GPT-6.1 Sol vs Kimi K3.1 Pro: 동일한 $2/$10, 지수 3포인트 차이, 그리고 작업 비용에서 2.9배 격차

Kimi K3.1 Pro와 GPT-6.1 Sol의 가격표는 동일합니다. 하지만 그중 가장 흥미로운 점은 가격이 아닙니다. Moonshot은 2026년 10월 23일 K3.1 Pro를 출시했으며, 100만 입력 토큰당 $2.00, 100만 출력 토큰당 $10.00입니다. OpenAI는 9월 29일 Sol을 출시했고 가격은 완전히 같은 조합입니다. Artificial Analysis에서 K3.1 Pro는 55점으로 221개 모델 중 4위이고, Sol은 52점입니다. 두 모델의 성능 차이는 3점인데, 한 작업을 완료하는 비용은 거의 3배 차이입니다. K3.1 Pro는 $2.11, Sol은 $0.72입니다. 결정을 가르는 것은 가격표가 아니라 이 역전입니다.

아래 측정치는 Artificial Analysis에서 나온 것으로, 이 기관은 두 모델을 공개된 구성으로 실행하고 각 모델이 소비하는 토큰을 계산하며, 2026년 10월 27일에 확인한 두 공급업체의 자체 문서와 출시 당시 주장에서도 나온 것입니다. 공급업체 수치는 그렇게 표시되어 있습니다. 여기서는 이 구분이 평소보다 더 중요합니다. 두 회사가 모델이 토큰을 어떻게 소비해야 하는지에 대해 상반된 베팅을 하고 있기 때문입니다.

가격은 동일합니다. 청구서는 그렇지 않습니다.

토큰당 가격은 단가이며, 단가는 소비량을 곱해야만 청구서가 됩니다. 두 모델의 소비량은 크게 다릅니다. Artificial Analysis의 작업당 비용 계산에 따르면 K3.1 Pro는 Intelligence Index 작업 하나를 완료하는 데 $2.11, Sol은 $0.72로, 동일한 공시 요율에서 2.9배 차이입니다. 원인은 출력량입니다. K3.1 Pro는 항상 추론하는 모델로 답변당 훨씬 더 많은 토큰을 생성하며, 출력은 백만 토큰당 $10.00인 요금 체계에서 비싼 절반을 차지합니다.

문샷의 자체 공개 자료도 이런 양상을 인정한다. 이 모델은 강화학습 컴퓨팅을 크게 확장한 Kimi K3의 사후 학습 버전이며, 회사는 성능 향상이 더 큰 기본 모델이 아니라 더 길고 더 신중한 추론에서 비롯된다고 설명한다. 더 긴 추론은 바로 더 많은 출력 토큰을 만들어내는 원인이다. 능력 향상과 비용 증가는 같은 사실을 두 가지 방식으로 측정한 것이다.

• 입력 / 출력 — 두 모델 모두 백만 개당 $2.00 / $10.00.

• 캐시 입력 — Kimi K3.1 Pro $0.20, 90% 할인; GPT-6.1 Sol $0.10, 95% 할인.

• 인덱스 작업당 비용 — Artificial Analysis v4.3.2 기준 $2.11 대 $0.72.

• 독립 지수 — 55 대 52; K3.1 Pro는 221개 중 4위, Sol은 바로 뒤.

• 출력 속도 — 초당 47.9 토큰 vs 69.2, 둘 다 Artificial Analysis 측정값입니다.

• 컨텍스트 및 출력 한도 — K3.1 Pro는 입력 1,048,576개, Sol은 입력 1,050,000개 및 출력 128,000개

• 아키텍처 — K3.1 Pro의 경우 총 2.8조 개 파라미터 중 1,040억 개가 활성화됩니다. OpenAI는 Sol의 파라미터 수를 공개하지 않습니다.

• 가중치 — K3.1 Pro는 현재 독점 모델이며, Moonshot은 11월 4일까지 오픈 가중치를 공개하겠다고 약속했습니다. Sol은 독점 모델로, 공개 계획이 발표되지 않았습니다.

인덱스 포인트 3개로 무엇을 살 수 있나요?

