GPT-6.1 Terra vs. Kimi K3.1 Pro: siete puntos de índice por el doble del precio

GPT-6.1 Terra y Kimi K3.1 Pro están separados por dos peldaños en la misma tabla de clasificación y por un factor de dos en precio. Artificial Analysis sitúa a Kimi K3.1 Pro en 55 en su Intelligence Index —cuarto en la clasificación general— y a GPT-6.1 Terra en 48, vigésimo quinto. Kimi cuesta 2 USD por millón de tokens de entrada y 10 USD por millón de salida en el catálogo de OrcaRouter; Terra cuesta 1 USD y 5 USD. El modelo cerrado, más barato y más rápido es siete puntos menos capaz; el retador de pesos abiertos cuesta el doble y, en automatización de escritorio, es 5,4 puntos mejor. Ninguno de esos hechos decide la compra.

Vale la pena hacer la comparación con cuidado porque los dos modelos no son sustitutos en la forma en que sugiere el precio. Difieren en la longitud de salida por un factor de siete, en licencias por abierto frente a cerrado, y en el lugar que ocupan dentro de las gamas de sus proveedores. Este artículo calcula el coste de las mismas cargas de trabajo en ambos, señala qué cifras son independientes y cuáles son afirmaciones de los proveedores, y termina con el reparto que realmente usaríamos.

Las tarjetas

• GPT-6.1 Terra — $1 de entrada / $5 de salida por millón, $0.05 de entrada en caché, contexto de 1.050.000 tokens, entrada máxima de 922.000, salida máxima de 128.000, fecha de corte de conocimiento: 1 de junio de 2026, seis ajustes de esfuerzo de razonamiento, entrada de texto e imágenes, salida de texto.

• Kimi K3.1 Pro — $2 por entrada / $10 por salida por millón en OrcaRouter, contexto de 1.048.576 tokens, salida máxima de 943.718, pesos abiertos prometidos para el 4 de noviembre de 2026, lanzado el 23 de octubre de 2026.

Las ventanas de contexto son efectivamente idénticas, con alrededor de un millón de tokens. Los límites máximos de salida no lo son: Terra se detiene en 128.000 tokens y Kimi permite 943.718. Para el chat, esa diferencia es invisible; para la generación de texto largo, la salida de código de archivos completos o el resumen a escala de transcripciones, es la diferencia entre una sola llamada y un pipeline de fragmentación.

Por qué siete puntos de índice es mucho aquí

En una tabla de clasificación que abarca aproximadamente de 38 a 60, siete puntos son más que una diferencia de redondeo: es la distancia entre el 25.º y el 4.º. GPT-6.1 Sol, el modelo que OpenAI vende como su nivel de alto rendimiento, está en 52. Kimi K3.1 Pro, con 55, está por encima. GPT-6 Astra, el buque insignia, está en 53. Así que el modelo de pesos abiertos de Moonshot no compite con Terra; en la puntuación compuesta, compite con los dos mejores modelos de OpenAI y gana por dos o tres puntos.

En las dimensiones que importan para los agentes, el patrón se mantiene. En OSWorld 2.1, Kimi K3.1 Pro obtiene un 79,6 % frente al 74,2 % de Terra —una brecha de 5,4 puntos, y por encima del 75,8 % de GPT-6 Astra—. En programación, los informes de cobertura describen a Kimi como muy cerca de Claude Opus 5.5, que con 58 es la puntuación más alta de esta comparación. El Coding Agent Index de Terra, de 48, está seis puntos por debajo de Sol y 29 por debajo de Astra; Kimi no está en esa liga.

El contrapeso es que Terra no intenta ganar esas comparaciones. El posicionamiento de OpenAI es el trabajo acotado —formularios, capturas de pantalla, facturas, redacción— donde 48 es suficiente y $0.40 por tarea es lo importante. Una brecha de siete puntos en inteligencia importa más en las tareas para las que no se vendió Terra.

Matemáticas de precios: ¿cuándo gana el doble de precio?

Una solicitud estándar de 100.000 tokens de entrada y 5.000 de salida cuesta $0,125 en Terra y $0,25 en Kimi. Una solicitud de 400.000 tokens de entrada y 4.000 de salida, por encima del umbral de contexto largo, cuesta $0,83 en Terra y $1,66 en Kimi. Si ambos modelos resuelven una tarea en un solo intento con el mismo número de tokens, Terra cuesta exactamente la mitad y no hay nada más que discutir.

El caso interesante es cuando no utilizan el mismo número de tokens ni de intentos. Tomemos una carga de trabajo de extracción de documentos en la que Terra acierta al primer intento el 80% de las veces y Kimi el 92%. Con una llamada fija de 3.000 tokens de entrada y 400 de salida por intento, el coste esperado por éxito de Terra es de unos $0,0055; el de Kimi es de unos $0,0092. Terra sigue ganando en coste — porque la diferencia de precisión tendría que ser enorme para que un precio de tokens 2× se viera compensado por menos reintentos.

Ahora tomemos una tarea de codificación con agentes en la que los modelos necesitan 30.000 tokens de entrada y 2.000 de salida por intento, y el modo de fallo es un parche incorrecto en lugar de un reintento. Terra, con codificación de nivel 48 en una tarea que requiere codificación de nivel 77, no falla un 20 % más a menudo; falla cualitativamente, produciendo cambios que se ejecutan pero no resuelven el problema. Eso no es un coste de reintento, es un coste de horas de ingeniero, y es el caso en el que el doble de precio es la opción barata.

