GPT-6.1 Sol vs Kimi K3.1 Pro: stessi $2/$10, tre punti indice e un divario di 2,9x nel costo di un task

Kimi K3.1 Pro e GPT-6.1 Sol hanno lo stesso prezzo, che è la cosa meno interessante che li riguarda. Moonshot ha rilasciato K3.1 Pro il 23 ottobre 2026 a 2,00 $ per milione di token di input e 10,00 $ per milione di output; OpenAI ha rilasciato Sol il 29 settembre alla stessa identica coppia di prezzi. Su Artificial Analysis, K3.1 Pro ottiene 55 punti ed è quarto su 221 modelli; Sol ottiene 52. Tra i modelli ci sono tre punti di differenza in capacità e quasi il triplo di differenza nel costo per completare un'attività — 2,11 $ per K3.1 Pro contro 0,72 $ per Sol. È quell'inversione, non il prezzo, a determinare la decisione.

Le misurazioni seguenti provengono da Artificial Analysis, che esegue entrambi i modelli con una configurazione pubblicata e tiene conto dei token consumati da ciascuno, e dalla documentazione e dalle dichiarazioni di lancio dei due fornitori, consultate il 27 ottobre 2026. I dati dei fornitori sono etichettati come tali. La distinzione qui conta più del solito, perché le due aziende stanno facendo scommesse opposte su come un modello dovrebbe impiegare i token.

Il prezzo è lo stesso. La fattura no.

Il prezzo per token è una tariffa unitaria, e una tariffa unitaria diventa una fattura solo quando la moltiplichi per il consumo. I due modelli consumano in modo molto diverso. La contabilità del costo per attività di Artificial Analysis colloca K3.1 Pro a 2,11 $ per completare un'attività dell'Intelligence Index e Sol a 0,72 $ — una differenza di 2,9 volte a parità di tariffe nominali. La causa è il volume di output. K3.1 Pro è un modello che ragiona sempre ed emette molti più token per risposta, e l'output è la metà costosa della tabella prezzi, a 10,00 $ per milione.

Il materiale di rilascio di Moonshot stesso riconosce questa dinamica. Il modello è una versione post-addestrata di Kimi K3 con un compute di reinforcement learning fortemente ampliato, e l'azienda descrive i guadagni come derivanti da un ragionamento più lungo e più accurato, anziché da una base più grande. Un ragionamento più lungo è esattamente ciò che produce più token in output. Il guadagno di capacità e l'aumento dei costi sono lo stesso fatto misurato in due modi.

• Ingresso / uscita — 2,00 $ / 10,00 $ per milione su entrambi i modelli.

• Input in cache — Kimi K3.1 Pro 0,20 $ con uno sconto del 90%; GPT-6.1 Sol 0,10 $ al 95%.

Costo per attività di indicizzazione: 2,11 $ rispetto a 0,72 $ su Artificial Analysis v4.3.2.

• Indice indipendente — 55 contro 52; K3.1 Pro si classifica quarto su 221, Sol subito dietro.

• Velocità di output — 47,9 token al secondo contro 69,2, entrambe misurazioni di Artificial Analysis.

• Contesto e limite di output — 1.048.576 di input per K3.1 Pro; 1.050.000 di input e 128.000 di output per Sol.

• Architettura — 2,8 trilioni di parametri totali con 104 miliardi attivi per K3.1 Pro; OpenAI non pubblica il numero di parametri di Sol.

• Pesi — K3.1 Pro è oggi proprietario, con Moonshot che promette pesi aperti entro il 4 novembre; Sol è proprietario senza alcuna apertura annunciata.

Cosa si compra con tre punti indice

Un divario di tre punti su un punteggio composito è significativo ma non decisivo, e i punteggi delle componenti sono il luogo in cui risiede la forma della differenza. Artificial Analysis colloca K3.1 Pro a 67 su Terminal-Bench 4.0, il punteggio più alto tra tutti i modelli che ha misurato, contro 56,1 di Sol. Su GDPval-AA, una valutazione del lavoro professionale, K3.1 Pro si attesta a 1.846 Elo, terzo in classifica generale e 312 punti sopra il suo stesso predecessore. Su AutomationBench-AA è migliorato dal 58% al 73%. Su Humanity's Last Exam è passato dal 47% al 52%. Il tasso di allucinazione su AA-Omniscience è sceso dal 53% al 44%.

