Kimi K3.1 Pro 対 GPT-6 Astra：価格は5分の1、だが2ポイントは相手に分がある

GPT-6 Astra は、入力・出力の両方の課金体系で Kimi K3.1 Pro の5倍のコストがかかります。100万入力トークンあたり $10.00 対 $2.00、100万出力トークンあたり $50.00 対 $10.00 です。両モデルが測定されている独立系インデックスでは、安価なほうが優位に立っています。Artificial Analysis のスコアは Kimi K3.1 Pro が55、GPT-6 Astra が53です。しかし、安価なモデルのベンダー自身の表では、差は一様ではありません。Kimi はターミナルエージェントのベンチマークで7.5ポイント勝っている一方、CAD とハルシネーションのベンチマークでは完全に負けています。この比較を正直に言い表すなら、あなたはより優れたモデルとより劣ったモデルのどちらかを選んでいるのではありません。1ポイントの精度にどれだけの価値を見出すか、そして重みを自分で保有する必要があるかどうかを選んでいるのです。

両モデルは現在のフラッグシップで、100万トークンのコンテキストを持ち、どちらも何らかの形でゲートまたは制限がかかっており、どちらも公開リスト価格でOrcaRouterを通じて呼び出せます。移行を決める差は価格の倍数が示唆するほど大きくなく、そのうち3つは測定可能です。

2つの料金表と、実際に請求される内容

• 入力 — Kimi K3.1 Pro では100万トークンあたり $2.00、GPT-6 Astra では $10.00。

• 出力 — $10.00 対 $50.00。エージェント型の作業では出力に最もコストがかかるため、この行が最も重要な項目となります。

• キャッシュ — 両ベンダーとも90%のキャッシュ割引を適用しており、Artificial Analysisは両社について同じ数値を記録している。したがって、キャッシュヒットは絶対額でKimiの方が5倍安い。なぜなら、それは価格の5分の1の10%だからである。

• コンテキスト — Kimi K3.1 Pro では 1,048,576 トークン、GPT-6 Astra では 1,050,000 トークン。実質的に同一です。

• 最大出力 — Kimi K3.1 Pro では 943,718 トークン、GPT-6 Astra では 128,000 トークン。これはこのカード上で最も議論されていない一方で、最も重要な違いです。1回の応答で 900,000 トークンを書けるモデルは、大規模な移行を完了させ、長い文書を生成し、あるいはクライアント側のつなぎ合わせ戦略なしでエージェントを無制限のループに通すことができます。Astra の 128K の上限は 2025 年の基準では余裕があるものの、これと比べると制約的です。

トークン単価は、その差を過小評価すると同時に過大評価してもいる。だからこそ、評価者のタスクあたりコストの数字が有用なのだ。Artificial AnalysisはKimi K3.1 ProをIntelligence Indexタスクあたり$2.11、GPT-6 Astraを$3.26と見積もっている——80%ではなく35%の節約だ。違いは冗長さにある。評価中、Kimi K3.1 Proは1億5000万出力トークンを生成したのに対し、Astraは6000万だった。2.5倍の頻度で出力されるより安いトークンは、いくらか安いだけだ。

混在リクエストでは計算は露骨だ。100万入力トークンを読み、20万出力トークンを書き込む呼び出しは、Kimi K3.1 Proでは$2.00＋$2.00——$4.00、GPT-6 Astraでは$10.00＋$10.00——$20.00かかる。90%のヒット率でキャッシュ済みリポジトリを再読み込みするエージェントは、両者とも入力側をほぼゼロに絞り込み、それでも同じ20万トークンでは出力側だけで$10対$50のままだ。

鮮度は、2つ目の、それほど明白ではないコストだ。Artificial AnalysisはGPT-6 Astraの知識カットオフを2026年4月30日と記録しており、これはこの比較のおよそ6か月前にあたる。Kimi K3.1 Proは、Moonshotが事前学習の日付を公開していないモデルに対する事後学習リリースであるため、どちらの側もコンプライアンス文書に記載できる学習カットオフを示してはいない——だが、評価者がそもそも検証できるカットオフを持っているのは、2つのうち片方だけである。

独立系の指数とベンダー自身の表は、順序について見解が異なっている

Artificial Analysisは、そのインデックスのバージョン4.3.2において、Kimi K3.1 Proを55（215モデル中4位）、GPT-6 Astraを53（215モデル中8位）と測定している。これは、5分の1のコストで済むモデルが2ポイントリードしていることを意味する。また、ハーネスとエフォートの設定によって順位が入れ替わり得る範囲でもあるため、「どちらかが優れている」ではなく「これらは同格だ」と捉えるべきだ。