Los pesos abiertos cambian el segundo año, no el primero

Moonshot ha prometido los pesos de Kimi K3.1 Pro para el 4 de noviembre de 2026. Eso importa por tres razones y ninguna de ellas es la factura de hoy. Primero, el autohospedaje elimina por completo el precio por token del cálculo del coste marginal y lo sustituye por horas de GPU, lo que resulta más barato con un volumen alto sostenido y mucho más caro con un volumen bajo. Segundo, los pesos abiertos eliminan al proveedor como punto único de fallo, lo cual es un argumento de adquisición más que técnico. Tercero, un modelo descargable se puede ajustar finamente, evaluar internamente y fijar a una versión, nada de lo cual es posible con una API cerrada.

Hay dos salvedades que deben ir junto a la promesa. Los pesos aún no se han publicado, así que toda afirmación sobre ellos es una afirmación no confirmada. Y el modelo publicado no es idéntico al modelo de la API: según los informes, Moonshot eliminó los datos de entrenamiento relacionados con la ciberseguridad antes del lanzamiento, lo que cambia el comportamiento ante prompts vinculados a la seguridad —una elección deliberada, y que implica que los pesos abiertos y el endpoint de la API no son intercambiables para todas las cargas de trabajo.

GPT-6.1 Terra no tiene una ruta equivalente. Es cerrado, solo disponible vía API, no está disponible para ajuste fino y no se ofrece bajo ningún esquema de autoalojamiento. Si la portabilidad es un requisito, la comparación termina antes de que empiecen las pruebas de referencia.

La latencia no es comparable, y ese es el punto.

Kimi K3.1 Pro muestra un p50 de aproximadamente 6,95 segundos en su página de modelo de OrcaRouter — una cifra de latencia a nivel de plataforma en tráfico real. La cifra de latencia publicada de GPT-6.1 Terra es de 133,64 segundos hasta el primer token en el benchmark de razonamiento de máximo esfuerzo de Artificial Analysis, que mide cuánto tiempo piensa el modelo antes de responder a una pregunta difícil, no cuánto tarda una solicitud típica. Poner esas dos cifras una al lado de la otra no tendría sentido.

Lo que se puede comparar es el rendimiento en la misma prueba comparativa: Artificial Analysis mide Terra a 90,9 tokens de salida por segundo y GPT-6.1 Sol a 73,5. La cifra equivalente de Kimi no aparece en la misma página. La postura honesta es que Terra es demostrablemente rápida entre los modelos de OpenAI, y la velocidad de Kimi en tu carga de trabajo es algo que se mide, no que se lee.

Dónde gana cada uno

• Terra — tareas acotadas de gran volumen en las que una tasa de acierto del 74 % en el uso de computadora resulta aceptable tras un paso de revisión; flujos de trabajo de documentos y facturas; redacción y edición; cualquier cosa en la que ayude la fecha de corte más reciente de junio de 2026 y en la que los $0.40 por tarea se acumulen.

• Kimi K3.1 Pro — programación agéntica y trabajo de largo horizonte donde una brecha de siete puntos en inteligencia cambia el resultado; automatización de escritorio donde 79,6 supera a 74,2; generación de salidas extensas donde un techo de 943.718 tokens elimina una capa de fragmentación; y cualquier despliegue que necesite pesos abiertos, autoalojamiento o una versión que se pueda fijar.

• Ninguno de los dos: uso informático no supervisado e irreversible. Claude Opus 5.5, con 81,8 en OSWorld, es el líder, y la distancia que lo separa de ambos modelos es mayor que la distancia entre ellos.

Ejecutándolos uno al lado del otro

Kimi K3.1 Pro está en el catálogo de OrcaRouter a $2/$10 con un contexto de 1.048.576 tokens, y se puede llamar a través del SDK de OpenAI apuntando la URL base a nuestro endpoint. GPT-6.1 Terra no está en el catálogo en el momento de escribir esto, por lo que el brazo Terra tiene que probarse directamente contra OpenAI.

Esa asimetría es temporal pero útil: significa que el brazo Kimi puede medirse hoy sobre tráfico real, a precio de lista y sin recargo, junto con el resto del catálogo —GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5—, y el brazo Terra puede medirse en paralelo contra la API de OpenAI. Cuando Terra llegue, la comparación ya estará construida, y la capa de enrutamiento podrá enviar cada tarea al brazo que gane en ella en lugar de al modelo que un artículo de blog haya clasificado más alto.

La división que usaríamos

Si la tarea está acotada, se repite y se revisa, el precio a la mitad de Terra supera los siete puntos de Kimi. Si la tarea es abierta, con forma de código o necesita ejecutarse sin un proveedor, los siete puntos de Kimi superan el precio a la mitad de Terra — y los pesos abiertos hacen que el segundo año sea más barato de lo que sugieren las cuentas de tokens.

El error es elegir un único modelo para toda la carga de trabajo. La evidencia respalda una división: Terra para el nivel de volumen, Kimi para el nivel difícil y un respaldo medido entre ambos. Esa es una decisión de enrutamiento, no una decisión de modelo, y es la que esta comparación realmente justifica.