el volumen de salida. K3.1 Pro es un modelo que siempre razona y emite sustancialmente más tokens por respuesta, y la salida es la mitad costosa de la tarjeta de precios, a $10.00 por millón.

El propio material de lanzamiento de Moonshot reconoce la forma de esto. El modelo es una versión post-entrenada de Kimi K3 con un cómputo de aprendizaje por refuerzo muy ampliado, y la empresa describe las mejoras como provenientes de un razonamiento más prolongado y deliberado, y no de una base mayor. Un razonamiento más prolongado es exactamente lo que produce más tokens de salida. La mejora de capacidad y el aumento de coste son el mismo hecho medido de dos maneras.

• Entrada / salida — $2.00 / $10.00 por millón en ambos modelos.

• Entrada en caché — Kimi K3.1 Pro $0.20 con un 90% de descuento; GPT-6.1 Sol $0.10 con un 95%.

• Coste por tarea de indexación — 2,11 $ frente a 0,72 $ en Artificial Analysis v4.3.2.

• Índice independiente — 55 vs 52; K3.1 Pro ocupa el cuarto puesto entre 221, Sol justo detrás.

• Velocidad de salida — 47,9 tokens por segundo frente a 69,2, ambas mediciones de Artificial Analysis.

• Límite de contexto y de salida — 1.048.576 de entrada para K3.1 Pro; 1.050.000 de entrada y 128.000 de salida para Sol.

• Arquitectura — 2,8 billones de parámetros totales con 104 mil millones activos para K3.1 Pro; OpenAI no publica el recuento de parámetros de Sol.

• Pesos — K3.1 Pro es propietario actualmente, y Moonshot promete pesos abiertos para el 4 de noviembre; Sol es propietario sin apertura anunciada.

¿Qué compran tres puntos de índice?

Una diferencia de tres puntos en una puntuación compuesta es significativa pero no decisiva, y las puntuaciones de los componentes son donde reside la forma de la diferencia. Artificial Analysis sitúa a K3.1 Pro en 67 en Terminal-Bench 4.0, la más alta de cualquier modelo que haya medido, frente a 56,1 de Sol. En GDPval-AA, una evaluación de trabajo profesional, K3.1 Pro se sitúa en 1.846 Elo, tercero en la clasificación general y 312 puntos por encima de su propio predecesor. En AutomationBench-AA mejoró del 58 % al 73 %. En Humanity's Last Exam pasó del 47 % al 52 %. La tasa de alucinación en AA-Omniscience cayó del 53 % al 44 %.

Esos son los mejores números independientes que tiene cualquiera de los dos modelos. El perfil independiente de Sol es más plano: un compuesto de 52 sin ninguna evaluación individual en la que lidere el sector, y una cifra de coste por tarea que es la mejor de su banda de precio. La lectura honesta es que K3.1 Pro es el modelo más capaz en varias evaluaciones de trabajo agéntico y profesional, y Sol es el más eficiente. Ninguna de las dos afirmaciones es un veredicto, porque la capacidad solo se convierte en valor al volumen que ejecutes.

Las afirmaciones de lanzamiento de Moonshot van más lejos que las del panel independiente y deben leerse como afirmaciones. La compañía reportó las puntuaciones más altas en seis de catorce pruebas que realizó, incluidas SWE Marathon con 51.7 y HLE-with-tools con 70.0. Su cifra de Terminal-Bench 4.0 es del 65.7%, ligeramente por debajo del 67% que midió Artificial Analysis — un caso poco frecuente en el que la cifra del proveedor es la conservadora, lo que vale la pena señalar precisamente porque es inusual. El punto débil es Terminal-Bench Science 0.1 con 38.1, frente a 68.1 de GPT-6 Astra. K3.1 Pro no es el modelo para el razonamiento científico complejo, y Moonshot no afirma que lo sea.

El proyecto de ley de velocidad y verborrea

Artificial Analysis mide K3.1 Pro en 47,9 tokens de salida por segundo y lo califica de notablemente lento; Sol funciona a 69,2. Combinado con la diferencia en el volumen de salida, eso significa que un bucle de agente largo en K3.1 Pro requiere tanto más tiempo de reloj como más dinero por paso. Para la programación interactiva, donde un desarrollador espera en cada turno, la diferencia de latencia es la primera de la que se quejarán los usuarios. Para la evaluación por lotes, donde nada espera, solo importa el coste.

Hay un nivel más rápido. Moonshot vende una variante Highspeed a $4.00 de entrada y $20.00 de salida, con el precio por acierto de caché sin cambios, lo que duplica la velocidad de tokens y duplica el precio. Esa es la misma disyuntiva que ofrece Sol con su modo Fast a 2x. En ambos casos, el nivel rápido es para trabajo sensible a la latencia, no para volumen, y la aritmética rara vez lo favorece para trabajos por lotes.

4 de noviembre, y qué cambian realmente los pesos abiertos

Moonshot afirma que los pesos completos se publicarán el 4 de noviembre de 2026. Si eso ocurre, K3.1 Pro se convertiría en el modelo de pesos abiertos con la puntuación más alta en el índice de Artificial Analysis, reduciendo la brecha entre los mejores modelos abiertos y los mejores propietarios de aproximadamente doce puntos a tres. Eso es un acontecimiento genuino para cualquiera que necesite autoalojar, ajustar finamente o ejecutar inferencia dentro de un límite de cumplimiento.

