Pratinjau Step 5 vs Kimi K3.1 Pro: Kedua Model Dinilai Ulang Minggu Lalu. Inilah yang Bertahan

Jika Anda mencari Step 5 Preview dan Kimi K3.1 Pro seminggu yang lalu, Anda akan mendapatkan dua angka: 44 dan 55. Keduanya sudah tidak berlaku. Pada 27 dan 28 Oktober 2026, Artificial Analysis mengganti Intelligence Index miliknya dengan versi 5, yang mengambil 60% skornya dari set pengujian privat atau set pengujian yang disisihkan, dan skor model yang sama berdasarkan rubrik lama dan rubrik baru bukanlah pengukuran yang sama. Step 5 Preview tercatat 29 pada v5. Kimi K3.1 Pro tercatat 46. Selisih sembilan poin di antara keduanya kini menjadi perbandingan yang dapat Anda lakukan secara jujur, dan itu adalah selisih yang berbeda dari selisih yang menjadi dasar penulisan liputan peluncuran.

Berikut adalah perbandingan itu, ditambah bagian yang tidak pernah dimasukkan orang ke dalam tabel perbandingan: kedua model berada di sisi berlawanan dari pertanyaan bobot yang akan terjawab pada 4 November, dan hanya satu dari mereka yang dapat dipanggil melalui OrcaRouter hari ini.

Dua angka yang dikutip semua orang sekarang keduanya salah

Kimi K3.1 Pro diluncurkan pada 23 Oktober 2026 dengan skor Intelligence Index 55 dan debut di posisi keempat, sebelas poin di atas Kimi K3. Empat hari kemudian, skornya tercatat 46. Tidak ada yang berubah pada modelnya; yang berubah adalah alat ukurnya. Artificial Analysis menyusun ulang komposit menjadi sembilan evaluasi dalam empat kategori — Knowledge Work, Coding, Science, dan General — dan menghapus tiga evaluasi lama, termasuk GDPval-AA v2.1, SciCode, dan AA-LCR v1.1. Mereka menambahkan FrontierCode 2.0, kumpulan 132 tugas coding privat yang dinilai berdasarkan apakah sebuah patch layak digabungkan, dan Terminal-Bench-Science.

Step 5 Preview mengalami pukulan yang sama, bahkan lebih keras. Angkanya tercatat 29 di bawah v5.0, dibandingkan 44 pada indeks sebelumnya, dan ia kehilangan lebih banyak bukti pendukung dibanding Kimi, karena materi peluncuran StepFun bertumpu tepat pada evaluasi yang dihapus. Skor 88,3 pada AA-LCR dan 58,9 pada SciCode yang muncul di sebagian besar liputan tentang model ini kini merupakan skor dari benchmark yang tidak lagi berkontribusi pada indeks utama. Mereka masih pengukuran yang benar atas sesuatu. Mereka bukan lagi hal yang diukur oleh indeks tersebut.

Konsekuensi peringkatnya layak dinyatakan secara gamblang: di bawah v5, model open-weights atau yang dijanjikan open-weights pada angka 46 tertinggal 12 poin dari pemimpin pada 58, sedangkan di bawah v4 selisihnya pernah 3. Itu adalah pernyataan tentang rubrik, bukan tentang keruntuhan kapabilitas yang tiba-tiba, dan artikel mana pun yang menyajikannya sebagai yang terakhir keliru membaca sumbernya sendiri.

Baris spesifikasi, satu dimensi pada satu waktu

• Total dan parameter aktif — Step 5 Preview: total 600B, 27B aktif per token, 8 dari 352 expert ditambah satu expert bersama. Kimi K3.1 Pro: total 2,8T, 104B aktif.

• Jenis rilis seperti apa — Step 5 Preview: produk unggulan baru yang dirilis dalam bentuk pratinjau, dengan bobot menyusul. Kimi K3.1 Pro: versi pasca-pelatihan dari Kimi K3 dengan komputasi pasca-pelatihan yang lebih besar, termasuk pembelajaran penguatan bersama di ratusan domain — bukan arsitektur baru.

• Jendela konteks — Pratinjau Langkah 5: 1 juta token. Kimi K3.1 Pro: 1.048.576 token.

• Modalitas masukan — Step 5 Preview: teks, gambar, dan video. Kimi K3.1 Pro: teks dan gambar.

