Kimi K3.1 Pro vs DeepSeek V4.1 Flash: dieciséis puntos de índice a cambio de trece veces el precio

DeepSeek V4.1 Flash cuesta $0,15 por millón de tokens de entrada y $0,60 por millón de salida en nuestro catálogo. Kimi K3.1 Pro cuesta $2,00 y $10,00 — 13 veces más en entrada y 17 veces más en salida. En el índice independiente, ese precio compra 16 puntos: Artificial Analysis puntúa a Kimi K3.1 Pro con 55 y a DeepSeek V4.1 Flash con 39. También compra una forma diferente de modelo: DeepSeek es 2,5 veces más rápido y más del doble de verboso, así que la diferencia por token y la diferencia por tarea no son el mismo número. Esta es la mejor relación capacidad-precio del catálogo actual, y lo interesante es que no apunta en la misma dirección en todas las tareas.

Ambos modelos tienen una ventana de contexto de un millón de tokens, ambos aceptan imágenes y ambos generan salidas de cientos de miles de tokens. Uno es el buque insignia de vanguardia de un laboratorio chino, lanzado en octubre; el otro es el modelo pequeño de la familia de arquitecturas de DeepSeek, lanzado el 10 de septiembre de 2026 y posicionado como el sucesor de producción de sus anteriores modelos Flash. La comparación trata en realidad de cuánto valen 16 puntos de índice para una carga de trabajo concreta, y del único benchmark en el que gana el modelo barato.

Las tablas de tarifas y cuánto cuesta una carga de trabajo real

• Entrada — $2.00 por millón de tokens en Kimi K3.1 Pro frente a $0.15 en DeepSeek V4.1 Flash.

• Producción — $10.00 frente a $0.60.

• Ventana de contexto — 1.048.576 tokens en ambos.

• Salida máxima: 943.718 tokens en Kimi K3.1 Pro, 384.000 en el endpoint base de V4.1 Flash y 393.216 en la instantánea 1017. Ambos son lo suficientemente grandes como para que la longitud de salida deje de ser la limitación.

• Pesos y tamaño: DeepSeek V4.1 Flash es un modelo de mezcla de expertos de 552 mil millones de parámetros, con 16 mil millones de parámetros activos, publicado en Hugging Face bajo una licencia MIT. Kimi K3.1 Pro es de clase 3T y sus pesos están prometidos para el 4 de noviembre, con la licencia aún no publicada.

• Velocidad: 181 tokens de salida por segundo en el proveedor del evaluador para DeepSeek, frente a 73,5 de Kimi K3.1 Pro. Para trabajo masivo, esta es la segunda diferencia más grande después del precio.

La aritmética es brutal cuando se manejan grandes volúmenes. Una llamada que lee un millón de tokens de entrada y escribe 200.000 tokens de salida cuesta $4.00 en Kimi K3.1 Pro y 27 centavos en DeepSeek V4.1 Flash. Un pipeline nocturno que procesa 2.000 documentos largos al mes, con 50.000 tokens de entrada y 5.000 de salida cada uno, gasta aproximadamente $300 en Kimi y $21 en DeepSeek. Para clasificación, extracción, reescritura y resumen a escala, la diferencia de 16 puntos rara vez se nota de una forma que el cliente perciba; la factura sí.

Dos salvedades impiden que eso sea toda la historia. Artificial Analysis, que midió ambos modelos a través de un proveedor en lugar de al precio de lista, registra DeepSeek V4.1 Flash a $0,295 de entrada y $1,20 de salida por millón de tokens —el doble de nuestra tarifa de catálogo, y un recordatorio de que la cifra más barata en una comparación es la que nadie paga realmente—. Más importante aún, su coste por tarea es de $0,48 frente a los $2,11 de Kimi K3.1 Pro: un ahorro de 4,4×, no el 15× que implican los precios por token, porque DeepSeek generó 250 millones de tokens de salida durante la ejecución del índice frente a los 150 millones de Kimi. La verbosidad se come la ventaja de precio, y ambos modelos están muy por encima de la mediana.

Dieciséis puntos no son un error de redondeo.

El mismo margen que no importa para una tarea de clasificación importa enormemente para cualquier cosa que incluya un plan. El índice independiente es un promedio de diez evaluaciones que abarcan conocimiento, razonamiento y trabajo agéntico; una diferencia de 16 puntos en ese promedio significa que el extremo difícil de la distribución no queda cerca. En la tabla de lanzamiento de Moonshot, Kimi K3.1 Pro obtiene un 61,2 % en codificación de horizonte largo y un 65,7 % en Terminal-Bench 4.0; la categoría Flash no aparece en absoluto en esas filas.

