Kartu judul 16:9 yang dihasilkan dengan latar belakang biru-abu tua dan cahaya radial lembut, berjudul 'Qwen4-Max vs Kimi K3.1 Pro' dan bersubjudul 'Selisih 41 sen yang menentukan lebih sedikit dari yang Anda kira'. Di sebelah kanan, timbangan datar yang digambar dengan garis tipis menampung dua wadah berlabel $3.27 per tugas dan $3.68 per tugas dengan batang hampir rata. Sederet empat ikon kecil di sepanjang bagian bawah diberi label video masuk, konteks 1M, tanpa bobot versus bobot terbuka, dan 55 vs 31 tok/s. Logo OrcaRouter di kanan bawah.
Guides & Insights

Qwen4-Max vs Kimi K3.1 Pro: Selisih 41 Sen yang Menentukan Lebih Sedikit daripada yang Anda Kira

Penulis

jinhao.song

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Berdasarkan angka Artificial Analysis sendiri, satu tugas selesai berbiaya $3.27 pada Qwen4-Max dan $3.68 pada Kimi K3.1 Pro. Empat puluh satu sen. Jika Anda memilih model untuk agen yang menjalankan ribuan tugas seminggu, selisih itu tampak seperti seluruh dasar keputusan, padahal bukan — karena kedua model mencapai angka tersebut dari arah yang berlawanan, dan arah itulah yang muncul di log Anda enam minggu kemudian. Qwen4-Max mencapainya dengan cepat dan bertele-tele — lebih banyak token keluaran, dengan tarif per token kurang dari setengahnya; Kimi K3.1 Pro mencapainya dengan lambat dan ringkas, menghasilkan lebih sedikit token yang masing-masing berbiaya lebih dari dua kali lipat. Tidak ada yang lebih murah secara umum. Masing-masing lebih murah untuk bentuk pekerjaan tertentu.

Itulah kerangka yang berguna untuk pasangan ini, dan kini hal itu tersedia dengan cara yang tidak ada pada Oktober lalu: kedua model berada pada revisi indeks independen yang sama, keduanya telah menerbitkan ketentuan komersial, dan salah satunya memiliki bobot yang dapat diunduh. Berikut ini adalah pembagian menurut beban kerja, bukan menurut benchmark, karena benchmark sudah menunjukkan bahwa keduanya berdekatan.

Pertama, nama

Tidak adakimi-k3.1 polos dalam daftar model milik M​oonshot sendiri. Identifier yang dirilis adalah kimi-k3.1-pro, kimi-k3.1-pro-highspeed dan yang lebih lama kimi-k3; "Kimi K3.1" adalah cara seri ini ditulis di kotak pencarian dan di media, dan model di baliknya adalah Kimi K3.1 Pro. Varian highspeed adalah model yang sama yang disajikan pada kecepatan kira-kira dua hingga tiga kali lipat. Jadi setiap perbandingan yang penting di sini adalah Qwen4-Max melawan Kimi K3.1 Pro, dan itulah pasangan yang diukur di bawah. Siapa pun yang menunjukkan kepada Anda lembar spesifikasi untuk model yang disebut persis "Kimi K3.1" sedang menunjukkan angka-angka Pro dengan nama yang lebih pendek.

Kimi K3.1 Pro diumumkan pada 23 Oktober 2026 dengan blog vendor bertanggal 24, dan bobotnya tersedia di Hugging Face melalui satu commit dengan stempel waktu 2026-11-02. Qwen4-Max mulai dijual dengan skema bayar sesuai penggunaan pada 16 November 2026. Keduanya baru berusia beberapa minggu, bukan pratinjau, dan keduanya memiliki daftar tarif nyata — itulah alasan utama perbandingan ini dapat dilakukan dengan angka, bukan proyeksi.

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro' with seven rows: index score 43 against 46; cost per task $3.27 against $3.68; output per million $4.50 against $10.00; tokens per run 127M against 113M; wall-clock per task 32.1 min against 38.4 min; max output 262,144 against 943,000; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; vendor list prices'. OrcaRouter logo bottom-right.

Dua baris yang menentukan pertandingan

Semua yang tercantum di bawah ini berasal dari Artificial Analysis Intelligence Index v5.0.1 kecuali jika ditandai sebagai dilaporkan vendor. Indeks ini adalah satu instrumen pada satu hari; blog ini telah melihat revisi menggeser skor suatu model hingga dua digit, jadi perlakukan sebarannya sebagai gambaran arah.

