Kimi K3.1 Pro vs DeepSeek V4.1 Flash : seize points d’indice pour un prix treize fois plus élevé

DeepSeek V4.1 Flash coûte 0,15 $ par million de tokens d'entrée et 0,60 $ par million de tokens de sortie dans notre catalogue. {{1}}Kimi K3.1 Pro coûte 2,00 $ et 10,00 ${{/1}} — {{2}}13 fois plus cher en entrée, 17 fois plus cher en sortie{{/2}}. Sur l'indice indépendant, ce prix achète 16 points : Artificial Analysis note Kimi K3.1 Pro à 55 et DeepSeek V4.1 Flash à 39. Il achète aussi un modèle au profil différent — DeepSeek est 2,5 fois plus rapide et plus de deux fois plus verbeux, si bien que l'écart par token et l'écart par tâche ne donnent pas le même chiffre. C'est le compromis capacité-prix le plus net du catalogue actuel, et ce qui est intéressant, c'est qu'il ne va pas dans le même sens selon la tâche.

Les deux modèles disposent d’un contexte d’un million de tokens, acceptent tous deux les images et génèrent tous deux des sorties de plusieurs centaines de milliers de tokens. L’un est le fleuron de pointe d’un laboratoire chinois sorti en octobre ; l’autre est le petit modèle de la famille d’architecture de DeepSeek, publié le 10 septembre 2026 et positionné comme le successeur en production de ses précédents modèles Flash. La comparaison porte en réalité sur ce que valent 16 points d’indice pour une charge de travail spécifique — et sur le seul benchmark où le modèle bon marché l’emporte.

Les grilles tarifaires, et ce que coûte une charge de travail réelle

• Entrée — 2,00 $ par million de tokens sur Kimi K3.1 Pro contre 0,15 $ sur DeepSeek V4.1 Flash.

• Production — $10.00 contre $0.60.

• Fenêtre de contexte — 1 048 576 jetons pour les deux.

• Sortie maximale — 943 718 tokens sur Kimi K3.1 Pro, 384 000 sur le point de terminaison de base de V4.1 Flash et 393 216 sur l’instantané 1017. Les deux valeurs sont suffisamment élevées pour que la longueur de sortie ne soit plus une contrainte.

• Poids et taille — DeepSeek V4.1 Flash est un modèle à mélange d'experts de 552 milliards de paramètres, avec 16 milliards de paramètres actifs, publié sur Hugging Face sous licence MIT. Kimi K3.1 Pro est de classe 3T et ses poids sont annoncés pour le 4 novembre, la licence n'ayant pas encore été publiée.

• Vitesse — 181 jetons de sortie par seconde sur le fournisseur de l’évaluateur pour DeepSeek, contre 73,5 pour Kimi K3.1 Pro. Pour le travail en volume, c’est la deuxième plus grande différence après le prix.

L’arithmétique est impitoyable à grande échelle. Un appel qui lit un million de tokens d’entrée et écrit 200 000 tokens de sortie coûte 4,00 $ sur Kimi K3.1 Pro et 27 cents sur DeepSeek V4.1 Flash. Un pipeline nocturne qui traite 2 000 documents longs par mois à 50 000 tokens d’entrée et 5 000 tokens de sortie chacun dépense environ 300 $ sur Kimi et 21 $ sur DeepSeek. Pour la classification, l’extraction, la réécriture et le résumé à grande échelle, l’écart de 16 points apparaît rarement d’une manière que le client remarque ; la facture, si.

Deux réserves empêchent que ce soit toute l’histoire. Artificial Analysis, qui a mesuré les deux modèles via un fournisseur plutôt qu’au prix catalogue, relève DeepSeek V4.1 Flash à 0,295 $ en entrée et 1,20 $ en sortie par million de tokens — soit le double de notre tarif catalogue, et un rappel que le chiffre le moins cher dans une comparaison est celui que personne ne paie réellement. Plus important encore, son coût par tâche est de 0,48 $ contre 2,11 $ pour Kimi K3.1 Pro : une économie de 4,4×, et non les 15× que laissent supposer les prix des tokens, car DeepSeek a généré 250 millions de tokens de sortie pendant l’exécution de l’indice, contre 150 millions pour Kimi. La verbosité consomme l’avantage de prix, et les deux modèles se situent bien au-dessus de la médiane.

