GPT-6.1 Sol מול Kimi K3.1 Pro: אותו מחיר של $2/$10, שלוש נקודות במדד, ופער של פי 2.9 בעלות של משימה

Kimi K3.1 Pro ול-GPT-6.1 Sol יש אותו תג מחיר, וזה הדבר הכי פחות מעניין בהם. Moonshot השיקה את K3.1 Pro ב-23 באוקטובר 2026 במחיר של 2.00 דולר למיליון טוקני קלט ו-10.00 דולר למיליון טוקני פלט; OpenAI השיקה את Sol ב-29 בספטמבר באותו צמד מחירים. ב-Artificial Analysis, K3.1 Pro מקבל ציון 55 וממוקם רביעי מבין 221 מודלים; Sol מקבל ציון 52. המודלים מרוחקים זה מזה בשלוש נקודות ביכולת, וכמעט פי שלושה זה מזה בעלות של השלמת משימה — 2.11 דולר עבור K3.1 Pro לעומת 0.72 דולר עבור Sol. ההיפוך הזה, ולא תג המחיר, הוא הגורם המכריע.

המדידות שלהלן מגיעות מ-Artificial Analysis, אשר מריצה את שני המודלים תחת תצורה שפורסמה ומביאה בחשבון את הטוקנים שכל אחד מהם צורך, וכן מתיעוד של שני הספקים ומהצהרות ההשקה שלהם, כפי שנקראו ב-27 באוקטובר 2026. נתוני ספקים מסומנים ככאלה. ההבחנה חשובה כאן יותר מהרגיל, משום ששתי החברות מהמרות בכיוונים מנוגדים על האופן שבו מודל צריך לנצל טוקנים.

המחיר זהה. החשבונית לא.

תמחור לפי טוקן הוא מחיר יחידה, ומחיר יחידה הופך לחשבון רק כשמכפילים אותו בצריכה. שני המודלים צורכים בצורה שונה מאוד. החשבונאות של עלות לכל משימה של Artificial Analysis מציבה את K3.1 Pro על $2.11 להשלמת משימת Intelligence Index אחת ואת Sol על $0.72 — פער של פי 2.9 בתעריפים זהים לכאורה. הסיבה היא נפח הפלט. K3.1 Pro הוא מודל שחושב תמיד ופולט באופן מהותי יותר טוקנים לכל תשובה, והפלט הוא החצי היקר של כרטיס המחירים במחיר של $10.00 למיליון.

חומרי ההפצה של Moonshot עצמה מכירים במבנה הזה. המודל הוא גרסה שעברה אימון לאחר האימון הבסיסי של Kimi K3, עם מחשוב למידת חיזוק שהורחב באופן ניכר, והחברה מתארת את השיפורים כנובעים מהיסק ארוך ומחושב יותר ולא מבסיס גדול יותר. היסק ארוך יותר הוא בדיוק מה שמייצר יותר טוקני פלט. רווח היכולת ועליית העלות הם אותה עובדה הנמדדת בשתי דרכים.

• קלט / פלט — $2.00 / $10.00 למיליון בשני המודלים.

• קלט במטמון — Kimi K3.1 Pro $0.20 בהנחה של 90%; GPT-6.1 Sol $0.10 ב-95%.

• עלות לכל משימת אינדקס — $2.11 לעומת $0.72 ב-Artificial Analysis v4.3.2.

• מדד עצמאי — 55 לעומת 52; K3.1 Pro מדורג רביעי מתוך 221, Sol מיד אחריו.

• מהירות פלט — 47.9 אסימונים לשנייה לעומת 69.2, שניהם מדידות של Artificial Analysis.

• הקשר ומגבלת פלט — 1,048,576 קלט עבור K3.1 Pro; 1,050,000 קלט ו-128,000 פלט עבור Sol.

• ארכיטקטורה — 2.8 טריליון פרמטרים בסך הכול, מתוכם 104 מיליארד פעילים עבור K3.1 Pro; OpenAI אינה מפרסמת את מספר הפרמטרים של Sol.

• משקלים — K3.1 Pro הוא קנייני היום, כאשר Moonshot מבטיחה משקלים פתוחים עד 4 בנובמבר; Sol הוא קנייני ללא הכרזה על פתיחה.

מה שלוש נקודות מדד קונות

פער של שלוש נקודות במדד מורכב הוא משמעותי אך לא מכריע, וציוני הרכיבים הם המקום שבו מתגלה צורתו של ההבדל. Artificial Analysis מציינת את K3.1 Pro בציון 67 ב-Terminal-Bench 4.0, הגבוה ביותר מבין כל מודל שהיא מדדה, לעומת 56.1 של Sol. ב-GDPval-AA, הערכה של עבודה מקצועית, K3.1 Pro נמצא ב-1,846 Elo, במקום השלישי בסך הכול ו-312 נקודות מעל קודמו. ב-AutomationBench-AA הוא השתפר מ-58% ל-73%. ב-Humanity's Last Exam הוא עלה מ-47% ל-52%. שיעור ההזיות ב-AA-Omniscience ירד מ-53% ל-44%.