No es un acontecimiento para la mayoría de quienes llaman a una API. Los pesos abiertos cambian quién puede ejecutar el modelo y en qué condiciones; no cambian el precio del servicio alojado, la velocidad ni la capacidad. Un equipo que llama a una API y no tiene restricciones de residencia de datos no obtiene nada del lanzamiento de los pesos, salvo una segunda opción de aprovisionamiento y, con el tiempo, más proveedores compitiendo con el mismo checkpoint. Esa competencia es real y suele manifestarse como presión sobre los precios, pero es un efecto que tarda meses, no algo de noviembre.

Hay una segunda advertencia, más específica, en el comunicado de Moonshot. La empresa dice que eliminó deliberadamente los datos de entrenamiento relacionados con ciberataques y exploits para evitar ampliar la frontera abierta de la capacidad cibernética ofensiva, y que, como resultado, un checkpoint que obtuvo un 90,5 % en xdev-bench-hard se redujo a un 81 %. Esa es una decisión de seguridad con un coste de capacidad medible, divulgada por el proveedor. Si tu trabajo consiste en herramientas de seguridad, es la frase más importante del material de lanzamiento — más importante que la puntuación del índice.

Tres cargas de trabajo, tres respuestas

• {{1}}Codificación por lotes de gran volumen, sin requisito de latencia{{/1}} — GPT-6.1 Sol. A $0.72 por tarea de índice frente a $2.11, la brecha de eficiencia domina una diferencia de capacidad de tres puntos, a menos que su tarea sea específicamente una en la que las {{2}}puntuaciones agénticas de K3.1 Pro{{/2}} se traduzcan en menos reintentos. Mida la tasa de reintentos antes de asumir que lo hacen.

• Trabajo agéntico de horizonte largo en el que una respuesta incorrecta resulta costosa — Kimi K3.1 Pro. El primer puesto en Terminal-Bench 4.0 y la posición en GDPval-AA son lo más parecido a evidencia de competencia sostenida en múltiples pasos de lo que dispone cualquiera de los dos modelos, y la prima por tarea es pequeña en relación con el coste de una trayectoria fallida.

• Programación interactiva en la que un humano espera — GPT-6.1 Sol, en cuanto a velocidad. 69,2 tokens por segundo frente a 47,9 es una diferencia visible en un editor, y la ventaja de coste es un extra en lugar de la razón.

• Razonamiento científico o matemático: ninguno de los dos, en la vanguardia. El 38,1 de K3.1 Pro en Terminal-Bench Science 0.1 es una debilidad documentada, y el 57,0 de Sol en la misma suite es respetable pero queda muy por debajo del 68,1 que OpenAI reporta para GPT-6 Astra. Esta es la única carga de trabajo en la que el nivel superior a ambos modelos es la respuesta correcta.

Ejecutar ambos es más barato que elegir mal.

Ambos modelos están en OrcaRouter con una sola clave a 0% de margen sobre el precio de lista de cada proveedor, con Sol a $2.00 y $10.00 y K3.1 Pro en el mismo par, con la entrada en caché transferida a $0.10 y $0.20 respectivamente. Eso hace que la decisión sea reversible: se puede comparar una carga de trabajo con ambos sobre el mismo tráfico trazado, y retirar al perdedor con un cambio de enrutamiento en lugar de una negociación de contrato.

La fusión de modelos es la única función que se justifica en este par en concreto en lugar de como un complemento genérico. Los dos modelos fallan en direcciones distintas —Sol es conciso y rápido, K3.1 Pro es deliberado y más fuerte en trayectorias agénticas largas—, por lo que un panel que consulte a ambos y concilie sus respuestas es un diseño razonable para llamadas de alto riesgo en las que la diferencia de costo de 2,9 veces es irrelevante frente al costo de equivocarse. Para todo lo demás, el enrutamiento por carga de trabajo es el patrón más económico: K3.1 Pro para la ruta agéntica, Sol para la ruta de alto volumen y un único endpoint para ambos.

El ranking que no es el índice

Si la pregunta es qué modelo es mejor, K3.1 Pro gana por tres puntos y lidera en las evaluaciones agénticas que importan para el trabajo de larga duración. Si la pregunta es qué modelo poner detrás de una ruta de producción de alto volumen este mes, Sol gana en coste por tarea completada por un factor de 2.9 y en velocidad por un factor de 1.4, y la diferencia de capacidad de tres puntos no cierra ninguna de las dos ventajas.

La única fecha que vale la pena anotar en la agenda es el 4 de noviembre. Si los pesos llegan a publicarse, K3.1 Pro se convierte en el modelo de referencia con pesos abiertos y cambia el cálculo para los equipos que lo alojan por su cuenta. Si se retrasan —y Moonshot ha dado una fecha, lo que es más de lo que hacen la mayoría—, entonces el cálculo se queda exactamente donde está hoy: el mismo precio de etiqueta, una factura distinta y una decisión que debería tomarse con base en el coste medido por tarea y no en la cifra de la columna del precio.