Kimi K3.1 Pro vs GPT-6 Astra: una quinta parte del precio y dos puntos en sentido contrario

GPT-6 Astra cuesta cinco veces lo que cuesta Kimi K3.1 Pro en ambas líneas de facturación: 10,00 $ por millón de tokens de entrada frente a 2,00 $, y 50,00 $ por millón de salida frente a 10,00 $. En el índice independiente en el que se miden ambos modelos, el más barato va por delante: Artificial Analysis puntúa a Kimi K3.1 Pro con 55 y a GPT-6 Astra con 53. Sin embargo, en la tabla propia del proveedor del modelo más barato, la diferencia no es uniforme: Kimi gana el benchmark de agente de terminal por 7,5 puntos y pierde de forma clara los benchmarks de CAD y de alucinaciones. La versión honesta de esta comparación es que no estás eligiendo entre un modelo mejor y otro peor. Estás eligiendo cuánto vale para ti un punto de precisión y si necesitas poseer los pesos.

Ambos modelos son los actuales buques insignia con un millón de tokens de contexto, ambos están condicionados o restringidos de alguna manera, y ambos se pueden invocar a través de OrcaRouter a sus precios de lista publicados. Las diferencias que deciden una migración son más estrechas de lo que sugiere el múltiplo de precio, y tres de ellas son medibles.

Las dos tarjetas de tarifas y lo que realmente facturan

• Entrada — $2.00 por millón de tokens en Kimi K3.1 Pro frente a $10.00 en GPT-6 Astra.

• Salida — 10,00 $ frente a 50,00 $. La salida es donde el trabajo agéntico gasta la mayor parte de su dinero, lo que convierte esta línea en la que más importa.

• Caché — ambos proveedores aplican un descuento de caché del 90%; Artificial Analysis registra la misma cifra para ambos. Por lo tanto, en términos absolutos, un acierto de caché es cinco veces más barato en Kimi, porque representa el 10% de una quinta parte del precio.

• Contexto — 1.048.576 tokens en Kimi K3.1 Pro, 1.050.000 en GPT-6 Astra. Prácticamente idénticos.

• Salida máxima: 943,718 tokens en Kimi K3.1 Pro frente a 128,000 en GPT-6 Astra. Esta es la diferencia menos comentada y más trascendente de la ficha. Un modelo que puede escribir 900,000 tokens en una sola respuesta puede completar una migración grande, generar un documento extenso o llevar a un agente a través de un bucle sin límite sin una estrategia de unión por parte del cliente. El techo de 128K de Astra es generoso para los estándares de 2025 y restrictivo al lado de este.

Los precios por token subestiman la brecha y, al mismo tiempo, la sobreestiman, por lo que la cifra de coste por tarea del evaluador es la útil. Artificial Analysis sitúa a Kimi K3.1 Pro en 2,11 $ por tarea del Intelligence Index y a GPT-6 Astra en 3,26 $: un ahorro del 35 %, no del 80 %. La diferencia está en la verbosidad: Kimi K3.1 Pro generó 150 millones de tokens de salida durante la evaluación, frente a los 60 millones de Astra. Un token más barato que se emite dos veces y media más a menudo solo es algo más barato.

En una solicitud mixta, la aritmética es contundente. Una llamada que lee un millón de tokens de entrada y escribe 200.000 tokens de salida cuesta $2,00 más $2,00 — $4,00 — en Kimi K3.1 Pro, y $10,00 más $10,00 — $20,00 — en GPT-6 Astra. Un agente que relee un repositorio en caché con una tasa de aciertos del 90 % reduce el lado de la entrada a casi nada en ambos casos, y la línea de salida por sí sola sigue siendo de $10 frente a $50 por los mismos 200.000 tokens.

La frescura es un segundo coste menos evidente. Artificial Analysis registra el corte de conocimiento de GPT-6 Astra el 30 de abril de 2026, aproximadamente seis meses antes de esta comparación. Kimi K3.1 Pro es una versión de posentrenamiento de un modelo cuya fecha de preentrenamiento Moonshot no ha publicado, así que ninguno de los dos ofrece un corte de entrenamiento que puedas incluir en un documento de cumplimiento — pero solo uno de los dos tiene un corte que el evaluador podría verificar siquiera.

El índice independiente y la propia tabla del proveedor discrepan sobre el orden.

Artificial Analysis sitúa a Kimi K3.1 Pro en 55 (4.º de 215 modelos) y a GPT-6 Astra en 53 (8.º de 215), en la versión 4.3.2 de su índice. Es una ventaja de dos puntos para el modelo que cuesta una quinta parte. También está dentro del rango en el que la configuración del harness y del esfuerzo puede invertir el orden, así que trátalo como «están a la par» en lugar de «uno es mejor».

