GPT-6.1 Terra vs Kimi K3.1 Pro: sette punti indice per il doppio del prezzo

GPT-6.1 Terra e Kimi K3.1 Pro sono separati da due gradini sulla stessa classifica e da due fattori sul prezzo. Artificial Analysis colloca Kimi K3.1 Pro a 55 sul suo Intelligence Index — quarto in assoluto — e GPT-6.1 Terra a 48, venticinquesimo. Kimi costa $2 per milione di token in input e $10 per milione in output nel catalogo OrcaRouter; Terra costa $1 e $5. Il modello chiuso, più economico e più veloce è sette punti meno capace; lo sfidante a pesi aperti costa il doppio e, sull'automazione desktop, è 5,4 punti migliore. Nessuno di questi due fatti risolve la decisione d'acquisto.

Vale la pena fare il confronto con attenzione, perché i due modelli non sono sostituibili nel modo in cui il prezzo suggerisce. Differiscono per la lunghezza dell'output di un fattore sette, per la licenza aperta rispetto a quella chiusa e per la posizione che occupano nelle rispettive gamme dei fornitori. Questo articolo calcola il prezzo degli stessi carichi di lavoro su entrambi, indica quali cifre sono indipendenti e quali sono dichiarazioni dei fornitori, e si chiude con la ripartizione che useremmo effettivamente.

Le carte

• GPT-6.1 Terra — 1 $ per input / 5 $ per output ogni milione, 0,05 $ per input in cache, contesto di 1.050.000 token, input massimo 922.000, output massimo 128.000, conoscenze aggiornate al 1° giugno 2026, sei impostazioni di intensità del ragionamento, input testo e immagini, output testo.

• Kimi K3.1 Pro — 2 $ in input / 10 $ in output per milione su OrcaRouter, contesto di 1.048.576 token, output massimo di 943.718, pesi aperti promessi entro il 4 novembre 2026, rilasciato il 23 ottobre 2026.

Le finestre di contesto sono effettivamente identiche, circa un milione di token. I limiti massimi di output non lo sono: Terra si ferma a 128.000 token, Kimi consente 943.718. Per la chat questa differenza è invisibile; per la generazione di testi lunghi, l'output di codice di interi file o la summarizzazione su scala di trascrizioni, è la differenza tra una singola chiamata e una pipeline di chunking.

Perché sette punti indice sono tanti qui

Su una classifica che va all'incirca da 38 a 60, sette punti sono più che una differenza di arrotondamento: sono il divario tra il 25° e il 4° posto. GPT-6.1 Sol, il modello che OpenAI vende come fascia ad alte prestazioni, si trova a 52. Kimi K3.1 Pro a 55 è sopra. GPT-6 Astra, l'ammiraglia, è a 53. Quindi il modello open-weight di Moonshot non sta competendo con Terra; sul punteggio composito sta competendo con i due modelli di vertice di OpenAI e vince di due o tre punti.

Nelle dimensioni che contano per gli agenti, lo schema regge. Su OSWorld 2.1, Kimi K3.1 Pro ottiene il 79,6% contro il 74,2% di Terra — un divario di 5,4 punti, e superiore al 75,8% di GPT-6 Astra. Sul coding, i report di coverage descrivono Kimi come strettamente alle spalle di Claude Opus 5.5, che con 58 è il punteggio più alto in questo confronto. L'indice Coding Agent di Terra, 48, è sei punti sotto Sol e 29 sotto Astra; Kimi non è in quella zona.

Il contrappeso è che Terra non sta cercando di vincere quei confronti. Il posizionamento di OpenAI è lavoro circoscritto — moduli, screenshot, fatture, redazione — dove 48 è sufficiente e il punto è $0,40 per attività. Un divario di intelligenza di sette punti conta soprattutto sulle attività per cui Terra non è stata venduta.

Matematica del prezzo: quando vince il prezzo doppio?

Una richiesta standard con 100.000 token di input e 5.000 di output costa $0,125 su Terra e $0,25 su Kimi. Una richiesta con 400.000 token di input e 4.000 di output, sopra la soglia del contesto lungo, costa $0,83 su Terra e $1,66 su Kimi. Se entrambi i modelli risolvono un compito in un solo tentativo con lo stesso numero di token, Terra costa esattamente la metà e non c'è altro da discutere.

Il caso interessante è quando non utilizzano lo stesso numero di token o di tentativi. Prendiamo un carico di lavoro di estrazione di documenti in cui Terra riesce al primo tentativo l'80% delle volte e Kimi il 92%. Con una chiamata fissa da 3.000 token in input e 400 in output per tentativo, il costo previsto per successo di Terra è di circa $0,0055; quello di Kimi è di circa $0,0092. Terra vince comunque sul costo — perché il divario di accuratezza dovrebbe essere enorme perché un prezzo per token 2× venga compensato da un minor numero di tentativi.

Ora considera un compito di coding agentico in cui i modelli richiedono 30.000 token di input e 2.000 token di output per tentativo, e la modalità di errore è una patch sbagliata anziché un nuovo tentativo. Terra con coding di livello 48 su un compito che richiede coding di livello 77 non fallisce il 20% più spesso; fallisce qualitativamente, producendo modifiche che girano ma non risolvono il problema. Non è un costo di nuovo tentativo, è un costo in ore di ingegnere, ed è il caso in cui il doppio del prezzo è l'opzione economica.

