Kimi K3.1 Pro 対 DeepSeek V4.1 Flash：13倍の価格で16インデックスポイント

DeepSeek V4.1 Flash は当社カタログで入力100万トークンあたり0.15ドル、出力100万トークンあたり0.60ドルです。Kimi K3.1 Pro は2.00ドルと10.00ドルで、入力では13倍、出力では17倍になります。独立系インデックスでは、その価格で16ポイントが得られます。Artificial Analysis のスコアは Kimi K3.1 Pro が55、DeepSeek V4.1 Flash が39です。また、その価格で得られるモデルの性質も異なります。DeepSeek は2.5倍高速で、冗長性は2倍以上あるため、トークンあたりの差とタスクあたりの差は同じ数字ではありません。これは現在のカタログで最も明快な能力対費用のトレードオフであり、興味深いのは、すべてのタスクで同じ方向を示すわけではないという点です。

両モデルは100万トークンのコンテキストを備え、どちらも画像入力に対応し、数十万トークンの出力を生成する。一方は中国の研究所が10月に公開したフロンティア旗艦モデル、もう一方はDeepSeekのアーキテクチャファミリーにおける小型モデルで、2026年9月10日に公開され、従来のFlashモデルの本番用後継として位置づけられている。この比較の本質は、特定のワークロードにとって16インデックスポイントがどれだけの価値を持つか、そして安価なモデルが勝つ唯一のベンチマークにある。

レートカードと、実際のワークロードにかかるコスト

• 入力 — Kimi K3.1 Pro では100万トークンあたり $2.00、それに対して DeepSeek V4.1 Flash では $0.15。

• 出力 — $10.00 に対し $0.60。

• コンテキストウィンドウ — 両方とも1,048,576トークン。

• 最大出力 — Kimi K3.1 Pro では 943,718 トークン、V4.1 Flash のベースエンドポイントでは 384,000 トークン、1017 スナップショットでは 393,216 トークン。どちらも十分に大きいため、出力長が制約になることはなくなります。

• 重みとサイズ — DeepSeek V4.1 Flashは5520億パラメータのMixture-of-Expertsモデルで、アクティブパラメータは160億、MITライセンスの下でHugging Faceに公開されています。Kimi K3.1 Proは3Tクラスで、重みは11月4日までに公開されると約束されており、ライセンスはまだ公開されていません。

• 速度 — 評価者のプロバイダー上でDeepSeekは毎秒181出力トークン、Kimi K3.1 Proは73.5。大量処理の作業では、これは価格に次いで2番目に大きな違いです。

大量処理では算術が容赦ない。100万入力トークンを読み、20万出力トークンを書き出す1回の呼び出しは、Kimi K3.1 Proでは4.00ドル、DeepSeek V4.1 Flashでは27セントかかる。毎月2,000件の長文ドキュメントを、各50,000入力トークンと5,000出力トークンで処理する夜間パイプラインは、Kimiで約300ドル、DeepSeekで約21ドルを費やす。大規模な分類、抽出、書き換え、要約では、16ポイントの差が顧客に気づかれる形で現れることはほとんどない。請求書には現れる。

ただし、これだけでは全体像にはならない。2つの注意点がある。リスト価格ではなくプロバイダー経由で両モデルを測定したArtificial Analysisによると、DeepSeek V4.1 Flashは入力100万トークンあたり0.295ドル、出力100万トークンあたり1.20ドルと記録している。これは当社カタログ料金の2倍であり、比較における最安値とは誰も実際には支払わない価格だということを思い出させる。さらに重要なのは、タスクあたりコストが0.48ドルで、Kimi K3.1 Proの2.11ドルに対するものだということだ。節約は4.4倍であり、トークン価格が示唆する15倍ではない。なぜならDeepSeekはインデックス実行中に2億5000万出力トークンを生成したのに対し、Kimiは1億5000万だったからだ。冗長さが価格優位を食いつぶしており、両モデルとも中央値を大きく上回っている。