Moonshotのハーネスで実行したMoonshotのローンチ表では、看板に掲げるベンチマークで2つのモデルがはるかに大きく引き離されている一方、それ以外のすべてではより接近するか、逆転している：

• Terminal-Bench 4.0 — Kimi K3.1 Pro が 65.7%、GPT-6 Astra が 58.2%。7.5ポイントのリードで、発表の冒頭を飾るベンチマークに選ばれた。

• ツール併用のBenchCAD — Kimi K3.1 Proが92.7%、GPT-6 Astraが95.9%。Astraは、Kimi自身の売り込みの中心にある3Dモデリングベンチマークで3.2ポイント差で勝利。

• Kimi Hallu Bench Hard — ツール使用時の主張レベルのハルシネーション率は、Kimi K3.1 Pro が 8.3%、GPT-6 Astra が 5.5%。ツール不使用時は 5.4% 対 4.2%。このセットでは Astra の方が事実的に信頼できるモデルであり、その差は研究や文書作業で重要となる規模です。

そのパターン——大きな勝ちが1つ、小さな負けが2つ——は、ベンダー比較表が自ら負ける行まで含めるほど誠実であるときの姿だ。選択効果はデータの中ではなく、見出しにある。

アクセシビリティもまた仕様です

GPT-6 Astraは、自律的に新たなセキュリティ上の脆弱性を発見できるため、同社独自の「Preparedness Framework」の下で「クリティカル」と評価された最初のOpenAIモデルです。その展開は段階的に行われ、まず早期アクセスパートナー、次にサブスクリプション階層、その後APIへと進みました。一部の機能はリスク評価によって制限されており、このモデルは汎用ツールではなく、ゲート付きのフロンティア製品として販売されています。

Kimi K3.1 Proは逆のアプローチを取り、その代償として別のものを払っている。Moonshotは中間訓練と強化学習からサイバー関連データを削除し、そのコストを公表した。出荷されたモデルはxdev-bench-hardで81.0%を記録し、そうした措置なしで訓練したチェックポイントの90.5%に対して劣る。同社が掲げる原則は、攻撃的サイバー能力のフロンティアを拡大するオープンウェイトを公開しないことであり、上限を徐々に引き上げる計画だ。完全なウェイトは2026年11月4日までに提供すると約束されているが、それまではオープンウェイトと説明されていてもAPIのみとなる。

規制を受ける買い手にとって、この取引は明確に理解できる。Astraは最も強力なゲート付き機能と承認プロセスを提供する。Kimiは、11日でダウンロード可能なモデル、公表された能力低減、そして標準的なAPIキー以外のゲートがないことを提供する。

当社独自のルートで測定したレイテンシ

過去7日間のOrcaRouterにおいて、GPT-6 Astraの最初のトークンまでの時間の中央値は1.64秒です。10月24日にカタログへ追加されたKimi K3.1 Proは7.15秒です。出力速度では、独立評価はKimiを上回ると判定しています — 毎秒73.5トークンに対し58.1トークン — つまり両モデルは総合的な応答性ではなく、特性の形が異なります。Astraはより速く始まり、Kimiは開始後に速く書くのです。対話型のコーディングセッションでは最初の数値が体験を支配し、長い生成では2番目の数値が支配します。

何を、いつ実行するか

両モデルは現在、1つのOrcaRouterキーでプロバイダーの定価により追加マークアップなしで呼び出し可能です — Kimi K3.1 Proは$2.00と$10.00、GPT-6 Astraは$10.00と$50.00 — また両モデルは同じ3つのリクエスト形式を公開しているため、ルーティングポリシーによってアプリケーションコードに触れることなくトラフィックを両者間で移動できます。

証拠に合う分担はこうだ。長期的なターミナル作業とエージェント型コーディングはKimi K3.1 Proに送る。両社が実施するベンチマークでKimiがリードし、943,718トークンの出力上限がクライアント側の制約を取り除くからだ。調査、文書検証、3DまたはCAD作業はGPT-6 Astraに送る。ハルシネーションとBenchCADの行がGPT-6 Astraに有利だからだ。5倍の価格差があっても、トークンの80%を前者のカテゴリに、20%を後者のカテゴリに使うワークロードなら、請求額はなお約3分の2削減され、どちらかが停止しても自動フェイルオーバーがカバーする。

唯一やってはいけないのは、単一のベンチマーク行だけを根拠に移行することだ。ベンダーがTerminal-Benchで7.5ポイントリードしているのは事実であり、それが負けている2行もまた事実だ。独立系インデックスは両モデルが同等だと示しており、タスク当たりのコストは、同等モデルの方が35%安いのであって80%ではないと示している。これはタスク別ルーティングを強く支持する根拠であり、全面的な切り替えを弱くしか支持しない根拠だ。