GPT-6.1 Sol vs Kimi K3.1 Pro: Harga $2/$10 Sama, Selisih Tiga Poin Indeks, dan Kesenjangan 2,9x pada Biaya per Tugas

Kimi K3.1 Pro dan GPT-6.1 Sol memiliki label harga yang sama, yang merupakan hal paling tidak menarik tentang keduanya. Moonshot merilis K3.1 Pro pada 23 Oktober 2026 dengan harga $2,00 per juta token masukan dan $10,00 per juta keluaran; OpenAI merilis Sol pada 29 September dengan pasangan yang identik. Di Artificial Analysis, K3.1 Pro mencetak skor 55 dan berada di peringkat keempat dari 221 model; Sol mencetak skor 52. Kedua model terpaut tiga poin dalam kemampuan dan hampir tiga kali lipat dalam biaya untuk menyelesaikan sebuah tugas — $2,11 untuk K3.1 Pro versus $0,72 untuk Sol. Inversi itulah, bukan label harganya, yang menjadi keputusan.

Pengukuran di bawah ini berasal dari Artificial Analysis, yang menjalankan kedua model dalam konfigurasi yang dipublikasikan dan memperhitungkan token yang dihabiskan masing-masing model, serta dari dokumentasi dan klaim peluncuran milik kedua vendor, yang dibaca pada 27 Oktober 2026. Angka dari vendor diberi label sebagai demikian. Perbedaan ini lebih penting daripada biasanya di sini, karena kedua perusahaan membuat taruhan yang berlawanan tentang bagaimana sebuah model seharusnya menghabiskan token.

Harganya sama. Fakturnya tidak.

Harga per token adalah harga satuan, dan harga satuan baru menjadi tagihan ketika Anda mengalikannya dengan konsumsi. Kedua model mengonsumsi dengan cara yang sangat berbeda. Perhitungan biaya per tugas Artificial Analysis menempatkan K3.1 Pro pada $2,11 untuk menyelesaikan satu tugas Intelligence Index dan Sol pada $0,72 — selisih 2,9x pada tarif utama yang identik. Penyebabnya adalah volume output. K3.1 Pro adalah model yang selalu bernalar yang mengeluarkan jauh lebih banyak token per jawaban, dan output adalah separuh yang mahal dari kartu tarif pada $10,00 per juta.

Materi rilis Moonshot sendiri mengakui bentuk persoalan ini. Model tersebut adalah versi hasil pelatihan lanjutan dari Kimi K3 dengan komputasi pembelajaran penguatan yang diperluas besar-besaran, dan perusahaan menggambarkan keuntungannya berasal dari penalaran yang lebih panjang dan lebih cermat, bukan dari basis yang lebih besar. Penalaran yang lebih panjang justru menghasilkan lebih banyak token keluaran. Peningkatan kemampuan dan kenaikan biaya adalah fakta yang sama yang diukur dengan dua cara.

• Masukan / keluaran — $2.00 / $10.00 per juta pada kedua model.

• Input di-cache — Kimi K3.1 Pro $0.20 dengan diskon 90%; GPT-6.1 Sol $0.10 dengan diskon 95%.

• Biaya per tugas indeks — $2.11 vs $0.72 pada Artificial Analysis v4.3.2.

• Indeks independen — 55 vs 52; K3.1 Pro menempati peringkat keempat dari 221, Sol tepat di belakangnya.

• Kecepatan keluaran — 47,9 token per detik vs 69,2, keduanya merupakan pengukuran Artificial Analysis.

• Batas konteks dan keluaran — 1.048.576 masukan untuk K3.1 Pro; 1.050.000 masukan dan 128.000 keluaran untuk Sol.

• Arsitektur — 2,8 triliun total parameter dengan 104 miliar parameter aktif untuk K3.1 Pro; OpenAI tidak mempublikasikan jumlah parameter Sol.

• Bobot — K3.1 Pro saat ini bersifat proprietari, dengan Moonshot menjanjikan bobot terbuka pada 4 November; Sol bersifat proprietari tanpa pengumuman pembukaan.

Apa yang bisa dibeli dengan tiga poin indeks

Selisih tiga poin pada skor komposit bermakna tetapi tidak menentukan, dan skor komponenlah yang menunjukkan bentuk perbedaannya. Artificial Analysis menempatkan K3.1 Pro pada 67 di Terminal-Bench 4.0, tertinggi di antara model apa pun yang telah diukurnya, dibandingkan 56,1 untuk Sol. Pada GDPval-AA, evaluasi pekerjaan profesional, K3.1 Pro berada di 1.846 Elo, ketiga secara keseluruhan dan 312 poin di atas pendahulunya sendiri. Pada AutomationBench-AA, skornya meningkat dari 58% menjadi 73%. Pada Humanity's Last Exam, skornya bergerak dari 47% menjadi 52%. Tingkat halusinasi pada AA-Omniscience turun dari 53% menjadi 44%.

