GPT-6.1 Sol 対 Kimi K3.1 Pro：同じ$2/$10、インデックス3ポイント差、そしてタスクあたりのコストで2.9倍の差

Kimi K3.1 ProとGPT-6.1 Solは同じ価格設定だが、それは両者にとって最も興味を引く点ではない。Moonshotは2026年10月23日にK3.1 Proをリリースした。価格は100万入力トークンあたり2.00ドル、100万出力トークンあたり10.00ドル。OpenAIは9月29日にSolをまったく同じ価格でリリースした。Artificial Analysisでは、K3.1 Proは55点で221モデル中4位、Solは52点。両モデルの能力差は3ポイントだが、タスクを完了するコストはほぼ3倍離れている——K3.1 Proが2.11ドル、Solが0.72ドル。この逆転こそが判断材料であり、価格設定ではない。

以下の測定値は、公開された構成で両モデルを実行し、それぞれが消費するトークンを考慮した Artificial Analysis によるものと、2026年10月27日時点で読んだ両ベンダー自身のドキュメントおよび発表時の主張によるものです。ベンダーの数値にはその旨を明記しています。この区別はここではいつも以上に重要です。なぜなら、両社はモデルがトークンをどう消費すべきかについて正反対の賭けをしているからです。

価格は同じです。請求書は同じではありません。

トークン単位の料金は単価であり、単価は消費量を掛けて初めて請求額になります。この2つのモデルは消費量が大きく異なります。Artificial Analysisのタスクあたりコストの計算では、K3.1 ProはIntelligence Indexのタスクを1つ完了するのに$2.11、Solは$0.72で、同じ表示料金のもとで2.9倍の差があります。原因は出力量です。K3.1 Proは常時推論を行うモデルで、回答ごとに出力するトークン数が大幅に多く、出力は100万トークンあたり$10.00という料金表の高価な側にあたります。

Moonshot自身のリリース資料も、この構図を認めている。このモデルはKimi K3のポストトレーニング版であり、強化学習の計算量を大幅に拡大したもので、同社はその向上がより大規模な基盤によるものではなく、より長くより意図的な推論から来ていると説明している。より長い推論こそが、より多くの出力トークンを生み出すまさにその要因だ。能力の向上とコストの増加は、同じ事実を二つの方法で測ったものにすぎない。

• 入力 / 出力 — 両モデルとも100万トークンあたり$2.00 / $10.00。

• キャッシュ入力 — Kimi K3.1 Pro は90%割引で$0.20、GPT-6.1 Sol は95%割引で$0.10。

• インデックスタスクあたりのコスト — Artificial Analysis v4.3.2では$2.11対$0.72。

• 独立系インデックス — 55 対 52。K3.1 Pro は221中4位、Sol はすぐ後ろ。

• 出力速度 — 47.9トークン/秒 対 69.2、いずれもArtificial Analysisによる測定値。

• コンテキストと出力上限 — K3.1 Pro は入力 1,048,576、Sol は入力 1,050,000 および出力 128,000

• アーキテクチャ — K3.1 Pro は総パラメータ数2.8兆、うち1040億がアクティブ。Sol のパラメータ数は OpenAI が公開していない。

• モデルの重み — K3.1 Proは現在プロプライエタリであり、Moonshotは11月4日までにオープンウェイトを公開すると約束している。Solはプロプライエタリで、公開の予定は発表されていない。

インデックスポイント3点で何が買えますか

総合スコアでの3ポイント差は意味があるものの決定的ではなく、差の形は各構成要素のスコアに表れています。Artificial Analysisは、K3.1 ProをTerminal-Bench 4.0で67と掲載しており、これは同社が測定したどのモデルよりも高いスコアで、Solの56.1を上回っています。専門業務の評価であるGDPval-AAでは、K3.1 ProはElo 1,846で総合3位、自社の前世代モデルを312ポイント上回っています。AutomationBench-AAでは58%から73%に改善しました。Humanity's Last Examでは47%から52%に上昇しました。AA-Omniscienceにおけるハルシネーション率は53%から44%に低下しました。

これらは両モデルが持つ中で最も強い独立系の数値だ。Solの独立系プロファイルはより平坦で、総合52、単独で分野をリードする評価はなく、タスクあたりコストは価格帯で最良だ。正直に読み解けば、K3.1 Proはいくつかのエージェント型および専門業務評価でより高性能なモデルであり、Solはより効率的なモデルだ。どちらの記述も結論ではない。能力が価値に変わるのは、実際に運用する量においてだけだからだ。

Moonshot自身のローンチ時の主張は独立した評価委員会よりも踏み込んでおり、主張として受け止めるべきだ。同社は実施した14のテストのうち6つで最高スコアを報告しており、SWE Marathonは51.7、HLE-with-toolsは70.0だった。Terminal-Bench 4.0の数値は65.7%で、Artificial Analysisが測定した67%をわずかに下回る——ベンダーの数値の方が保守的という珍しいケースであり、異例だからこそ特筆に値する。弱点はTerminal-Bench Science 0.1の38.1で、GPT-6 Astraの68.1に対してである。K3.1 Proは高度な科学的推論向けのモデルではなく、Moonshotもそう主張していない。

速度と冗長性の法案

Artificial AnalysisはK3.1 Proを毎秒47.9出力トークンと測定し、明らかに遅いと評している。Solは69.2で動作する。出力量の差と相まって、これはK3.1 Proでの長いエージェントループが、ステップごとにより多くの実時間とより多くのコストの両方を要することを意味する。開発者が各ターンで待つインタラクティブなコーディングでは、ユーザーが最初に不満を漏らすのはレイテンシの差だ。何も待たないバッチ評価では、コストだけが問題となる。