Quelli sono i numeri indipendenti più solidi di cui disponga uno dei due modelli. Il profilo indipendente di Sol è più piatto: un composito di 52 senza alcuna singola valutazione in cui sia in testa, e un costo per attività che è il migliore nella sua fascia di prezzo. La lettura onesta è che K3.1 Pro è il modello più capace su diverse valutazioni agentiche e di lavoro professionale, e Sol è quello più efficiente. Nessuna delle due affermazioni è un verdetto, perché la capacità si converte in valore solo al volume con cui si opera.

Le affermazioni di lancio di Moonshot stesso vanno oltre quelle del comitato indipendente e vanno lette come affermazioni. L'azienda ha riportato i punteggi più alti su sei dei quattordici test eseguiti, tra cui SWE Marathon a 51,7 e HLE-with-tools a 70,0. Il dato di Terminal-Bench 4.0 è 65,7%, leggermente inferiore al 67% misurato da Artificial Analysis — un caso raro in cui il numero del fornitore è quello prudente, cosa che vale la pena notare proprio perché insolita. Il punto debole è Terminal-Bench Science 0.1 a 38,1, contro 68,1 di GPT-6 Astra. K3.1 Pro non è il modello per il ragionamento scientifico difficile, e Moonshot non sostiene che lo sia.

Il disegno di legge su velocità e verbosità

Artificial Analysis misura K3.1 Pro a 47,9 token di output al secondo e lo definisce decisamente lento; Sol gira a 69,2. Combinato con la differenza nel volume di output, ciò significa che un lungo ciclo dell'agente su K3.1 Pro richiede sia più tempo reale sia più denaro per passo. Per la programmazione interattiva, dove uno sviluppatore attende a ogni turno, la differenza di latenza è quella di cui gli utenti si lamenteranno per primi. Per la valutazione in batch, dove nulla resta in attesa, conta solo il costo.

Esiste un livello più veloce. Moonshot vende una variante Highspeed a 4,00 $ per l'input e 20,00 $ per l'output, con il prezzo per gli hit in cache invariato, il che raddoppia la velocità in token e raddoppia il prezzo. È lo stesso compromesso che Sol offre con la sua modalità Fast a 2x. In entrambi i casi il livello veloce è pensato per carichi sensibili alla latenza, non per i volumi, e l'aritmetica raramente lo favorisce per i job batch.

4 novembre, e cosa cambiano davvero i pesi aperti

Moonshot afferma che i pesi completi saranno pubblicati entro il 4 novembre 2026. Se ciò accadrà, K3.1 Pro diventerebbe il modello a pesi aperti con il punteggio più alto sull'indice Artificial Analysis, riducendo il divario tra i migliori modelli aperti e i migliori modelli proprietari da circa dodici punti a tre. È un evento autentico per chiunque debba ospitare autonomamente, eseguire il fine-tuning o l'inferenza all'interno di un perimetro di conformità.

Non è un evento per la maggior parte di chi chiama le API. I pesi aperti cambiano chi può eseguire il modello e a quali condizioni; non cambiano il prezzo del servizio hosted, la velocità o le capacità. Un team che chiama un’API e non ha vincoli di residenza dei dati non ottiene nulla dal rilascio dei pesi, se non una seconda opzione di approvvigionamento e, alla fine, più fornitori che competono sullo stesso checkpoint. Questa concorrenza è reale e di solito si manifesta come pressione sui prezzi, ma è un effetto che dura mesi, non un effetto di novembre.

Nel comunicato di Moonshot c'è una seconda avvertenza, più specifica. L'azienda afferma di aver rimosso deliberatamente i dati di addestramento relativi a cyber ed exploit per evitare di estendere la frontiera aperta delle capacità cyber offensive, e che di conseguenza un checkpoint che aveva ottenuto il 90,5% su xdev-bench-hard è stato ridotto all'81%. È una decisione di sicurezza con un costo misurabile in termini di capacità, divulgata dal fornitore. Se il tuo lavoro riguarda strumenti di sicurezza, è la frase più importante del materiale di lancio — più importante del punteggio dell'indice.