Itu adalah angka independen terkuat yang dimiliki masing-masing model. Profil independen Sol lebih datar: komposit 52 tanpa satu pun evaluasi yang membuatnya memimpin, dan angka biaya per tugas yang terbaik di kelas harganya. Pembacaan yang jujur adalah bahwa K3.1 Pro adalah model yang lebih mampu pada beberapa evaluasi agentik dan pekerjaan profesional, dan Sol adalah yang lebih efisien. Kedua pernyataan itu bukan vonis, karena kapabilitas hanya berubah menjadi nilai pada volume yang Anda jalankan.

Klaim peluncuran dari Moonshot sendiri lebih jauh daripada dewan independen, dan harus dibaca sebagai klaim. Perusahaan melaporkan skor tertinggi pada enam dari empat belas tes yang dijalankannya, termasuk SWE Marathon di 51,7 dan HLE-with-tools di 70,0. Angka Terminal-Bench 4.0 miliknya adalah 65,7%, sedikit di bawah 67% yang diukur Artificial Analysis — kasus langka ketika angka vendor justru yang konservatif, yang perlu dicatat justru karena tidak biasa. Titik lemahnya adalah Terminal-Bench Science 0.1 di 38,1, dibandingkan dengan 68,1 untuk GPT-6 Astra. K3.1 Pro bukan model untuk penalaran ilmiah yang sulit, dan Moonshot tidak mengklaim demikian.

RUU tentang Kecepatan dan Verbositas

Artificial Analysis mengukur K3.1 Pro pada 47,9 token keluaran per detik dan menyebutnya cukup lambat; Sol berjalan pada 69,2. Digabungkan dengan perbedaan volume keluaran, itu berarti loop agen yang panjang pada K3.1 Pro membutuhkan lebih banyak waktu nyata dan lebih banyak biaya per langkah. Untuk pengodean interaktif, ketika pengembang menunggu pada setiap giliran, perbedaan latensi adalah hal yang pertama kali akan dikeluhkan pengguna. Untuk evaluasi batch, ketika tidak ada yang menunggu, hanya biaya yang menjadi pertimbangan.

Ada tier yang lebih cepat. Moonshot menjual varian Highspeed dengan harga input $4.00 dan output $20.00 dengan harga cache-hit tidak berubah, yang menggandakan laju token dan menggandakan harga. Itu adalah trade-off yang sama yang ditawarkan Sol dengan mode Fast-nya pada 2x. Dalam kedua kasus, tier cepat ditujukan untuk pekerjaan yang sensitif terhadap latensi, bukan untuk volume, dan perhitungannya jarang menguntungkannya untuk pekerjaan batch.

4 November, dan apa yang sebenarnya diubah oleh bobot terbuka

Moonshot menyatakan bobot penuh akan diterbitkan pada 4 November 2026. Jika itu terjadi, K3.1 Pro akan menjadi model open-weight dengan skor tertinggi pada indeks Artificial Analysis, mempersempit selisih antara model terbuka terbaik dan model proprietary terbaik dari sekitar dua belas poin menjadi tiga. Itu adalah peristiwa penting bagi siapa pun yang perlu melakukan self-host, fine-tuning, atau menjalankan inferensi di dalam batas kepatuhan.

Ini bukan peristiwa bagi sebagian besar pemanggil API. Bobot terbuka mengubah siapa yang dapat menjalankan model dan dengan syarat apa; hal itu tidak mengubah harga hosted, kecepatan, atau kemampuannya. Tim yang memanggil API dan tidak memiliki batasan residensi data tidak mendapatkan apa pun dari rilis bobot tersebut selain opsi sumber kedua dan, pada akhirnya, lebih banyak penyedia yang bersaing pada checkpoint yang sama. Persaingan itu nyata dan biasanya muncul sebagai tekanan harga, tetapi efeknya berlangsung berbulan-bulan, bukan efek November.

Ada peringatan kedua yang lebih spesifik dalam rilis Moonshot. Perusahaan mengatakan bahwa mereka sengaja menghapus data pelatihan terkait siber dan eksploitasi untuk menghindari perluasan frontier terbuka kemampuan siber ofensif, dan bahwa checkpoint yang mencetak 90,5% pada xdev-bench-hard diturunkan menjadi 81% sebagai akibatnya. Itu adalah keputusan keselamatan dengan biaya kemampuan yang terukur, yang diungkapkan oleh vendor. Jika pekerjaan Anda adalah perkakas keamanan, itu adalah kalimat terpenting dalam materi peluncuran — lebih penting daripada skor indeks.