16ポイントは丸め誤差ではない

分類ジョブでは問題にならない同じ差が、計画が絡むあらゆるものでは極めて重要になる。独立系インデックスは、知識・推論・エージェント作業にまたがる10種類の評価の平均であり、その平均で16ポイントの差があるということは、分布の高難度側には程遠いことを意味する。Moonshotの発表表では、Kimi K3.1 Proは長期的コーディングで61.2%、Terminal-Bench 4.0で65.7%を記録している。Flashティアはそれらの行にまったく記載されていない。

実用的な言い換え：タスクがプロンプトで指定でき、バリデーターで検証できるなら、安価なモデルを選び、浮いたコストをリトライに充てるべきだ。タスクが次に何をするかの判断を必要とするなら——失敗したテストを読む、編集するファイルを選ぶ、不正なツール呼び出しから復旧する——その16ポイントが、完了できるエージェントとループし続けるエージェントの差になる。

安価なモデルが勝つ唯一の行

Moonshot自身のベンチマークシートには、それに反する一行が含まれている。ベンダーが実施した敵対的コーディング評価であるxdev-bench-hardのpass@3では、DeepSeek V4.1 Flashが85.7%を記録し、Kimi K3.1 Proの81.0%を上回っている。前世代のKimi K3は33.3%だ。

その理由はローンチ資料の別の箇所に見て取れる。MoonshotはK3.1 Proを提供する前に、中間トレーニングと強化学習の両方からサイバー関連データを除去し、そのコストを公表した。そうした措置なしでトレーニングされたチェックポイントは同じベンチマークで90.5%を記録するが、提供されたモデルは81.0%だ。対照的にDeepSeekは同等の能力低減を発表しておらず、その85.7%は13倍のコストがかかるモデルを上回る。

防衛的セキュリティ業務、つまりスキャン、トリアージ、レビュー下でのパッチ草案作成では、その行は検討に値します。攻撃寄りの業務では、スコアに関係なく、両ベンダーの規約と法律が適用されます。

コンテキストと出力には驚かされます。

比較が整いすぎる前に、実務上の注意点を1つ。Artificial Analysisは、ベースのV4.1 Flashを非推奨とし、V4.1 Flash 1017スナップショットを推奨している。これは10月17日で固定されたチェックポイントで、当社カタログでも同じ価格で提供している。インデックス値39はベースモデルのものであり、新規の作業ではスナップショットを対象にすべきだ。スナップショットは同じコンテキストウィンドウを持ち、出力上限はわずかに大きい。

この比較が価格から連想されるほど一方的でないのは、安価なモデルが倉庫を手放さなかったからだ。0.15ドルのモデルで100万トークンのコンテキストが使えるということは、これまでチャンク分割を必要としていた検索拡張パイプラインが文書全体をそのまま送れるということだ。384,000トークンの出力上限があれば、バッチジョブは1回の呼び出しで書き換え済みファイル全体を要求できる。

それが代わりに犠牲にしているのは、エッジでの信頼性だ。長い多段階プロンプトにおける指示追従、ツール呼び出しの復旧、ターンをまたいで計画を保持する能力。それらはまさにKimi K3.1 Proのポストトレーニング予算が費やされた対象であり、汎用インデックスが16ポイントに圧縮してしまうまさにそのものだ。

作業を分割する方法

両モデルはOrcaRouter経由で、各プロバイダーの定価のまま追加マークアップなしで呼び出せます — Kimi K3.1 Proは$2.00と$10.00、DeepSeek V4.1 Flashは$0.15と$0.60 — 1つのキーで利用でき、いずれかのプロバイダーが停止した場合には自動フェイルオーバーが働きます。

証拠に基づく分担：抽出、分類、翻訳、要約、初稿作成はV4.1 Flashに回し、長期的なコーディング、エージェントオーケストレーション、そして自らの誤りから復帰する必要があるものはKimi K3.1 Proに回す。この分担がトークン量で通常の80/20になれば、100万トークンあたりの混合コストは約80セントまで下がる — オールKimiベースラインの5分の1だ — しかもフロンティアモデルを必要とするタスクには依然としてそれを利用できる。

避けるべき間違いは、どちらか一方のモデルを両方の仕事の答えとして扱うことだ。13倍の価格差があるなら、安いモデルは大量作業のための妥協策ではなく、正しい選択である。16インデックスポイントの差があるなら、それは難しい20%の代替にはならない。