GPT-6.1 Sol vs Kimi K4: il modello nel titolo non è mai stato annunciato

Kimi K4 non è semplicemente un modello non annunciato. È un nome che non ha proprio alcun modello alle spalle. Moonshot AI non ha mai pubblicato una scheda modello di K4, un repository di K4, un identificatore API di K4 o una riga di prezzo di K4, e il suo stesso indice di ricerca si ferma a Kimi K3. Artificial Analysis non ha una pagina su K4. Il nome è entrato in circolazione attraverso un banner interno trapelato a luglio, e tutto ciò che è seguito è stato un'estrapolazione da Kimi K3, che è un modello reale e piuttosto buono. GPT-6.1 Sol, al contrario, è disponibile al pubblico sull'API OpenAI dal 29 settembre 2026 a 2,00 $ per milione di token di input e 10,00 $ per milione di token di output. Quindi il confronto che si può scrivere onestamente è Sol contro il modello Kimi che esiste — Kimi K3.1 Pro — con una spiegazione di ciò che K4 dovrebbe essere perché abbia senso aspettare.

Un nome senza alcun modello alle spalle

Vale la pena ricostruire il percorso delle prove, perché il volume di contenuti K4 online è enormemente sproporzionato rispetto alle prove.

• Luglio 2026 — un banner interno di celebrazione trapelato da Moonshot contiene la frase "spingere K4 fino al limite assoluto". È da qui che deriva il nome.

• 29 luglio 2026 — The Information riporta che Moonshot sta cercando capacità aggiuntiva Nvidia di classe Blackwell per addestrare un modello più grande di K3. Il rapporto non indica alcun modello, alcun numero di parametri e alcuna data. Si tratta di una notizia sull'approvvigionamento di chip.

• 16 luglio 2026 — Kimi K3 arriva: 2,8 trilioni di parametri totali, 104 miliardi attivi, un mixture-of-experts sparso con 896 esperti instradati e 16 attivi, una finestra di contesto di 1.048.576 token e un encoder visivo. I pesi sono stati pubblicati alla fine di luglio.

• 11 ottobre 2026 — testate in lingua cinese riportano un modello da 5–6 trilioni di parametri in addestramento, "probabilmente" K4, senza citare alcuna fonte nominata.

• 15 ottobre 2026 — un'affermazione non confermata secondo cui un modello di punta dal nome in codice "x4" ha completato il pre-training ed è nella fase medio-tarda del post-training.

• 23 ottobre 2026 — Moonshot rilascia invece Kimi K3.1 Pro.

Ogni cifra di benchmark, lunghezza del contesto e prezzo di K4 che hai visto è aritmetica eseguita sui numeri di K3. I mercati di previsione attribuiscono a K4 circa il 6% di probabilità di essere rilasciato entro il 31 dicembre 2026 e circa il 17% entro il 31 marzo 2027. C'è anche un contesto irrisolto che vale la pena conoscere: accuse secondo cui Moonshot avrebbe ottenuto l'accesso alle GB300 tramite la Thailandia e avrebbe fatto distillazione dai modelli di Anthropic, con una minaccia di azione della Commerce Entity List. Questo è contesto, non una specifica di K4, ma è il tipo di cosa che sposta una data di lancio.

Il modello Kimi che puoi davvero confrontare

Kimi K3.1 Pro è stato rilasciato il 23 ottobre 2026 ed è elencato nel nostro catalogo il 24 ottobre come kimi/kimi-k3.1-pro. Costa $2.00 per milione di token di input e $10.00 per milione di output — esattamente la tariffa di punta di GPT-6.1 Sol — con input in cache a $0.20 invece che a $0.10 di Sol. Ha una finestra di contesto di 1,048,576 token e, cosa insolita, un output massimo di 943,718 token. Quel tetto di output non è un refuso ed è il numero più interessante in assoluto di questo confronto.

Ecco la coppia su Artificial Analysis Intelligence Index v5.0.1, entrambi con il massimo livello di sforzo pubblicato.

• Intelligence Index v5.0.1 — Sol 55 contro K3.1 Pro 46, un divario di nove punti

• Costo per attività di indicizzazione completata — Sol $1,27 vs K3.1 Pro $3,68

• Token di output nell'esecuzione dell'indice — Sol 63,7 milioni contro K3.1 Pro 113 milioni

• Velocità di output — Sol 56 token/sec rispetto a K3.1 Pro 33 token/sec

• Finestra contestuale — Sol 1.050.000 vs K3.1 Pro 1.048.576, praticamente identiche

• Output massimo in una singola risposta — Sol 128.000 vs K3.1 Pro 943.718

• Prezzo di input / output per 1M — $2.00 / $10.00 su entrambi

• Input in cache per 1M — Sol $0,10 vs K3.1 Pro $0,20

• Controllo del ragionamento — Sol mantiene il ragionamento sempre attivo, da basso a massimo con un valore predefinito medio e nessuna possibilità di disattivarlo; K3.1 Pro prevede per impostazione predefinita il pensiero attivo con un livello di impegno selezionabile tra nessuno, basso, alto o massimo

• Modalità di input — Sol accetta testo, immagini e file; K3.1 Pro accetta testo, immagini e video

• Pesi — Sol chiuso; il checkpoint di K3.1 Pro è stato pubblicato il 2 novembre 2026

L'identica tariffa pubblicizzata è un buon promemoria del fatto che il prezzo di listino non è il costo. K3.1 Pro ha consumato 1,8 volte i token di output di Sol per completare lo stesso indice ed è costato 2,9 volte tanto per attività. È anche il più lento dei due, con un ampio margine, a 33 token al secondo, il che conta più del solito perché si tratta di generazione in stato stazionario su un modello che pensa prima di scrivere.