Tiga beban kerja, tiga jawaban

• Pengodean batch bervolume tinggi, tanpa persyaratan latensi — GPT-6.1 Sol. Dengan $0.72 per tugas indeks dibandingkan $2.11, kesenjangan efisiensi mendominasi perbedaan kapabilitas tiga poin kecuali tugas Anda secara spesifik adalah tugas di mana skor agentik K3.1 Pro menghasilkan lebih sedikit percobaan ulang. Ukur tingkat percobaan ulang sebelum mengasumsikan hal itu terjadi.

• Pekerjaan agentik berjangkauan panjang yang jawaban salahnya mahal — Kimi K3.1 Pro. Kepemimpinan di Terminal-Bench 4.0 dan posisi di GDPval-AA adalah bukti terdekat yang dimiliki kedua model akan kompetensi multitahap yang berkelanjutan, dan premi per tugasnya kecil dibandingkan dengan biaya dari trajektori yang gagal.

• Coding interaktif di mana manusia menunggu — GPT-6.1 Sol, soal kecepatan. 69,2 token per detik dibandingkan 47,9 adalah perbedaan yang terlihat di editor, dan keunggulan biaya hanyalah bonus, bukan alasannya.

• Penalaran ilmiah atau matematis — bukan keduanya, di garis terdepan. Skor 38.1 K3.1 Pro pada Terminal-Bench Science 0.1 adalah kelemahan yang terdokumentasi, dan skor 57.0 Sol pada suite yang sama terhormat tetapi jauh di bawah 68.1 yang dilaporkan OpenAI untuk GPT-6 Astra. Ini adalah satu-satunya beban kerja di mana tingkat di atas kedua model merupakan jawaban yang tepat.

Menjalankan keduanya lebih murah daripada salah memilih

Kedua model tersedia di OrcaRouter dengan satu kunci pada markup 0% di atas harga daftar masing-masing penyedia, dengan Sol pada $2,00 dan $10,00 serta K3.1 Pro pada pasangan yang sama, input yang di-cache diteruskan masing-masing pada $0,10 dan $0,20. Itu membuat keputusan dapat dibalik: beban kerja dapat diuji terhadap keduanya pada lalu lintas terlacak yang sama, dan yang kalah dihapus dengan perubahan perutean alih-alih negosiasi kontrak.

Fusi model adalah satu-satunya fitur yang membenarkan posisinya pada pasangan khusus ini, bukan sebagai plug generik. Kedua model gagal ke arah yang berbeda — Sol ringkas dan cepat, K3.1 Pro lebih cermat dan lebih kuat dalam lintasan agentic yang panjang — sehingga panel yang menanyakan keduanya dan merekonsiliasi jawaban mereka merupakan desain yang masuk akal untuk keputusan berisiko tinggi, ketika selisih biaya 2,9x tidak berarti dibandingkan dengan biaya akibat salah. Untuk semua hal lainnya, perutean berdasarkan beban kerja adalah pola yang lebih murah: K3.1 Pro untuk jalur agentic, Sol untuk jalur bervolume tinggi, satu endpoint untuk keduanya.

Peringkat yang bukan indeks

Jika pertanyaannya adalah model mana yang lebih baik, K3.1 Pro menang dengan selisih tiga poin dan unggul dalam evaluasi agentik yang penting untuk pekerjaan berjangka panjang. Jika pertanyaannya adalah model mana yang harus ditempatkan di jalur produksi bervolume tinggi bulan ini, Sol unggul dalam biaya per tugas yang diselesaikan sebesar faktor 2,9 dan dalam kecepatan sebesar faktor 1,4, dan selisih kemampuan tiga poin itu tidak menutup keunggulan mana pun dari keduanya.

Satu tanggal yang layak dicatat di kalender adalah 4 November. Jika bobotnya dirilis, K3.1 Pro menjadi model open-weight acuan dan kalkulasi bagi tim yang meng-host sendiri berubah. Jika molor — dan Moonshot telah memberikan tanggal, yang lebih dari kebanyakan — maka kalkulasinya tetap persis seperti hari ini: harga tertera yang sama, tagihan yang berbeda, dan pilihan yang seharusnya dibuat berdasarkan biaya tugas terukur, bukan berdasarkan angka di kolom harga.