Seize points, ce n'est pas une erreur d'arrondi

Le même écart qui n’a pas d’importance pour une tâche de classification compte énormément pour tout ce qui comporte un plan. L’indice indépendant est une moyenne sur dix évaluations couvrant les connaissances, le raisonnement et le travail agentique ; un écart de 16 points sur cette moyenne signifie que l’extrémité difficile de la distribution n’est pas proche. Dans le tableau de lancement de Moonshot, Kimi K3.1 Pro obtient 61,2 % en codage à long horizon et 65,7 % sur Terminal-Bench 4.0 ; le niveau Flash n’est pas représenté du tout sur ces lignes.

Traduction pratique : si la tâche peut être spécifiée dans un prompt et vérifiée par un validateur, achetez le modèle bon marché et consacrez les économies aux tentatives supplémentaires. Si la tâche exige de décider quoi faire ensuite — lire un test qui échoue, choisir un fichier à modifier, se remettre d'un mauvais appel d'outil — les 16 points font la différence entre un agent qui termine et un agent qui tourne en boucle.

La seule ligne où le modèle bon marché l’emporte

La propre feuille de benchmarks de Moonshot contient une ligne qui la dessert. Sur xdev-bench-hard à pass@3, une évaluation adversariale de codage menée par le fournisseur, DeepSeek V4.1 Flash obtient 85,7 % contre 81,0 % pour Kimi K3.1 Pro. Kimi K3, le prédécesseur, obtient 33,3 %.

La raison est visible ailleurs dans les documents de lancement : Moonshot a retiré les données liées à la cyber des phases de mi-entraînement et d’apprentissage par renforcement avant de livrer K3.1 Pro, et a publié le coût de cette décision. Un point de contrôle entraîné sans ces mesures obtient 90,5 % sur le même benchmark ; le modèle livré obtient 81,0 %. DeepSeek, en revanche, n’a pas annoncé de réduction de capacités équivalente, et ses 85,7 % se situent au-dessus du modèle qui coûte treize fois plus cher.

Pour le travail de sécurité défensive — analyse, triage, rédaction de correctifs sous revue —, cette ligne mérite d'être pesée. Pour les travaux proches de l'offensif, les conditions des deux fournisseurs et la loi s'appliquent, indépendamment du score.

Le contexte et la sortie surprennent.

Une remarque pratique avant que la comparaison ne devienne trop nette : Artificial Analysis considère le V4.1 Flash de base comme obsolète au profit de l’instantané V4.1 Flash 1017, le point de contrôle figé du 17 octobre que notre catalogue propose également au même prix. L’indice de 39 concerne le modèle de base ; l’instantané est ce vers quoi les nouveaux travaux devraient tendre, et il conserve la même fenêtre de contexte avec un plafond de sortie légèrement plus élevé.

Ce qui rend cette comparaison moins déséquilibrée que le prix ne le suggère, c’est que le modèle bon marché n’a pas sacrifié l’essentiel. Un contexte d’un million de tokens sur un modèle à 0,15 $ signifie que les pipelines de récupération augmentée qui nécessitaient auparavant un découpage peuvent envoyer le document entier. Un plafond de sortie de 384 000 tokens signifie qu’une tâche par lots peut demander un fichier entièrement réécrit en un seul appel.

Ce à quoi il renonce, c’est la fiabilité sur les cas limites : le suivi d’instructions sur de longs prompts à plusieurs étapes, la récupération des appels d’outils et la capacité à maintenir un plan sur plusieurs tours. Ce sont exactement les éléments sur lesquels le budget de post-entraînement de Kimi K3.1 Pro a été investi, et exactement ce qu’un indice généraliste compresse en 16 points.

Comment répartir le travail

Les deux modèles peuvent être appelés via OrcaRouter aux prix catalogue de leurs fournisseurs, sans majoration ajoutée — $2.00 et $10.00 pour Kimi K3.1 Pro, $0.15 et $0.60 pour DeepSeek V4.1 Flash — avec une seule clé, et un basculement automatique si un fournisseur se bloque.

Une répartition fondée sur les faits : confiez l’extraction, la classification, la traduction, le résumé et la rédaction de premier jet à V4.1 Flash, et confiez le codage de longue haleine, l’orchestration d’agents et tout ce qui doit pouvoir se remettre de ses propres erreurs à Kimi K3.1 Pro. Si la répartition aboutit au ratio habituel de 80/20 en volume de tokens, le coût mixte par million de tokens descend à environ 80 cents — un cinquième d’un coût de référence tout-Kimi — tandis que les tâches qui ont besoin du modèle de pointe y ont toujours accès.

L’erreur à éviter est de considérer l’un ou l’autre modèle comme la solution aux deux tâches. Avec un écart de prix de 13×, le modèle bon marché n’est pas un compromis pour le travail en volume ; c’est le bon choix. À 16 points d’indice, il ne remplace pas les 20 % les plus difficiles.