• Skor indeks — Qwen4-Max 43 berbanding Kimi K3.1 Pro 46. Model Kimi unggul tiga poin, masih dalam pita derau dari satu revisi indeks

• Biaya per tugas — Qwen4-Max $3,27 versus Kimi K3.1 Pro $3,68. Model Kimi 12,5% lebih mahal per tugas yang diselesaikan meskipun memiliki keunggulan skor

• Harga input — Qwen4-Max $1.50 per juta di Singapura, $1.413 di tempat lain; Kimi K3.1 Pro $2.00

• Harga output — Qwen4-Max $4.50 versus Kimi K3.1 Pro $10.00. Ini adalah selisih terlebar dalam keseluruhan perbandingan, dan inilah yang akan diberi bobot berlebih oleh model biaya yang dibangun berdasarkan jumlah token

• Harga cache-hit — Qwen4-Max $0.075 per juta di Singapura, $0.071 di wilayah lain; Kimi K3.1 Pro $0.20. Keduanya memberi diskon besar untuk pembacaan cache; diskon Qwen lebih besar

• Waktu aktual per tugas — Qwen4-Max 32,1 menit versus Kimi K3.1 Pro 38,4 menit, dibandingkan median keseluruhan 11,5. Keduanya lambat; Qwen adalah yang kurang lambat di antara keduanya

• Throughput — Qwen4-Max 55 token keluaran per detik versus Kimi K3.1 Pro 31, diukur pada API milik masing-masing vendor

• Konsumsi token — Qwen4-Max 127 juta token keluaran per eksekusi indeks versus Kimi K3.1 Pro 113 juta

• Konteks — Qwen4-Max 1.000.000 token sebagaimana didokumentasikan, terukur 984.000 yang dapat digunakan; Kimi K3.1 Pro 1.048.576

• Modalitas — keduanya menerima teks, gambar, dan video serta mengembalikan teks. Panduan model Moonshot secara eksplisit menyatakan bahwa Kimi K3.1 Pro menangani video, meskipun ringkasan independen model tersebut hanya mencantumkan teks dan gambar

• Bobot — Qwen4-Max tidak mempublikasikan apa pun, dan dokumentasinya menandai fine-tuning serta deployment sebagai tidak didukung; checkpoint 2,8 triliun parameter Kimi K3.1 Pro, dengan 104 miliar di antaranya aktif per token, dapat diunduh di bawah lisensi khusus, bukan lisensi siap pakai

• Arsitektur, menurut laporan vendor — Qwen4-Max merupakan backbone berparameter 2,4 triliun dengan 71 miliar parameter aktif dan 328 miliar parameter embedding N-gram tambahan; Kimi K3.1 Pro adalah model kelas 3T yang menjalani post-training dan dibangun di atas K3

Baca baris harga keluaran terhadap baris biaya per tugas dan Anda sudah mendapatkan keseluruhan artikelnya. Kimi K3.1 Pro mengenakan biaya lebih dari dua kali lipat per token keluaran dan tetap menyelesaikan sebuah tugas dengan biaya 41 sen lebih banyak, karena ia menghasilkan token yang lebih sedikit. Qwen4-Max mengenakan biaya kurang dari setengahnya per token keluaran dan hampir tidak mendapatkan apa pun darinya, karena ia menghasilkan 12% lebih banyak. Harga per token hanyalah proksi untuk tagihan, bukan tagihannya. Tagihannya ada di baris ketiga.

Beban kerja satu: agen yang berjalan lama

Di sinilah 41 sen berhenti menjadi sekadar pembulatan. Loop agen tidak menjalankan satu tugas; ia menjalankan rangkaian tugas yang sarat percobaan ulang, dan angka yang terakumulasi adalah waktu aktual, bukan harga. Pada 32,1 dan 38,4 menit per tugas indeks, kedua model masing-masing dua hingga tiga kali lebih lambat daripada median di bidang ini, yaitu 11,5 menit. Satu batch berisi dua puluh tugas membutuhkan sepuluh hingga tiga belas jam waktu aktual pada salah satu model. Jika loop Anda terikat latensi, tidak ada satu pun dari keduanya yang merupakan model yang tepat, dan memilih di antara keduanya berdasarkan harga berarti mengoptimalkan variabel yang salah.

Jika tidak terikat latensi — proses batch semalaman, pekerjaan riset berjangka panjang, pemrosesan dokumen di latar belakang — maka angka penentunya adalah token per tugas yang diselesaikan, dan di sini 55 token per detik milik Qwen4-Max versus 31 milik Kimi tidak sepenting kelihatannya. Throughput hanya menentukan seberapa cepat satu permintaan habis diproses; yang menentukan tagihan adalah berapa banyak token yang dihabiskan model untuk berpikir sebelum menghasilkan jawaban. Qwen4-Max menghabiskan 12% lebih banyak token tersebut dan mengenakan biaya 55% lebih rendah per unitnya.