Dove K3.1 Pro è l'unica scelta

Un numero merita una sezione a sé. Un output massimo di 943,718 token è circa sette volte i 128,000 di GPT-6.1 Sol. Se il tuo lavoro consiste nel leggere un lungo corpus e produrre in una singola chiamata un lungo artefatto strutturato — una migrazione completa di un codebase, una revisione normativa, un'attività di normalizzazione lunga quanto un libro — Sol troncherà a 128K e K3.1 Pro no. Non è una differenza di benchmark che puoi compensare con i livelli di effort; è un tetto invalicabile da un lato.

Il costo di usarlo è reale. A $10.00 per milione di token di output, riempire anche solo metà di quel limite massimo costa circa $4.70 per il solo output, prima di qualsiasi token di ragionamento. Ma per una classe di job batch l'alternativa non è un modello più economico, bensì una pipeline di chunking con le proprie modalità di errore. Se questo è il tuo carico di lavoro, K3.1 Pro non è un compromesso; è il modello adatto.

La ragione per aspettare sugli open-weights è già stata soddisfatta

Messa da parte la speculazione, c’è esattamente una cosa strutturale che un K4 potrebbe offrire e che GPT-6.1 Sol non può: un checkpoint scaricabile. È il motivo per cui le persone seguono Moonshot, ed è il motivo per cui questo confronto ha una terza opzione reale che il titolo trascura. I pesi di Kimi K3.1 Pro sono stati pubblicati il 2 novembre 2026 con una licenza personalizzata. Tre giorni fa, non in una qualche futura release di K4.

Il repository è un checkpoint da 2,78 trilioni di parametri. A precisione a 8 bit si tratta di circa 2,7 terabyte di pesi prima di qualsiasi cache KV o overhead di serving, e gli artefatti k-quantizzati nel repository sono dello stesso ordine di grandezza. Si tratta di un deployment multi-nodo con un'interconnessione seria, non di un download per singola GPU. Il conteggio dei parametri attivi — 104 miliardi su Kimi K3 — è ciò che determina la velocità di esecuzione una volta pagato il costo della memoria, ed è per questo che un modello di queste dimensioni può essere servito a una velocità utilizzabile sul cluster giusto e per nulla su quello sbagliato.

Dunque lo scambio è esplicito. I pesi aperti eliminano una dipendenza dal fornitore e la sostituiscono con una spesa in conto capitale e un team operativo. A 2,00 $ per milione di token in input e 10,00 $ per milione in output, il prezzo ospitato di Kimi K3.1 Pro è abbastanza basso che l'auto-hosting difficilmente vincerà sul solo compute; ciò su cui vince è la residenza dei dati, il deployment air-gapped e la possibilità di fare fine-tuning sul traffico che non puoi inviare a nessuno. Se questi sono requisiti, oggi sono soddisfatti da K3.1 Pro. Se non lo sono, i pesi aperti sono una bella proprietà che non userai mai.

Ciò che K4 aggiungerebbe in più, sulla base delle prove disponibili, è un maggior numero di parametri e un punteggio migliore. È un motivo per aggiornare un modello. Non è un motivo per rinviare una distribuzione, e certamente non è l'unico modo per ottenere pesi che puoi tenere.

Dove si collocano i due modelli reali per la maggior parte dei team

Per gli agenti che chiamano strumenti, il QA sui documenti e i flussi di supporto, GPT-6.1 Sol è la scelta predefinita migliore su ogni asse misurato tranne la lunghezza dell’output: punteggio dell’indice più alto, costo per attività completata più basso, generazione più veloce del 70%, letture della cache più economiche. È in produzione da abbastanza tempo da avere un profilo di telemetria reale — secondo i nostri dati su sette giorni, un tempo mediano al primo token di 937 ms, un tasso di errore del 5,7% e 39,5 token al secondo di output, su 382 milioni di token di traffico.

Per il lavoro in batch con output lunghi, Kimi K3.1 Pro è il modello a cui rivolgersi, e il tetto di 943K è il motivo. Per i team che hanno bisogno di possedere i pesi, Kimi K3.1 Pro è la risposta oggi: il checkpoint esiste, è scaricabile ed è vecchio di tre giorni. Questo è l'intero contenuto pratico della domanda K4, a cui ha risposto un modello rilasciato in ottobre.

Il punto di routing qui non è decorativo. Questi due modelli hanno lo stesso prezzo di listino e profili opposti: uno è veloce, economico per attività e limitato a 128K di output; l'altro è lento, costoso per attività e di fatto senza limite. È un classico split per singola richiesta, non un aut aut. Entrambi stanno dietro un'unica chiave al prezzo di listino del provider, senza ricarichi, così una regola di routing può inviare i job batch con output lungo a K3.1 Pro e il loop interattivo dell'agente a Sol senza un secondo contratto, oppure fonderli dove una singola risposta trae vantaggio da entrambi. È questo layer che ti consente di rinviare una decisione su K4 senza rinviare il lavoro.

Quindi la risposta a «GPT-6.1 Sol o Kimi K4» è che uno dei due è una decisione e l'altro è una voce con un conteggio di parametri attaccato. Se K4 uscirà nel 2027 con pesi aperti e un punteggio superiore a 46, varrà la pena di dargli un'occhiata seria, e il modo per essere pronti è avere uno stack in cui cambiare modello sia una modifica di routing. Aspettare non è una strategia; esserlo in grado di adottarlo in un pomeriggio lo è.