• Harga input per juta token — Step 5 Preview: $1,00. Kimi K3.1 Pro: $2,00, seragam di seluruh jendela konteks tanpa biaya tambahan untuk konteks panjang.

• Harga keluaran per juta token — Step 5 Preview: $2,70. Kimi K3.1 Pro: $10,00.

• Input yang di-cache — Pratinjau Langkah 5: diskon 90% untuk tarif input. Kimi K3.1 Pro: $0.20 per juta untuk membaca, dengan penulisan cache sebesar $2.00 pada TTL lima menit dan $4.00 pada TTL satu jam.

• Bobot — Step 5 Preview: diterbitkan 15 Oktober 2026, BF16 dan FP8, berdasarkan StepFun Model License 1.0. Kimi K3.1 Pro: belum diterbitkan; Moonshot menyatakan bobot diperkirakan tersedia pada 4 November 2026.

• Skor independen berdasarkan Intelligence Index v5.0 — Pratinjau Langkah 5: 29. Kimi K3.1 Pro: 46.

Biaya per tugas yang diselesaikan, dengan catatan yang disertakan.

Artificial Analysis melaporkan $2,35 per tugas Intelligence Index untuk Step 5 Preview dan $1,98 untuk Kimi K3.1 Pro. Itu tampak seperti keunggulan kecil bagi Kimi, dan perlu dipahami mengapa hal itu tidak serta-merta merupakan keunggulan.

Kedua angka tersebut tidak dihasilkan pada set tugas yang sama, karena set tugas dibangun ulang di antara dua pengukuran. Keduanya adalah "biaya per tugas indeks" di bawah komposit mana pun yang berlaku saat angka itu diambil, sehingga perbandingannya paling banter hanya bersifat arah. Yang tidak ambigu adalah mekanismenya: Kimi K3.1 Pro bertele-tele, menghabiskan sekitar 55,000 token output per tugas dan 150 juta sepanjang satu run penuh terhadap median 87 juta, dan pada $10 per juta output, kebanyakan bicara itu mahal. Angka $1.98-nya merupakan konsekuensi dari selesai dalam langkah yang dapat ditagih lebih sedikit, bukan karena token yang lebih murah.

Step 5 Preview adalah token yang lebih murah dengan faktor 3,7 pada output dan 2 pada input, serta model yang lebih cepat dengan selisih besar berdasarkan pengukuran yang tersedia: 179,1 token output per detik pada API StepFun dibandingkan median kelas 74,1, dengan Kimi K3.1 Pro terukur sekitar 73. Jika beban kerja Anda sensitif terhadap latensi dan berat pada output, urutan tersebut sejalan dengan urutan harga dan keputusannya mudah. Jika beban kerja Anda adalah jenis di mana perbedaan kualitas jawaban sebesar 17 poin indeks lebih penting daripada waktu hingga token pertama, angka-angka yang sama mengarah pada kesimpulan sebaliknya.

Bobot: satu sudah keluar, satu lagi janji dengan tanggal.

Inilah asimetri yang disembunyikan oleh tabel benchmark. Bobot Step 5 Preview telah dapat diunduh sejak 15 Oktober: checkpoint BF16 dan FP8 di Hugging Face dan ModelScope, resep vLLM dan SGLang pada hari yang sama, sebuah blog teknis yang menjelaskan tumpukan sempit-dalam 92 lapisan dan pola atensi GQA yang sparse. Checkpoint FP8 membutuhkan sekitar 773 GB VRAM dan setidaknya empat GPU, dengan B300 sebagai target default dan delapan H200 pada jalur Hopper. Lisensinya milik StepFun sendiri, bukan lisensi yang disetujui OSI: atribusi pada keluaran yang digunakan secara material, negosiasi terpisah untuk produsen perangkat keras, dan lisensi komersial untuk operator model-as-a-service dengan pendapatan tahunan di atas $20 juta.

Bobot Kimi K3.1 Pro belum ada pada hari peluncuran — Artificial Analysis masih mengklasifikasikan model itu sebagai proprietary pada 24 Oktober — dan tanggal yang diumumkan adalah 4 November 2026. Saat bobot tersebut dirilis, model Moonshot menjadi model yang dapat diunduh dengan skor tertinggi pada indeks v5, yang merupakan peristiwa sungguh signifikan bagi siapa pun yang menginginkan kemampuan mendekati frontier tanpa keterlibatan vendor.

Hingga 4 November, perbandingannya adalah antara model yang dapat Anda jalankan dan model yang hanya dapat Anda panggil. Itu bukan kerugian permanen bagi Kimi, tetapi itu adalah kerugian nyata minggu ini, dan itulah sebabnya keputusan yang dibuat hari ini mungkin bukan keputusan yang akan Anda buat dalam sembilan hari.

Di mana masing-masing dapat dipanggil saat ini

Salah satu dari dua model ini ada di OrcaRouter dan yang lainnya tidak. Kimi K3.1 Pro ada dalam katalog aktif sebagai kimi/kimi-k3.1-pro, bersama lima model Kimi lainnya. Step 5 Preview tidak: katalog tersebut memuat 214 ID model di 16 penyedia, dan tidak ada entri StepFun di dalamnya per 29 Oktober 2026. Jika Anda ingin Step 5 Preview hari ini, Anda memanggil API StepFun sendiri atau Anda menghosting checkpoint tersebut.

Asimetri itu adalah bagian yang berguna dari perbandingan ini untuk keputusan routing. Karena kami meneruskan harga daftar penyedia tanpa markup, kartu tarif Kimi yang Anda lihat di sini adalah kartu tarif Moonshot — $2.00 dan $10.00 — dan hal yang sama berlaku untuk potongan harga apa pun yang Moonshot lakukan nanti. Dan karena failover bersifat otomatis, versi praktis dari "Kimi adalah opsi murah yang terukur" adalah bahwa Anda dapat menempatkannya paling depan dalam sebuah rantai dan membiarkan platform melakukan fallback saat penyedia menurun kinerjanya, alih-alih menyandikan fallback ke dalam klien Anda dan memeliharanya.

Pertanyaan migrasi, jika Anda beralih

Tiga hal akan menyita waktu Anda, ke arah mana pun Anda bergerak.

Yang pertama adalah volume output. Profil biaya Kimi K3.1 Pro didominasi oleh seberapa banyak ia menulis, bukan oleh tarifnya. Prompt yang menghasilkan jawaban ringkas pada Step 5 Preview dapat menghasilkan tiga kali lipat token pada Kimi, dan tagihan Anda akan mengikuti token, bukan kartu tarif. Ukur token output per tugas pada beban kerja Anda sendiri sebelum Anda membandingkan kedua harga tersebut.

Yang kedua adalah ekonomi cache. Step 5 Preview memberi diskon 90% untuk input yang di-cache. Kimi K3.1 Pro mengenakan biaya $0.20 per juta untuk membaca cache tetapi juga mengenakan biaya untuk menulisnya — $2.00 pada TTL lima menit dan $4.00 pada TTL satu jam. Loop agen yang mengirim ulang prompt sistem yang panjang pada setiap langkah merupakan proposisi yang sangat berbeda pada kedua skema tersebut, dan kartu tarif yang tampak lebih murah tidak selalu menghasilkan loop yang lebih murah.

Yang ketiga adalah sensitivitas harness. Tabel Moonshot sendiri menempatkan Kimi K3.1 Pro pada 65,7% di Terminal-Bench 4.0, dibandingkan dengan 66,4% untuk Claude Opus 5.5 dan 58,2% untuk GPT-6 Astra; evaluator independen melaporkan 67% untuk model yang sama. Angka Terminal-Bench dapat bergeser hingga puluhan poin dengan scaffolding, sehingga selisih 1,7 poin antara hasil uji dua lab bukanlah pengukuran perbedaan kemampuan sebesar 1,7 poin. Anggap setiap baris lintas vendor dalam perbandingan ini sebagai klaim tentang arah.

Apa yang harus dilakukan minggu ini, secara konkret: jika beban kerja Anda adalah konteks panjang, berat keluaran, dan sensitif latensi, Step 5 Preview dengan $1.00 dan $2.70 adalah eksperimen yang lebih murah dan bobotnya membuatnya portabel. Jika pekerjaannya adalah pengodean agentik yang kualitas patch-nya merupakan seluruh produk, skor 46 Kimi K3.1 Pro pada v5 dan 67% pada Terminal-Bench 4.0 membuatnya menjadi pembelian yang lebih kuat, dan 4 November adalah tanggal yang mengubahnya dari sekadar opsi menjadi aset. Apa pun pilihannya, jangan membangun keputusan berdasarkan angka 44 dan 55. Angka-angka itu milik rubrik yang sudah tidak ada lagi.