La tabla de lanzamiento de Moonshot, ejecutada en el arnés de Moonshot, sitúa a los dos modelos mucho más separados en el benchmark que encabeza —y más cerca, o invertidos, en todo lo demás:

• Terminal-Bench 4.0 — 65,7 % para Kimi K3.1 Pro frente a 58,2 % de GPT-6 Astra. Una ventaja de 7,5 puntos, y el benchmark elegido para encabezar el anuncio.

• BenchCAD con herramientas: 92,7 % para Kimi K3.1 Pro frente a 95,9 % de GPT-6 Astra. Astra gana por 3,2 puntos en el benchmark de modelado 3D que está en el centro de la propia propuesta de Kimi.

• Kimi Hallu Bench Hard — 8,3 % de alucinación a nivel de afirmación para Kimi K3.1 Pro con herramientas frente a 5,5 % para GPT-6 Astra; sin herramientas, 5,4 % frente a 4,2 %. Astra es el modelo más fiable en términos factuales en este conjunto, por un margen que importa para la investigación y el trabajo con documentos.

Ese patrón —una gran victoria, dos derrotas menores— es el aspecto que tiene una tabla de proveedores cuando es lo bastante honesta como para incluir las filas que pierde. El efecto de selección está en el titular, no en los datos.

El acceso también es una especificación.

GPT-6 Astra es el primer modelo de OpenAI calificado como «crítico» según el propio Preparedness Framework de la compañía, porque puede encontrar de forma independiente fallos de seguridad novedosos. Su despliegue se realizó por etapas: primero los socios con acceso anticipado, después los niveles de suscripción y por último la API. Algunas capacidades están restringidas según la calificación de riesgo, y el modelo se vende como un producto de frontera con acceso controlado en lugar de como una utilidad.

Kimi K3.1 Pro adopta el enfoque opuesto y asume un costo diferente por ello. Moonshot eliminó los datos relacionados con ciberseguridad del mid-training y del aprendizaje por refuerzo, y luego publicó el costo: el modelo entregado obtiene un 81,0 % en xdev-bench-hard frente al 90,5 % de un checkpoint entrenado sin esas medidas. El principio declarado por la empresa es no publicar pesos abiertos que amplíen la frontera de la capacidad ofensiva en ciberseguridad, y planea elevar el techo gradualmente. Los pesos completos están prometidos para el 4 de noviembre de 2026; hasta entonces, el modelo solo está disponible mediante API, a pesar de que se describe como de pesos abiertos.

Para un comprador sujeto a regulación, la disyuntiva es clara. Astra ofrece la capacidad con acceso restringido más potente y un proceso de aprobación. Kimi ofrece un modelo descargable en once días, una reducción de capacidad publicada y ningún control de acceso más allá de una clave API estándar.

Latencia, medida en nuestra propia ruta

En los últimos siete días en OrcaRouter, GPT-6 Astra tiene una mediana de tiempo hasta el primer token de 1,64 segundos; Kimi K3.1 Pro, añadido al catálogo el 24 de octubre, tiene 7,15 segundos. En cuanto a la velocidad de salida, la evaluación independiente sitúa a Kimi por delante —73,5 tokens por segundo frente a 58,1—, de modo que los dos modelos difieren en su perfil más que en su capacidad de respuesta global: Astra arranca antes, Kimi escribe más rápido una vez que arranca. En una sesión de programación interactiva domina la experiencia el primer dato; en una generación larga, el segundo.

Qué ejecutar y cuándo

Ambos modelos se pueden invocar hoy con una sola clave de OrcaRouter al precio de lista de su proveedor sin recargo alguno — $2.00 y $10.00 para Kimi K3.1 Pro, $10.00 y $50.00 para GPT-6 Astra — y ambos exponen los mismos tres formatos de solicitud, por lo que una política de enrutamiento puede mover el tráfico entre ellos sin tocar el código de la aplicación.

La división que encaja con la evidencia: enviar la codificación agéntica y de terminal de horizonte largo a Kimi K3.1 Pro, donde lidera en el benchmark que ejecutan ambos laboratorios y donde el límite de salida de 943.718 tokens elimina una restricción del lado del cliente. Enviar investigación, verificación de documentos y trabajo de 3D o CAD a GPT-6 Astra, donde las filas de alucinación y BenchCAD lo favorecen. Con una diferencia de precio de cinco veces, una carga de trabajo que gasta el 80% de sus tokens en la primera categoría y el 20% en la segunda aún reduce su factura en aproximadamente dos tercios, con conmutación automática por error que cubre cualquiera de los lados que se atasque.

Lo único que no hay que hacer es migrar basándose en una sola fila de benchmark. La ventaja de 7,5 puntos del proveedor en Terminal-Bench es real, y también lo son las dos filas en las que pierde; el índice independiente indica que los dos modelos están a la par, y el coste por tarea indica que el que está a la par es un 35 % más barato, no un 80 %. Eso es un argumento sólido para enrutar según la tarea, y un argumento débil para un cambio generalizado.