より高速なティアがあります。MoonshotはHighspeed版を入力$4.00、出力$20.00で販売しており、キャッシュヒット時の価格は変わらず、トークン処理速度が2倍になり、価格も2倍になります。これはSolがFastモードで2倍の価格設定で提供しているのと同じトレードオフです。どちらの場合も、高速ティアはレイテンシに敏感な作業向けであり、大量処理向けではなく、バッチジョブではコスト計算上有利になることはほとんどありません。

11月4日、そしてオープンウェイトが実際に何を変えるのか

Moonshotは、完全な重みを2026年11月4日までに公開すると述べている。それが実現すれば、K3.1 ProはArtificial Analysis指数で最高スコアのオープンウェイトモデルとなり、最高のオープンモデルと最高のプロプライエタリモデルとの差は約12ポイントから3ポイントに縮まる。これは、セルフホスト、ファインチューニング、またはコンプライアンス境界内での推論実行を必要とするすべての人にとって、真に画期的な出来事だ。

ほとんどのAPI呼び出し元にとって、それは一大イベントではない。オープンウェイトは、誰がどのような条件でモデルを実行できるかを変えるが、ホスト型の価格、速度、能力を変えるものではない。APIを呼び出し、データレジデンシー制約のないチームが重みの公開から得るものは、第2の調達先オプションと、最終的には同じチェックポイントで競合するより多くのプロバイダー以外にない。その競争は現実のもので、通常は価格圧力として現れるが、それは数か月にわたる効果であり、11月のものではない。

Moonshotの発表には、より具体的な2つ目の注意事項がある。同社は、攻撃的サイバー能力のオープンなフロンティアを拡張しないよう、サイバーおよびエクスプロイト関連の学習データを意図的に削除したと述べており、その結果、xdev-bench-hardで90.5%を記録したチェックポイントが81%に低下したという。これは、測定可能な能力コストを伴う安全上の判断であり、ベンダーによって開示されている。あなたの仕事がセキュリティツールの開発であれば、これは発表資料の中で最も重要な一文だ。インデックススコアよりも重要である。

3つのワークロード、3つの答え

• 大量バッチコーディング、レイテンシ要件なし — GPT-6.1 Sol。インデックスタスクあたり $0.72 対 $2.11 では、あなたのタスクが特に K3.1 Pro のエージェントスコアがリトライ回数の削減につながる種類のものでない限り、効率差が3ポイントの能力差を上回る。そうなると仮定する前に、リトライ率を測定すること。

• 誤答の代償が大きい長期的なエージェント型作業 — Kimi K3.1 Pro。Terminal-Bench 4.0での首位とGDPval-AAでの位置づけは、どちらのモデルにとっても、持続的な多段階コンピテンスの証拠に最も近いものであり、タスクあたりの割増コストは、失敗した軌道のコストに比べて小さい。

• 人間が待つインタラクティブなコーディング — 速度面では GPT-6.1 Sol。秒間69.2トークン対47.9はエディタ上で目に見える違いであり、コスト優位性は理由というよりむしろボーナスだ。

• 科学的または数学的推論 — 最前線では、どちらも不十分です。K3.1 Pro の Terminal-Bench Science 0.1 における 38.1 は記録された弱点であり、同じスイートでの Sol の 57.0 は立派ですが、OpenAI が GPT-6 Astra について報告している 68.1 を大きく下回ります。これは、両モデルより上のティアが正解となる唯一のワークロードです。

両方を実行する方が、間違った選択をするより安上がりだ。

両モデルともOrcaRouter上で利用可能 1つのキーで、各プロバイダーの定価に対するマークアップは0%、Solは$2.00と$10.00、K3.1 Proも同じ価格帯で、キャッシュ済み入力はそれぞれ$0.10と$0.20で通過します。これにより判断は可逆的になります。同じトレース済みトラフィック上でワークロードを両方に対してベンチマークし、敗れた方は契約交渉ではなくルーティングの変更で削除できます。

モデル融合は、汎用的なプラグとしてではなく、この特定の組み合わせでこそ価値を持つ唯一の機能です。2つのモデルは異なる方向に失敗します。Solは簡潔で高速、K3.1 Proは慎重で長いエージェント軌跡に強いため、両方に問い合わせて回答を調停するパネルは、誤るコストに比べて2.9倍のコスト差が無視できる高リスクの判断に合理的な設計です。それ以外では、ワークロード別のルーティングがより安価なパターンです。エージェント経路にはK3.1 Pro、高ボリューム経路にはSol、両方に1つのエンドポイントです。

インデックスではないランキング

どちらのモデルが優れているかという問いなら、K3.1 Pro が3ポイント上回り、長時間にわたる作業で重要なエージェント評価でもリードしている。今月、高負荷の本番経路に配置するモデルはどれかという問いなら、Sol は完了タスクあたりのコストで2.9倍、速度で1.4倍優れており、3ポイントの能力差はどちらの優位性も埋めない。

手帳に記す価値がある日は11月4日だけだ。重みが公開されれば、K3.1 Proはリファレンスとなるオープンウェイトモデルになり、セルフホストするチームの判断基準は変わる。もし延期されれば——そしてMoonshotは日付を示しており、それは大半の企業以上のことだ——判断基準は今日のままになる。同じ表示価格、異なる請求額、そして価格欄の数字ではなく実測のタスクコストで選ぶべきという選択だ。