Traducción práctica: si la tarea se puede especificar en un prompt y verificar mediante un validador, compra el modelo barato y gasta el ahorro en reintentos. Si la tarea requiere decidir qué hacer a continuación —leer una prueba fallida, elegir un archivo que editar, recuperarse de una mala llamada a una herramienta—, los 16 puntos son la diferencia entre un agente que termina y uno que entra en bucle.

La única fila en la que gana el modelo barato.

La propia hoja de referencia de Moonshot contiene una fila que va en su contra. En xdev-bench-hard con pass@3, una evaluación de codificación adversarial realizada por el proveedor, DeepSeek V4.1 Flash obtiene un 85,7% frente al 81,0% de Kimi K3.1 Pro. Kimi K3, el predecesor, obtiene un 33,3%.

La razón se ve en otra parte del material de lanzamiento: Moonshot eliminó los datos relacionados con ciberseguridad tanto del entrenamiento intermedio como del aprendizaje por refuerzo antes de lanzar K3.1 Pro, y publicó el costo. Un checkpoint entrenado sin esas medidas obtiene 90.5% en el mismo benchmark; el modelo entregado obtiene 81.0%. DeepSeek, en cambio, no ha anunciado una reducción de capacidades equivalente, y su 85.7% queda por encima del modelo que cuesta trece veces más.

Para el trabajo de seguridad defensiva —escaneo, triaje, redacción de parches bajo revisión— esa fila merece sopesarse. Para el trabajo adyacente a lo ofensivo, los términos de ambos proveedores y la ley se aplican independientemente de la puntuación.

El contexto y la salida sorprenden.

Una nota práctica antes de que la comparación quede demasiado ordenada: Artificial Analysis marca el V4.1 Flash base como obsoleto en favor del snapshot V4.1 Flash 1017, el checkpoint fijo del 17 de octubre que nuestro catálogo también ofrece al mismo precio. La cifra de 39 del índice corresponde al modelo base; el snapshot es al que debería apuntar el trabajo nuevo, y conserva la misma ventana de contexto con un límite de salida ligeramente mayor.

Lo que hace que esta comparación sea menos desigual de lo que sugiere el precio es que el modelo barato no sacrificó el almacén. Un contexto de un millón de tokens en un modelo de 0,15 $ significa que las canalizaciones aumentadas por recuperación que antes necesitaban fragmentación pueden enviar el documento completo. Un límite de salida de 384.000 tokens significa que un trabajo por lotes puede solicitar un archivo reescrito completo en una sola llamada.

Lo que sí sacrifica es la fiabilidad en los casos límite: el seguimiento de instrucciones en prompts largos de varios pasos, la recuperación de llamadas a herramientas y la capacidad de mantener un plan a lo largo de varios turnos. Eso es exactamente aquello en lo que se invirtió el presupuesto de postentrenamiento de Kimi K3.1 Pro, y exactamente lo que un índice general comprime en 16 puntos.

Cómo dividir el trabajo

Ambos modelos se pueden invocar a través de OrcaRouter a los precios de lista de sus proveedores, sin ningún recargo: 2,00 y 10,00 dólares para Kimi K3.1 Pro, 0,15 y 0,60 dólares para DeepSeek V4.1 Flash, con una sola clave y conmutación por error automática si un proveedor deja de responder.

Una división que sigue la evidencia: enviar la extracción, clasificación, traducción, resumen y redacción de primer borrador a V4.1 Flash, y enviar la programación de horizonte largo, la orquestación de agentes y cualquier tarea que tenga que recuperarse de sus propios errores a Kimi K3.1 Pro. Si la división se sitúa en el habitual 80/20 por volumen de tokens, el coste combinado por millón de tokens cae a aproximadamente 80 centavos —una quinta parte de una línea base totalmente basada en Kimi—, mientras que las tareas que necesitan el modelo de frontera siguen contando con él.

El error que hay que evitar es tratar a cualquiera de los dos modelos como la respuesta para ambas tareas. Con una diferencia de precio de 13×, el modelo barato no es una solución de compromiso para el trabajo en volumen; es la elección correcta. Con 16 puntos de índice, no es un sustituto para el 20% difícil.