אלה המספרים הבלתי־תלויים החזקים ביותר שיש לכל אחד מהמודלים. הפרופיל הבלתי־תלוי של Sol שטוח יותר: ציון משולב של 52, בלי הערכה אחת שבה הוא מוביל את התחום, ונתון עלות לכל משימה שהוא הטוב ביותר בטווח המחירים שלו. הקריאה הכנה היא ש־K3.1 Pro הוא המודל היכול יותר במספר הערכות סוכנותיות ולעבודה מקצועית, ו־Sol הוא היעיל יותר. אף אחת מהקביעות אינה הכרעה, מפני שיכולת הופכת לערך רק בנפח שבו אתה מריץ.

טענות ההשקה של Moonshot עצמה מרחיקות לכת יותר מהלוח העצמאי, ויש להתייחס אליהן כאל טענות. החברה דיווחה על ציונים מובילים בשישה מתוך ארבעה־עשר מבחנים שהריצה, כולל SWE Marathon עם 51.7 ו-HLE-with-tools עם 70.0. הנתון שלה ב-Terminal-Bench 4.0 הוא 65.7%, מעט מתחת ל-67% שמדדה Artificial Analysis — מקרה נדיר שבו המספר של הספק הוא השמרני, וכדאי לציין זאת דווקא משום שהוא חריג. הנקודה החלשה היא Terminal-Bench Science 0.1 עם 38.1, לעומת 68.1 ל-GPT-6 Astra. K3.1 Pro אינו המודל לחשיבה מדעית קשה, ו-Moonshot אינה טוענת שהוא כזה.

הצעת החוק למהירות ולמלל

Artificial Analysis מודדת את K3.1 Pro ב-47.9 אסימוני פלט לשנייה ומכנה אותו איטי באופן ניכר; Sol פועל ב-69.2. בשילוב עם ההבדל בנפח הפלט, המשמעות היא שלולאת סוכן ארוכה על K3.1 Pro דורשת גם יותר זמן שעון וגם יותר כסף לכל שלב. בקידוד אינטראקטיבי, שבו מפתח ממתין לכל תור, הבדל השהיה הוא הדבר הראשון שמשתמשים יתלוננו עליו. בהערכת אצווה, שבה דבר אינו ממתין, רק העלות חשובה.

יש שכבה מהירה יותר. Moonshot מוכרת גרסת Highspeed במחיר של $4.00 לקלט ו-$20.00 לפלט, כאשר תמחור פגיעת המטמון נשאר ללא שינוי, מה שמכפיל את קצב הטוקנים ומכפיל את המחיר. זה אותו חילוף ש-Sol מציעה עם מצב Fast במחיר כפול. בשני המקרים השכבה המהירה מיועדת לעבודה רגישה להשהיה, לא לנפח, והחשבון כמעט אף פעם לא מעדיף אותה לעבודות אצווה.

4 בנובמבר, ומה משקלים פתוחים באמת משנים

Moonshot אומרת שהמשקלים המלאים יפורסמו עד 4 בנובמבר 2026. אם זה יקרה, K3.1 Pro יהפוך למודל בעל המשקלים הפתוחים עם הניקוד הגבוה ביותר במדד Artificial Analysis, ויצמצם את הפער בין המודלים הפתוחים הטובים ביותר למודלים הקנייניים הטובים ביותר מכ-שתים עשרה נקודות לשלוש. זהו אירוע ממשי עבור כל מי שצריך לארח באופן עצמאי, לבצע כוונון עדין או להריץ הסקה בתוך גבול ציות.

זה אינו אירוע עבור רוב קוראי ה-API. משקלים פתוחים משנים מי יכול להריץ את המודל ובאילו תנאים; הם אינם משנים את מחיר האירוח, את המהירות או את היכולת. צוות שקורא ל-API ואין לו אילוץ מיקום נתונים אינו מקבל דבר משחרור המשקלים מלבד אפשרות מקור שנייה, ובסופו של דבר יותר ספקים שמתחרים על אותו צ'ק-פוינט. התחרות הזו אמיתית ובדרך כלל מתבטאת בלחץ על מחירים, אך מדובר בהשפעה של חודשים, לא בהשפעה של נובמבר.