Beban kerja dua: segala hal yang berkaitan dengan dokumen panjang

Di sinilah perbandingan berhenti menjadi soal skor dan mulai menjadi soal bentuk keluaran. Kedua model membaca teks, gambar, dan video serta keduanya menulis teks, jadi tidak ada argumen modalitas yang bisa diajukan — versi jujur dari bagian ini adalah bahwa dukungan video Qwen4-Max bukanlah penentu seperti yang terlihat, karena panduan model Moonshot menyatakan Kimi K3.1 Pro juga menangani video. Yang membedakan keduanya dalam pekerjaan dokumen adalah seberapa banyak yang akan mereka tulis kembali dalam satu proses, dan berapa biaya yang mereka kenakan untuk itu.

Qwen4-Max membatasi output pada 131.072 token dengan mode berpikir dimatikan, atau 262.144 yang dibagi antara berpikir dan jawaban. Kimi K3.1 Pro mencapai sekitar 943.000. Untuk tinjauan kontrak yang mengembalikan ringkasan, perbedaan itu tidak pernah muncul; bagi pipeline yang diminta mengeluarkan ulang seluruh dokumen bertanda, atau menalar di seluruh kumpulan kerja lalu menuliskan hasilnya secara panjang, itu adalah perbedaan antara satu panggilan dan skema chunking yang sekarang harus Anda bangun dan debug.

Selisih harga justru mengarah ke sisi sebaliknya. Tarif input Qwen4-Max 25% lebih rendah dan tarif outputnya kurang dari setengah, sehingga pekerjaan ekstraksi-dan-klasifikasi atas korpus besar — banyak masuk, sedikit keluar — menjadi jauh lebih murah pada Qwen4-Max per tugas yang selesai maupun pada meteran. Baca kedua paragraf itu bersamaan, maka pembagiannya menjadi jelas: jawaban pendek atas korpus besar menguntungkan Qwen4-Max, jawaban panjang atas korpus yang sama menguntungkan batas maksimum keluaran model K​imi.

A screenshot of the Artificial Analysis page for Kimi K3.1 Pro, marked open weights and released October 2026, showing the Intelligence Index score of 46 against a median of 23, 113M tokens generated on the run, $2.00 input and $10.00 output per million tokens, $3.68 per task, 38.4 minutes per task against a median of 13.6, text and image input, a 1M-token context and downloadable weights on Hugging Face.

Beban kerja tiga: yang satu itu saat Anda membutuhkan beban.

Tidak ada dalam baris-baris di atas yang mencakup perbedaan terbesar antara kedua model ini, karena perbedaan itu bukan angka. Kimi K3.1 Pro dapat diunduh. Qwen4-Max tidak bisa — dokumentasinya menandai fine-tuning dan deployment model sebagai tidak didukung, dan postingan peluncuran A​libaba hanya menjanjikan bahwa tier Qwen4 yang lebih kecil "akan hadir sebagai open source", yang merupakan pernyataan tentang keluarga model tersebut, bukan tentang model ini.

Itu penting dalam tiga situasi spesifik dan tidak relevan dalam situasi lainnya. Itu penting jika Anda perlu melakukan fine-tuning pada data Anda sendiri, karena Qwen4-Max sama sekali tidak menawarkan jalur untuk itu. Itu penting jika postur kepatuhan Anda mengharuskan bobot model berada di dalam perimeter Anda sendiri, bukan di balik API pihak lain. Dan itu penting jika Anda memodelkan biaya selama bertahun-tahun, bukan berbulan-bulan: checkpoint kelas 3T yang dapat diunduh adalah belanja modal dengan kurva biaya marginal yang Anda kendalikan, sedangkan model unggulan yang disewa adalah kartu tarif yang dapat berubah. Mixture-of-experts dengan 3 triliun parameter bukanlah sesuatu yang dapat dijalankan sebagian besar tim di internal — ia membutuhkan rak server, bukan workstation — tetapi "mahal untuk dijalankan sendiri" dan "tidak mungkin untuk dijalankan sendiri" adalah jawaban yang berbeda untuk pertanyaan pengadaan, dan hanya salah satu jawaban itu yang bisa menutup pertanyaan tersebut.