Tre carichi di lavoro, tre risposte

• Codifica batch ad alto volume, nessun requisito di latenza — GPT-6.1 Sol. A $0,72 per attività di indicizzazione contro $2,11, il divario di efficienza domina una differenza di capacità di tre punti, a meno che il tuo compito non sia specificamente uno in cui i punteggi agentici di K3.1 Pro si traducono in un minor numero di tentativi. Misura il tasso di tentativi prima di dare per scontato che sia così.

• Lavoro agentico a lungo orizzonte in cui una risposta sbagliata costa cara — Kimi K3.1 Pro. Il primato in Terminal-Bench 4.0 e il posizionamento in GDPval-AA sono la cosa più vicina a una prova di competenza multi-step sostenuta che ciascuno dei due modelli abbia, e il sovrapprezzo per attività è contenuto rispetto al costo di una traiettoria fallita.

• Programmazione interattiva in cui un umano attende — GPT-6.1 Sol, sulla velocità. 69,2 token al secondo contro 47,9 è una differenza visibile in un editor, e il vantaggio sui costi è un bonus più che il motivo.

• Ragionamento scientifico o matematico — nessuno dei due, alla frontiera. Il 38,1 di K3.1 Pro su Terminal-Bench Science 0.1 è una debolezza documentata, e il 57,0 di Sol sulla stessa suite è rispettabile ma ben al di sotto del 68,1 che OpenAI riporta per GPT-6 Astra. Questo è l'unico carico di lavoro in cui il livello superiore a entrambi i modelli è la risposta corretta.

Eseguire entrambi costa meno che scegliere male

Entrambi i modelli sono su OrcaRouter su una sola chiave a 0% di ricarico rispetto al prezzo di listino di ciascun provider, con Sol a $2.00 e $10.00 e K3.1 Pro alla stessa coppia, input in cache passato a $0.10 e $0.20 rispettivamente. Questo rende la decisione reversibile: un carico di lavoro può essere sottoposto a benchmark rispetto a entrambi sullo stesso traffico tracciato, e il perdente rimosso con una modifica al routing anziché con una negoziazione contrattuale.

La fusione di modelli è l'unica funzionalità che si guadagna il suo posto su questa specifica coppia anziché come innesto generico. I due modelli falliscono in direzioni diverse — Sol è conciso e veloce, K3.1 Pro è ponderato e più forte su lunghe traiettorie agentiche — quindi un pannello che interpella entrambi e riconcilia le loro risposte è un design ragionevole per decisioni ad alto rischio in cui la differenza di costo di 2,9 volte è irrilevante rispetto al costo di sbagliare. Per tutto il resto, l'instradamento in base al carico di lavoro è lo schema più economico: K3.1 Pro per il percorso agentico, Sol per il percorso ad alto volume, un unico endpoint per entrambi.

La classifica che non è l'indice

Se la domanda è quale modello sia migliore, K3.1 Pro vince per tre punti ed è in testa nelle valutazioni agentiche che contano per il lavoro di lunga durata. Se la domanda è quale modello schierare dietro un percorso di produzione ad alto volume questo mese, Sol vince sul costo per attività completata di un fattore 2,9 e sulla velocità di un fattore 1,4, e il divario di capacità di tre punti non colma nessuno dei due vantaggi.

L'unica data che vale la pena segnare in agenda è il 4 novembre. Se i pesi arriveranno, K3.1 Pro diventerà il modello open-weight di riferimento e il calcolo per i team self-hosted cambierà. Se slitteranno — e Moonshot ha dato una data, il che è più di quanto facciano molti — allora il calcolo resta esattamente dov'è oggi: lo stesso prezzo di listino, una fattura diversa e una scelta che andrebbe fatta sul costo misurato per attività piuttosto che sul numero nella colonna del prezzo.