Kimi K3.1 Pro vs. MiniMax M3.1 Flash: una brecha de precio de 15× que se reduce cada vez que el trabajo se vuelve más grande

Si colocas Kimi K3.1 Pro y MiniMax M3.1 Flash en una hoja de precios, la decisión parece resuelta antes de empezar: uno cuesta quince veces lo que cuesta el otro por cada millón de tokens combinados [precios DE PROVEEDOR; la proporción es cálculo nuestro]. Si los colocas en un registro de costes por tarea, en cambio, la brecha se ha reducido a un factor de nueve y medio y luego a unos tres. Ninguno de los precios de los proveedores se movió entre esas mediciones. El denominador sí. Estos dos no compiten por la misma fila de tu presupuesto, y la forma más rápida de elegir es averiguar qué fila de tu presupuesto toca tu carga de trabajo.

Dos perfiles que nunca se dirigieron al mismo comprador

Kimi K3.1 Pro es un modelo disperso con 2.800B parámetros totales y 104B activos por token [VENDOR], una ventana de contexto de 1M de tokens [VENDOR], y un pensamiento que siempre está activado: el esfuerzo se ejecuta en bajo, alto o máximo, con máximo por defecto, mientras que la temperatura y top_p son fijos [VENDOR]. Hoy no tiene pesos abiertos; el proveedor promete un lanzamiento para el 4 de noviembre [VENDOR], y Artificial Analysis todavía lo marca como propietario [INDEPENDENT]. En ese índice registra 57,5 tokens de salida por segundo [INDEPENDENT] y una puntuación de 55,09 [INDEPENDENT].

MiniMax M3.1 Flash se lanzó el 2026-10-19 [VENDOR] como el tipo opuesto de objeto: un contexto de 1.048.576 tokens con una salida máxima de 524.288 tokens [VENDOR], 116,2 tokens por segundo [INDEPENDENT] y una puntuación de 42,71 [INDEPENDENT]. Una nota sobre el redondeo: Artificial Analysis lo redondea a 43 y nuestra ficha de catálogo, a 42 [INDEPENDENT] — la misma medición.

El encuadre que sobrevive al primer párrafo no es, por tanto, «modelo frontera frente a modelo económico». Es un generalista de pensamiento profundo con un perfil fuertemente orientado a la ejecución frente a un modelo rápido, de contexto largo y de procesamiento económico que tiene una semana de antigüedad. Los 12,38 puntos de índice que los separan [INDEPENDENT] son reales, pero están distribuidos de forma desigual, y esa desigualdad es la decisión.

De dónde viene realmente la brecha del índice

Divide el índice en sus filas y aparece un patrón: la ventaja de Kimi K3.1 Pro se concentra en las filas que recompensan la ejecución sostenida en lugar del conocimiento almacenado. Todas las cifras a continuación son [INDEPENDENT], de Artificial Analysis.

• Terminal-Bench 4.0: 67,17 % frente a 25,76 %, una diferencia de 41,4 puntos y la mayor separación del conjunto.

• Terminal-Bench-Science: 34,29 % frente a 3,33 %, una diferencia de 31,0 puntos. Los porcentajes bajos de un solo dígito no son un artefacto de redondeo; eso es un modelo que está fallando en gran medida en la familia de tareas.

• GDPval-AA: 1.845,72 frente a 1.457,57, una diferencia de 388 puntos Elo. Elo no es lineal respecto a la capacidad, así que interpreta esto como una categoría de resultado distinta, no como un porcentaje.

• SciCode: 60,76 % frente a 53,36 % — verdaderamente competitivo.

• AA-LCR 86,33 % frente a 79,67 %; MMMU-Pro 83,87 % frente a 79,13 %; CritPt 24,57 % frente a 22,29 %; HLE 52,46 % frente a 47,96 %. Estas son las filas en las que ambos están más cerca entre sí, y todas son de contexto largo o de conocimiento denso.

• AutomationBench: 73,30 % frente a 72,52 % — prácticamente empatados.

• AnalystAgent se sitúa en 38,75 para Kimi K3.1 Pro y FrontierCode en 47,07 %, ambos sin una contraparte publicada de MiniMax. Un resultado ausente no es un cero ni evidencia de nada, excepto que la comparación tiene lagunas.

La fila que complica cualquier historia sencilla es AA-Omniscience. MiniMax M3.1 Flash responde correctamente a más preguntas de conocimiento —56,20 % de precisión frente a 51,02 %—, pero obtiene 15,55 frente a 29,52, porque su tasa de alucinación es del 92,81 % frente al 43,89 % [INDEPENDENT]. El índice penaliza las respuestas incorrectas dadas con seguridad. Un modelo que acierta ligeramente con más frecuencia y falla con mucha más seguridad es un peligro para el trabajo basado en recuperación, donde una frase sin respaldo es peor que admitir ignorancia.

Precios, leídos en tres denominadores

A nivel de tokens, los dos no están en el mismo mercado. Kimi K3.1 Pro tiene un precio de $2.00 de entrada y $10.00 de salida por millón de tokens, lecturas de caché a $0.20, combinado 3:1 a $4.00 [VENDOR]. MiniMax M3.1 Flash tiene un precio de $0.15 de entrada y $0.60 de salida, lecturas de caché a $0.015, combinado 3:1 a $0.2625 [VENDOR]. La relación combinada es de 15.2×.

Por cada tarea de índice completada, la proporción cae a 9,6×: 2,1145 USD para Kimi K3.1 Pro frente a 0,2201 USD para MiniMax M3.1 Flash [INDEPENDENT]. La razón es mecánica. Una tarea de índice consume 55.195 tokens de salida de Kimi K3.1 Pro y 78.612 de MiniMax M3.1 Flash — un 42% más de salida del modelo más barato, lo que merma su propia ventaja en el extremo caro de la hoja. El coste por tarea es la cifra que debería mirar un equipo de finanzas, y ya es un tercio menor de lo que sugiere la proporción destacada.

Invertido, los puntos de índice por dólar combinado ascienden a 13.8 para Kimi K3.1 Pro y 162.7 para MiniMax M3.1 Flash [INDEPENDENT]. Eso no es una recomendación: si la única restricción es el máximo rendimiento de benchmark por dólar, la respuesta es inequívoca, y si se trata de completar siquiera este tipo de tarea, la aritmética está de más.

Por qué la brecha sigue colapsándose a medida que el trabajo se hace más grande

La evidencia más clara es DataAnalyticsBench de Plotly: 43 preguntas sobre datos sintéticos de parques eólicos, una ejecución por modelo, así que una dirección más que una distribución [INDEPENDIENTE]. Kimi K3.1 Pro respondió 42 de 43 a $0,31 por pregunta, $13,47 en total, usando 7,5 llamadas al modelo y aproximadamente 440.000 tokens de entrada por pregunta. MiniMax M3.1 Flash respondió 41 de 43 a aproximadamente $0,10 por pregunta, $4,09 en total, usando alrededor de 45 llamadas y 4,2 millones de tokens de entrada por pregunta.

Ocurren tres cosas a la vez. La precisión es casi idéntica —a una pregunta de diferencia, muy dentro de lo que resuelve una sola ejecución—. La brecha de precio se ha estrechado a 3,1×. Y el mecanismo es visible: el modelo más barato llega hasta ahí haciendo 45 llamadas donde el otro hace 7,5, e ingresando 9,5× la entrada por pregunta. Compra precisión con contexto e iteraciones en lugar de con profundidad de parámetros, y ambas son baratas por token pero no gratuitas por tarea.

Si se escala a cien mil preguntas al mes, la comparación es de $31,000 frente a $10,000, con una diferencia de aproximadamente $252,000 al año [INDEPENDIENTE, extrapolado de las cifras por pregunta de Plotly]. Esa es una partida presupuestaria real, y el volumen al que hay que valorar la diferencia de precisión entre 41 y 42 por respuesta incorrecta: una ventaja de dos puntos en una tarea de la que depende tu negocio puede valer más de un cuarto de millón de dólares.

Donde el nivel barato realmente gana

MiniMax M3.1 Flash es la mejor compra para cargas de trabajo que comparten una misma forma: alto volumen, salidas cortas o con restricciones laxas, mucho contexto de recuperación y tolerancia a una reejecución. Clasificación, extracción con esquema restringido y un validador aguas abajo, resumización a escala, respuestas aumentadas por recuperación en las que cada frase debe remitirse a un pasaje proporcionado, y generación masiva con revisión. El rendimiento ayuda: 116,2 tokens por segundo frente a 57,5 [INDEPENDENT] es aproximadamente el doble de concurrencia por réplica antes de entrar en cola, y la salida máxima de 524.288 tokens [VENDOR] significa que los trabajos de formato extenso no necesitan empalmes.

La cifra de alucinaciones condiciona esa lista en lugar de adornarla. Una tasa del 92,81% [INDEPENDENT] es soportable cuando la verdad de referencia está en el prompt y un validador rechaza las afirmaciones no respaldadas. No es soportable en un asistente factual de final abierto sin recuperación, sin verificación de citas y sin intervención humana, y su precisión ligeramente mayor hará que esos fallos sean más difíciles de detectar, no más fáciles.

Dónde el nivel caro se amortiza por sí solo

Kimi K3.1 Pro justifica su precio en filas que se parecen más al trabajo que al recuerdo. Terminal-Bench 4.0 con 67.17% y Terminal-Bench-Science con 34.29% son las señales más claras: tareas de shell y de programación de horizonte largo en las que una respuesta parcial es una ejecución fallida y cada reintento cuesta atención de ingeniería en lugar de tokens [INDEPENDENT]. La separación de 388-Elo de GDPval-AA [INDEPENDENT] apunta en la misma dirección para el trabajo profesional. Si tu carga de trabajo es un agente que debe completar un procedimiento de varios pasos sin supervisión, una puntuación de 25.76% en Terminal-Bench 4.0 [INDEPENDENT] no es un descuento: es un producto diferente.

Dos detalles operativos van aquí en lugar de en una nota al pie. El pensamiento siempre está activado, con el esfuerzo predeterminado en max [VENDOR], así que la latencia no es algo que se pueda reducir sin aceptar un cambio de capacidades; hay que prever un p50 de unos 6,9 segundos en lugar de una vía rápida que no existe. En producción, en nuestra ruta, durante los siete días hasta el 26 de octubre, Kimi K3.1 Pro funcionó a 52,4 tokens de salida por segundo con una tasa de error del 0,064 % y transportó 1305 millones de tokens en tres días [OURS]. MiniMax M3.1 Flash transportó solo unos 10.000 tokens en nuestra ruta en ese periodo [OURS], demasiado poco para medir nada, así que todas las cifras de latencia y coste para él aquí, incluido el rendimiento, son del evaluador.

Elegir entre ellos

Empieza por la fila de evaluación que más se parezca a tu tráfico, no por el titular del índice ni por la hoja de precios. Si la respuesta depende de Terminal-Bench, GDPval o cualquier familia de ejecución de horizonte largo, las separaciones de 41 puntos y 388 Elo lo resuelven antes de hablar de costo. Si depende de AA-LCR, MMMU-Pro, CritPt o AutomationBench, ambos están dentro de unos pocos puntos y deberías elegir por precio, rendimiento y contexto; es decir, MiniMax M3.1 Flash, con una capa de recuperación y un validador que gestionen el perfil de alucinación.

El caso intermedio es trabajo analítico acotado con una respuesta comprobable. El 42 de 43 de Plotly frente a 41 de 43 [INDEPENDENT] tiene esa forma, y una brecha de 3,1× en una tarea en la que el modelo más barato necesita 9,5× la entrada para mantenerse a la par es una contrapartida real. Muestrea primero tu propio tráfico; una sola tanda de 43 preguntas es una orientación, no un veredicto.

Una nota estructural sobre los precios, que importa más que cualquier ratio anterior. OrcaRouter transmite los precios por token de los proveedores sin cambios, así que cuando cambia un precio de lista, nuestro precio para ese modelo cambia con él el mismo día, sin un nivel renegociado de por medio. Cada ratio aquí es una instantánea de las hojas actuales de dos proveedores, no un esquema de recargos: si cualquiera de los proveedores recorta el precio de salida el próximo mes, tanto el 15,2× como el 9,6× se moverán mientras que la facturación sigue siendo un reflejo de la suya. También es la razón por la que la ventaja del nivel económico vale la pena volver a comprobarla en lugar de memorizarla: MiniMax M3.1 Flash se lanzó el 19 de octubre [VENDOR], una semana antes de que se escribiera esto, y los precios de lanzamiento rara vez son definitivos.

Fuentes: Artificial Analysis Intelligence Index v4.3.2, datos al 26 de octubre de 2026, para las cifras de índice, fila, rendimiento y coste por tarea; los informes de Plotly sobre DataAnalyticsBench del 20 y 23 de octubre para la comparación de 43 preguntas; las fichas de modelos de los proveedores para precios, límites de contexto, parámetros y fechas de lanzamiento. MiniMax M3.1 Flash transportó aproximadamente 10.000 tokens en la ruta de OrcaRouter durante la ventana de siete días, una cantidad demasiado pequeña para medirse, por lo que sus cifras de latencia y coste aquí son las del evaluador.