Lisensi ini layak mendapat satu kalimat presisi, karena "open weights" memikul banyak beban dalam sebagian besar pemberitaan: Kimi K3.1 Pro dirilis di bawah lisensi khusus Kimi K3.1-Pro License, bukan teks Modified MIT yang dibawa K3, dan pemberian haknya bersifat permisif dalam pengertian biasa — menggunakan, memodifikasi, melakukan fine-tuning, mendistribusikan ulang, menjual — dengan dua syarat tambahan. Jika Anda menjalankan bisnis model-as-a-service dan pendapatan agregat Anda melampaui $20 juta selama dua belas bulan berturut-turut mana pun, Anda memerlukan perjanjian terpisah dengan M​oonshot sebelum menggunakan bobot tersebut secara komersial. Dan jika produk yang dibangun di atasnya melampaui 100 juta pengguna aktif bulanan atau $20 juta pendapatan bulanan, "Kimi K3.1-Pro" harus ditampilkan secara menonjol di antarmukanya. Penggunaan internal, dan penggunaan melalui produk M​oonshot sendiri atau mitra inferensi bersertifikat, berada di luar kedua klausul tersebut. Jika Anda berencana membangun produk di atas bobot tersebut, bacalah lisensinya, bukan ringkasannya.

Menempatkan pasangan pada satu tombol

Di sini perbandingannya berhenti bersifat simetris dengan cara yang perlu disampaikan secara terus terang. OrcaRouter merutekan kimi/kimi-k3.1-pro hari ini, pada endpoint yang kompatibel dengan OpenAI yang sama seperti lebih dari 200 pengenal model lainnya, dengan markup 0% — harga daftar penyedia diteruskan apa adanya, jadi $2,00 dan $10,00 di atas adalah yang Anda bayarkan, bukan yang ditagih vendor sebelum margin seseorang. OrcaRouter tidak merutekan Qwen4-Max, dan halaman ini tidak akan menyarankan sebaliknya: untuk mencapai model tersebut berarti harus melalui enam region milik Alibaba sendiri atau platform pihak ketiga yang menjualnya kembali.

Yang sebenarnya menjadi kegunaan asimetri itu adalah pengujian yang telah dijelaskan artikel ini. Pemisahan per beban kerja di atas adalah hipotesis tentang trafik Anda, bukan fakta tentang trafik Anda, dan cara murah untuk membantahnya adalah menjalankan prompt yang sama melalui Kimi K3.1 Pro dan tier Q​wen 3.8 pada satu endpoint, dengan failover otomatis yang menutupi gangguan penyedia yang jika tidak akan merusak jalannya benchmark. Jika model K​imi menang pada beban kerja Anda dengan selisih lebih dari 41 sen per tugas, argumen bobot menjadi lebih mudah dibenarkan. Jika tidak, Anda telah menyelamatkan diri dari percakapan pengadaan tentang satu rak.

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, the byline MoonshotAI with the date 2026-10-24, a description noting a 1,048,576-token context and up to 943,718 output tokens with text, image and video input, a 1M-token context badge, 943k maximum output, pricing of $2.00 input and $10.00 output per million, and a note that zero data retention is available.

Aturan keputusan

Tiga poin indeks dan biaya 41 sen per tugas tidak memisahkan model-model ini. Hal-hal yang memisahkannya bersifat biner, dan layak diperiksa dalam urutan ini.

• Jika Anda perlu menulis kembali seluruh dokumen dalam satu panggilan — batas output ~943,000 token Kimi K3.1 Pro dibandingkan anggaran bersama 262,144 Qwen4-Max adalah perbedaan kategori, bukan perbedaan persentase

• Jika Anda perlu melakukan fine-tuning, self-host, atau menyimpan bobot — Qwen4-Max tidak bisa dipakai, karena tidak ada bobot yang bisa disimpan

• Jika eksekusi Anda dibatasi oleh waktu aktual — tidak ada yang cocok; keduanya dua hingga tiga kali lebih lambat daripada model median pada board yang sama, dan K​imi adalah yang lebih lambat di antara keduanya

• Jika tidak ada dari itu yang berlaku — pilih yang lebih murah per tugas yang diselesaikan, yang berdasarkan angka hari ini adalah Qwen4-Max pada $3.27 dibandingkan $3.68, lalu periksa ulang dalam sebulan, karena kedua vendor sudah mengubah harga mereka sekali pada kuartal ini

Ringkasan jujurnya adalah bahwa M​oonshot merilis model dengan skor lebih baik dan A​libaba merilis model dengan harga lebih baik, bahwa selisih di masing-masing arah itu kecil, dan bahwa satu-satunya pilihan di sini yang berdampak jangka panjang adalah pilihan yang tidak pernah dimasukkan orang ke tabel perbandingan: apakah Anda menyewa atau memiliki. Selebihnya hanyalah empat puluh satu sen dan kesalahan pembulatan pada sebuah revisi.

Dibandingkan dalam artikel ini2

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari