Kimi K3.1 Pro vs Claude Opus 5.5: metà del listino prezzi, 0,7 punti dietro su un benchmark

Kimi K3.1 Pro e Claude Opus 5.5 sono lo stesso tipo di modello venduto a esattamente metà prezzo. Il nuovo flagship di Moonshot costa $2.00 per milione di token in input e $10.00 per milione in output; quello di Anthropic costa $4.00 e $20.00. Entrambi accettano un milione di token di contesto. Entrambi ragionano sempre prima di rispondere. E sull'unico benchmark che entrambe le aziende pubblicano, sono separati da 0.7 punti: 65.7% per Kimi K3.1 Pro contro 66.4% per Claude Opus 5.5 su Terminal-Bench 4.0. Questa è l'intera argomentazione a favore dello sfidante in tre numeri, ed è solida — con due avvertenze che stabiliscono se vale per il vostro carico di lavoro: i due punteggi sono stati prodotti con impostazioni diverse, e il 2× è un prezzo per token anziché un prezzo per attività completata.

Kimi K3.1 Pro è entrato in funzione il 24 ottobre 2026, un giorno dopo il video teaser che ne ha rivelato il nome. Claude Opus 5.5 è disponibile in generale dal 22 settembre. Nessuno dei due è un fresco esperimento di laboratorio: Opus 5.5 è l'attuale modello di fascia Opus che Anthropic distribuisce da fine settembre, e Kimi K3.1 Pro è una versione post-addestrata di Kimi K3 anziché una nuova architettura. Questo rende il confronto insolitamente pulito per una pagina modello contro modello: entrambe le tabelle tariffarie sono pubblicate, entrambi i fornitori stampano una tabella di benchmark e nessuno dei due modelli si nasconde dietro una lista d'attesa.

Le due schede tariffe, riga per riga

Cinque righe contano, e una di esse rompe lo schema.

• Input — 2,00 $ per milione di token su Kimi K3.1 Pro contro 4,00 $ su Claude Opus 5.5. Esattamente la metà.

• Output — $10,00 rispetto a $20,00. Esattamente la metà, e l'output è la voce che domina il lavoro agentico e di ragionamento, dove il modello scrive molto più di quanto legga.

• Lettura cache — $0.20 su entrambi. Questa è l'anomalia: i due fornitori concordano al centesimo sul prezzo di lettura di un prefisso in cache, che è la voce che domina un agente di lunga durata che rilegge un repository a ogni turno.

• Scrittura cache — Kimi addebita 2,00 $ per una voce in cache di cinque minuti e 4,00 $ per un'ora; Anthropic addebita 5,00 $ e 8,00 $. Anche qui Kimi costa meno, e di oltre la metà.

• Varianti veloci: Kimi K3.1 Pro Highspeed costa $4.00 e $20.00, con una velocità di output circa due o tre volte superiore. La modalità veloce di Anthropic su Opus 5.5 costa $8.00 e $40.00, fino a 2,5×. Stesso rapporto, stesso raddoppio.

L'aritmetica su una richiesta mista è quindi banale. Una chiamata che legge un milione di token di input e scrive 200.000 token di output costa $4,00 su Kimi K3.1 Pro e $8,00 su Opus 5.5. Un agente che rilegge un contesto da un milione di token con un tasso di successo della cache del 70% paga $0,74 per l'input su Kimi contro $1,34 su Opus, ovvero $2,74 contro $5,34 una volta incluso l'output. Il risparmio deriva dall'input nuovo e dall'output, non dalla cache, perché la cache costa lo stesso su entrambi.

Quello che il tariffario non ti dice è quanti token consuma ciascun modello. Kimi K3.1 Pro usa per impostazione predefinita il suo livello di ragionamento più alto, max. Claude Opus 5.5 usa per impostazione predefinita medium. Un modello che di default ragiona al massimo scriverà, in media, più token di ragionamento per risposta rispetto a uno che ragiona a medium — quindi il 2× pubblicizzato è un prezzo per token, non un prezzo per attività completata, e il divario reale dipende da quanto del ragionamento extra di Kimi il tuo lavoro richiede davvero. Moonshot non pubblica un dato di token per attività che chiarirebbe la questione.

L'unico benchmark che entrambi i laboratori pubblicano, e perché non è una misurazione

Terminal-Bench 4.0 è quanto di più vicino a un metro di riferimento condiviso in questi due lanci, e anche in questo caso i due numeri non sono ottenuti allo stesso modo.

Il 66,4% di Anthropic è stato ottenuto con effort xhigh, un livello sopra il default medium del modello, sull'harness proprietario di Anthropic, con il suo routing di sicurezza attivo. L'azienda pubblica la tabella e lo dichiara. Il 65,7% di Kimi compare nel materiale di lancio di Moonshot con l'impostazione max predefinita del modello, su un harness controllato anche in questo caso dall'azienda; la tabella di lancio cita Opus 5.5 al 66,4%, lo stesso numero pubblicato da Anthropic, senza dire se Moonshot lo abbia rieseguito o citato. Un divario di 0,7 punti tra due tabelle eseguite dai fornitori, con impostazioni di effort diverse e su scaffolding diversi, non è una misura della differenza tra i modelli. È l'affermazione che i due sono abbastanza vicini perché le scelte di harness decidano l'ordine.

Altri due elementi di dati puntano nella stessa direzione. La valutazione indipendente di Opus 5.5 sullo stesso benchmark, condotta da Artificial Analysis e riportata al momento del lancio, è del 59,6% — sette punti sotto il dato di Anthropic, in una configurazione che include il routing di salvaguardia lato server. E la documentazione di Moonshot conteneva ancora segnaposto letterali "[xx.x%]" per i suoi punteggi Terminal-Bench e science-benchmark il giorno del lancio, mentre il post di marketing riportava i numeri. Nessuno dei due fatti dimostra nulla sulla qualità relativa. Entrambi mostrano che le tabelle di benchmark del giorno del lancio sono prima di tutto artefatti di marketing.

Laddove i fornitori concordano, la storia è coerente: Kimi K3.1 Pro è vicino a Opus 5.5 sui compiti che entrambi misurano, e supera il proprio predecessore con un ampio margine. La suite di coding a lungo orizzonte di Moonshot è passata dal 55,95% al 61,2%, il suo punteggio CAD senza strumenti è 72,8 contro 73,0 di Opus, e il suo tasso di allucinazione sul set difficile del fornitore stesso è sceso dal 23,4% all'8,3% con gli strumenti — un dato che, se resiste al di fuori della valutazione, conta più per il lavoro a forte componente documentale di qualsiasi punto di benchmark.

Il quadrante dello sforzo è la vera differenza tra i due prodotti

Entrambi i modelli espongono un campo per l'intensità di ragionamento; non concordano su quanti livelli abbia né su dove si collochi per impostazione predefinita.

Kimi K3.1 Pro ne ha tre: low, high e max, con max come impostazione predefinita. Claude Opus 5.5 ne ha cinque: low, medium, high, xhigh e max, con medium come impostazione predefinita. Nessuno dei due modelli consente al chiamante di disattivare il thinking. Kimi fissa il campionamento in modo categorico — temperature 1.0, top-p 0.95, n a 1 — e rifiuta altri valori, quindi effort è l'unica manopola comportamentale che offre. Anthropic lascia temperature impostabile ma mantiene sempre attivo l'adaptive thinking, quindi effort è l'unica manopola che cambia quanto pensa il modello.

Le impostazioni predefinite fanno un lavoro concreto. Kimi è onesto ma costoso per default: ogni richiesta che non specifica reasoning_effort paga l'impostazione più profonda. Opus parte dal livello intermedio e riserva i due livelli più alti a chi li richiede. Se migri un carico di lavoro e non cambi nient'altro, hai cambiato sia il modello sia il suo budget di ragionamento, che è il modo più comune in assoluto per cui un "modello più economico" si rivela non esserlo. La tabella di Anthropic stessa mostra l'entità di quell'effetto all'interno di un singolo modello: CursorBench 4.0 ottiene 57,8% con xhigh e 52,5% con medium, mentre FrontierCode varia di 0,2 punti tra le stesse due impostazioni. La sensibilità allo sforzo dipende dal carico di lavoro, e nessuna model card predice quella del tuo carico di lavoro.

Esiste una trappola operativa che vale per entrambi i casi. Cambiare il livello di effort a metà conversazione invalida i prefix-cache hit, quindi un agente che aumenta l'effort a metà di una sessione lunga paga per rileggere tutto ciò che aveva in cache. Decidi il livello prima che la sessione inizi, non durante.

Cosa fa ogni fornitore al modello quando non stai guardando

Entrambi i laboratori hanno ormai rilasciato un modello il cui comportamento su alcuni input non è quello che avevi richiesto, ed entrambi lo descrivono apertamente.

La documentazione di lancio di Opus 5.5 di Anthropic afferma che la maggior parte delle attività legate alla cybersecurity può essere reindirizzata a Claude Opus 4.8, e che il lavoro su biologia e sviluppo di modelli frontier può ricadere su Opus 5. Questi fallback avvengono lato server: la risposta proviene da un modello diverso e l'unico segnale per il chiamante è il contenuto. Per un carico di lavoro vicino alla sicurezza si tratta di un vero cambiamento di capacità, non di una nota di policy a margine.

Moonshot ha seguito una strada diversa. Ha rimosso i dati relativi al cyber sia dall'addestramento intermedio sia dalla fase di apprendimento per rinforzo, mantenendo il coding generale, e ha reso noto il costo di questa scelta: il suo punteggio nel coding avversariale è sceso dal 90,5% sul checkpoint non mitigato all'81,0% sul modello distribuito. L'azienda lo presenta come un tetto deliberato alle capacità cyber offensive e afferma che alzerà gradualmente tale tetto. Kimi K3.1 Pro non reindirizza la tua richiesta; è semplicemente più debole in quella specifica categoria, con un margine che il suo stesso fornitore ha pubblicato.

Quale sia migliore dipende da ciò che stai costruendo. Se hai bisogno di un output deterministico dal modello che hai scelto, un fallback silenzioso è peggio di una debolezza dichiarata. Se hai bisogno del risultato più forte possibile su un'attività che il fornitore ha limitato, il fallback può comunque essere meglio di un rifiuto — ma a quel punto stai confrontando due modelli mentre pensi di usarne uno.

La data che decide la questione dei pesi aperti

Kimi K3.1 Pro viene venduto come modello open-weight, e i pesi non sono ancora disponibili. Moonshot afferma che i pesi completi saranno rilasciati entro il 4 novembre 2026. Fino ad allora, la colonna open-weight di qualsiasi confronto è una promessa, e l'organizzazione Hugging Face che ospita Kimi K3 non ha nulla di più recente di K3 al 24 ottobre.

Claude Opus 5.5 non ha un piano open-weight e non ne avrà mai uno. Per chiunque il cui deployment non possa chiamare un'API ospitata, il confronto finisce lì a prescindere dal prezzo: da un lato c'è un prodotto che potresti riuscire a scaricare in undici giorni, dall'altro un noleggio. Per tutti gli altri, il 4 novembre è la data in cui il confronto sui prezzi diventa una vera scelta architetturale anziché una scelta di approvvigionamento.

Cosa eseguire oggi

Ecco la parte che le schede tariffarie non coprono: la disponibilità. Claude Opus 5.5 è invocabile tramite OrcaRouter già da oggi a $4.00 e $20.00 per milione di token, con letture dalla cache a $0.20 — il prezzo di listino del fornitore passato così com'è, senza alcun ricarico — sulla stessa chiave del resto del vostro stack, con un tempo mediano al primo token di 3,86 secondi negli ultimi sette giorni sulla nostra rotta. Kimi K3.1 Pro è entrato nello stesso catalogo il 24 ottobre a $2.00 e $10.00, letture dalla cache a $0.20, una finestra di 1.048.576 token e un tetto di output pubblicato di 943.718 token. Ora entrambi rispondono su un'unica chiave.

Avere entrambi dietro un'unica chiave è la cosa che nessun documento dei due fornitori menziona. Con un divario di prezzo di 2×, la decisione che conta più della scelta di un vincitore è una politica di routing: invia il quinto difficile del tuo traffico a Opus 5.5, invia il resto a Kimi K3.1 Pro e lascia che il failover automatico copra uno stallo su entrambi i lati. Il modello pass-through è ciò che mantiene onesta quell'aritmetica: ciascun lato della suddivisione viene fatturato al prezzo pubblicato del rispettivo fornitore, senza nulla aggiunto, quindi il risparmio che calcoli è il risparmio che ottieni, e un cambio di prezzo presso uno dei due fornitori è attivo qui lo stesso giorno.

Il che riporta il confronto al punto di partenza. Se il tuo lavoro è dominato dai compiti in cui i due modelli si misurano entro un punto l'uno dall'altro, il divario di prezzo è tutta la storia e la risposta è il modello più economico. Se invece è dominato dalla programmazione a lungo orizzonte, dove Opus ha tre mesi di valutazione indipendente alle spalle e Kimi ha una tabella del fornitore pubblicata ieri, gli 0,7 punti non sono il numero di cui fidarsi — il numero di cui fidarsi è la tua valutazione, eseguita con l'impostazione di effort che userai effettivamente. Entrambi i fornitori hanno ora reso tutto ciò facile, perché entrambi ti permettono di girare la manopola ed entrambi pubblicano quanto costa la manopola.