I pesi aperti cambiano il secondo anno, non il primo.

Moonshot ha promesso i pesi di Kimi K3.1 Pro entro il 4 novembre 2026. Questo conta per tre ragioni e nessuna di esse è la fattura di oggi. Primo, il self-hosting elimina del tutto il prezzo per token dal calcolo del costo marginale, sostituendolo con le ore GPU — che è più economico a volumi elevati e sostenuti e molto più costoso a basso volume. Secondo, i pesi aperti eliminano il fornitore come singolo punto di guasto, il che è un argomento di approvvigionamento più che tecnico. Terzo, un modello scaricabile può essere sottoposto a fine-tuning, valutato internamente e bloccato su una versione, nessuna delle quali è possibile con un'API chiusa.

Due avvertenze vanno affiancate alla promessa. I pesi non sono ancora stati rilasciati, quindi ogni affermazione che li riguarda è un'asserzione non verificata. E il modello rilasciato non è identico al modello dell'API: secondo alcuni rapporti, Moonshot ha rimosso i dati di addestramento relativi al cyber prima del rilascio, il che modifica il comportamento sui prompt attinenti alla sicurezza — una scelta deliberata, che implica che i pesi aperti e l'endpoint API non siano intercambiabili per ogni carico di lavoro.

GPT-6.1 Terra non ha alcun percorso equivalente. È chiuso, disponibile solo via API, non può essere sottoposto a fine-tuning e non è offerto in alcuna soluzione self-host. Se la portabilità è un requisito, il confronto è già concluso prima ancora che inizino i benchmark.

La latenza non è paragonabile, e il punto è proprio questo.

Kimi K3.1 Pro mostra un p50 di circa 6,95 secondi sulla sua pagina del modello su OrcaRouter — un dato di latenza a livello di piattaforma rilevato sul traffico reale. Il valore di latenza pubblicato per GPT-6.1 Terra è di 133,64 secondi al primo token sul benchmark di ragionamento a massimo sforzo di Artificial Analysis, che misura quanto a lungo il modello pensa prima di rispondere a una domanda difficile, non quanto tempo richiede una richiesta tipica. Mettere quei due numeri uno accanto all'altro non avrebbe alcun senso.

Ciò che può essere confrontato è il throughput sullo stesso benchmark: Artificial Analysis misura Terra a 90,9 token di output al secondo e GPT-6.1 Sol a 73,5. Il valore equivalente di Kimi non è presente nella stessa pagina. La posizione onesta è che Terra è dimostrabilmente veloce tra i modelli OpenAI e che la velocità di Kimi sul tuo carico di lavoro è qualcosa che misuri anziché leggere.

Dove ciascuno vince

• Terra — attività circoscritte ad alto volume in cui un tasso di successo del 74% nell'uso del computer è accettabile dietro una fase di revisione; pipeline di documenti e fatture; stesura e revisione; qualsiasi cosa in cui il cutoff più recente di giugno 2026 sia utile e i 0,40 $ per attività si accumulino.

• Kimi K3.1 Pro — programmazione agentica e lavoro a lungo orizzonte in cui un divario di intelligenza di sette punti cambia il risultato; automazione desktop in cui 79,6 batte 74,2; generazione di output lunghi in cui un limite di 943.718 token elimina uno strato di chunking; e qualsiasi deployment che richieda pesi aperti, self-hosting o una versione pinnabile.

• Nessuno dei due — utilizzo del computer non supervisionato e irreversibile. Claude Opus 5.5, con 81,8 su OSWorld, è il leader, e il divario rispetto a entrambi questi modelli è più ampio di quello tra di loro.

Eseguendoli affiancati

Kimi K3.1 Pro è nel catalogo OrcaRouter a $2/$10 con una finestra di contesto di 1.048.576 token e può essere chiamato tramite l'SDK OpenAI impostando il base URL sul nostro endpoint. Al momento della stesura, GPT-6.1 Terra non è nel catalogo, quindi il ramo Terra deve essere testato direttamente su OpenAI.

Quell'asimmetria è temporanea ma utile: significa che il ramo Kimi può essere misurato oggi sul traffico reale, al prezzo di listino senza maggiorazioni, insieme al resto del catalogo — GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5 — e il ramo Terra può essere misurato in parallelo rispetto all'API di OpenAI. Quando Terra arriverà, il confronto sarà già pronto, e il livello di routing potrà inviare ogni attività al ramo che vince su di essa anziché al modello che un post di un blog ha classificato più in alto.

La suddivisione che useremmo

Se il compito è delimitato, ripetitivo e sottoposto a revisione, {{1}}la metà del prezzo di Terra{{/1}} batte {{2}}i sette punti di Kimi{{/2}}. Se il compito è aperto, in forma di codice o deve funzionare senza un fornitore, {{2}}i sette punti di Kimi{{/2}} battono {{1}}la metà del prezzo di Terra{{/1}} — e i pesi aperti rendono {{3}}il secondo anno{{/3}} più economico di quanto suggerisca {{4}}il calcolo dei token{{/4}}.

L'errore è scegliere un solo modello per l'intero carico di lavoro. Le evidenze supportano una suddivisione: Terra per il livello di volume, Kimi per il livello difficile, e un fallback misurato tra i due. Questa è una decisione di routing, non una decisione sul modello, ed è quella che questo confronto effettivamente si guadagna.