קיימת הסתייגות שנייה ומפורטת יותר בפרסום של Moonshot. החברה אומרת שהיא הסירה בכוונה נתוני אימון הקשורים לסייבר ולניצול פרצות כדי להימנע מהרחבת הגבול הפתוח של יכולת סייבר התקפית, ושה-checkpoint שקיבל 90.5% ב-xdev-bench-hard צומצם ל-81% כתוצאה מכך. זו החלטת בטיחות עם מחיר מדיד ביכולות, שנחשפה על ידי הספק. אם העבודה שלך היא בכלי אבטחה, זהו המשפט החשוב ביותר בחומר ההשקה — חשוב יותר מציון האינדקס.

שלושה עומסי עבודה, שלוש תשובות

• קידוד באצוות בנפח גבוה, ללא דרישת השהיה — GPT-6.1 Sol. במחיר של $0.72 למשימת אינדקס לעומת $2.11, פער היעילות מכריע את ההבדל ביכולת של שלוש נקודות, אלא אם המשימה שלך היא ספציפית כזו שבה ציוני הסוכנות של K3.1 Pro מתורגמים לפחות ניסיונות חוזרים. מדוד את שיעור הניסיונות החוזרים לפני שאתה מניח שהם אכן מתורגמים.

• עבודה סוכנית ארוכת טווח שבה תשובה שגויה יקרה — Kimi K3.1 Pro. ההובלה ב-Terminal-Bench 4.0 והמיקום ב-GDPval-AA הם הדבר הקרוב ביותר לראיה שיש לכל אחד מהמודלים ליכולת מתמשכת בביצוע משימות מרובות שלבים, והפרמיה לכל משימה קטנה ביחס לעלות של מסלול שנכשל.

• תכנות אינטראקטיבי שבו אדם ממתין — GPT-6.1 Sol, במהירות. 69.2 טוקנים לשנייה לעומת 47.9 הם הבדל נראה לעין בעורך, והיתרון בעלות הוא בונוס ולא הסיבה.

• חשיבה מדעית או מתמטית — אף אחד מהם, בחזית. ה-38.1 של K3.1 Pro ב-Terminal-Bench Science 0.1 הוא חולשה מתועדת, וה-57.0 של Sol באותה סדרה הוא מכובד אך נמוך בהרבה מה-68.1 ש-OpenAI מדווחת עבור GPT-6 Astra. זהו עומס העבודה היחיד שבו השכבה שמעל שני המודלים היא התשובה הנכונה.

הרצת שניהם זולה יותר מלבחור לא נכון

שני המודלים נמצאים ב-OrcaRouter במפתח אחד בתוספת 0% מעל מחיר המחירון של כל ספק, כאשר Sol ב-$2.00 וב-$10.00 ו-K3.1 Pro באותו זוג, קלט שמור מועבר הלאה ב-$0.10 וב-$0.20 בהתאמה. זה הופך את ההחלטה לכזו שניתן לחזור ממנה: ניתן להריץ מבחן השוואתי לעומס עבודה מול שניהם על אותה תעבורה מתועדת, ולהסיר את המפסיד באמצעות שינוי ניתוב ולא באמצעות משא ומתן חוזי.

מיזוג מודלים הוא התכונה היחידה שמצדיקה את מקומה בצמד המסוים הזה ולא כתוסף גנרי. שתי המודלים נכשלים בכיוונים שונים — Sol תמציתי ומהיר, ו-K3.1 Pro שקול וחזק יותר במסלולי סוכן ארוכים — ולכן פאנל ששואל את שתיהן ומגשר בין תשובותיהן הוא עיצוב סביר להחלטות בסיכון גבוה, שבהן פער העלות של פי 2.9 אינו מהותי לעומת המחיר של טעות. לכל השאר, ניתוב לפי עומס עבודה הוא התבנית הזולה יותר: K3.1 Pro למסלול הסוכני, Sol למסלול בנפח גבוה, ונקודת קצה אחת לשתיהן.

הדירוג שאינו האינדקס

אם השאלה היא איזה מודל טוב יותר, K3.1 Pro מנצח בשלוש נקודות ומוביל בהערכות הסוכניות שחשובות לעבודה ארוכת טווח. אם השאלה היא איזה מודל להציב מאחורי מסלול ייצור בנפח גבוה החודש, Sol מנצח בעלות לכל משימה שהושלמה בפי 2.9 ובמהירות בפי 1.4, ופער היכולות של שלוש נקודות אינו סוגר אף אחד מהיתרונות האלה.

התאריך היחיד ששווה לרשום ביומן הוא ה-4 בנובמבר. אם המשקלים יגיעו, K3.1 Pro יהפוך למודל הייחוס עם משקלים פתוחים, והחישוב עבור צוותים שמארחים בעצמם משתנה. אם הם יתעכבו — ו-Moonshot נתנה תאריך, וזה יותר ממה שרוב עושות — אז החישוב נשאר בדיוק היכן שהוא היום: אותו מחיר מדבקה, חשבון אחר, ובחירה שכדאי לעשות על בסיס עלות משימה מדודה ולא על המספר בעמודת המחיר.