종합 점수에서의 3점 차이는 의미가 있지만 결정적이지는 않으며, 차이의 윤곽은 구성 요소별 점수에 담겨 있습니다. Artificial Analysis는 Terminal-Bench 4.0에서 K3.1 Pro를 67점으로 기록했는데, 이는 자사가 측정한 어떤 모델보다도 높은 점수이며 Sol은 56.1점입니다. 전문 업무 평가인 GDPval-AA에서 K3.1 Pro는 1,846 Elo로 전체 3위이며 자체 전작보다 312점 높습니다. AutomationBench-AA에서는 58%에서 73%로 향상되었습니다. Humanity's Last Exam에서는 47%에서 52%로 올랐습니다. AA-Omniscience의 환각률은 53%에서 44%로 떨어졌습니다.

이것들은 두 모델이 각각 가진 가장 강력한 독립 수치입니다. Sol의 독립 프로필은 더 평탄합니다. 52 종합 점수에 어떤 단일 평가에서도 선두를 차지하지 못하며, 작업당 비용 수치는 해당 가격대에서 최고입니다. 솔직히 해석하자면 K3.1 Pro는 여러 에이전트 및 전문 업무 평가에서 더 유능한 모델이고, Sol은 더 효율적인 모델입니다. 어느 진술도 판결은 아닙니다. 역량은 당신이 운영하는 물량에서만 가치로 전환되기 때문입니다.

Moonshot이 자체 출시 시 내세운 주장은 독립적인 평가 위원회의 결과보다 더 나아가며, 주장으로 읽어야 한다. 회사는 자체 실행한 14개 테스트 중 6개에서 최고 점수를 보고했는데, 여기에는 SWE Marathon 51.7과 HLE-with-tools 70.0이 포함된다. Terminal-Bench 4.0 수치는 65.7%로, Artificial Analysis가 측정한 67%보다 약간 낮다. 공급업체 수치가 더 보수적인 드문 사례이며, 이례적이기 때문에 바로 그 점을 주목할 가치가 있다. 약점은 Terminal-Bench Science 0.1의 38.1로, GPT-6 Astra의 68.1과 대조된다. K3.1 Pro는 어려운 과학적 추론을 위한 모델이 아니며, Moonshot도 그렇다고 주장하지 않는다.

속도와 장황함에 관한 법안

Artificial Analysis는 K3.1 Pro를 초당 출력 토큰 47.9개로 측정하며 눈에 띄게 느리다고 평가합니다. Sol은 69.2로 실행됩니다. 출력량 차이까지 고려하면, K3.1 Pro에서 긴 에이전트 루프를 돌릴 때 단계마다 실제 경과 시간과 비용이 모두 더 많이 듭니다. 개발자가 매 턴을 기다려야 하는 대화형 코딩에서는 지연 시간 차이가 사용자가 가장 먼저 불평할 부분입니다. 아무것도 기다리지 않는 배치 평가에서는 비용만 중요합니다.

더 빠른 티어가 있습니다. {{1}}Moonshot은 Highspeed 변형을 입력 $4.00, 출력 $20.00에 판매하며 캐시 적중 가격은 그대로인데, 이는 토큰 속도를 두 배로 하고 가격도 두 배로 합니다.{{/1}} 그것은 {{2}}Sol이 Fast 모드로 2배 가격에 제공하는{{/2}} 것과 같은 거래입니다. 두 경우 모두 빠른 티어는 볼륨이 아니라 지연 시간에 민감한 작업을 위한 것이며, 배치 작업에는 계산상 거의 유리하지 않습니다.

11월 4일, 그리고 오픈 웨이트가 실제로 바꾸는 것

Moonshot은 2026년 11월 4일까지 전체 가중치를 공개할 것이라고 밝혔다. 그렇게 되면 K3.1 Pro는 Artificial Analysis 지수에서 가장 높은 점수를 받은 오픈 가중치 모델이 되어, 최고의 오픈 모델과 최고의 독점 모델 사이의 격차를 약 12점에서 3점으로 좁히게 된다. 이는 자체 호스팅하거나 미세 조정하거나 규정 준수 경계 내에서 추론을 실행해야 하는 사람이라면 누구에게나 진정한 의미의 사건이다.

대부분의 API 호출자에게 이것은 이벤트가 아니다. 오픈 웨이트는 누가 어떤 조건으로 모델을 실행할 수 있는지를 바꾸지만, 호스팅 가격이나 속도, 성능을 바꾸지는 않는다. API를 호출하고 데이터 거주성 제약이 없는 팀은 웨이트 공개로부터 두 번째 소싱 옵션, 그리고 결국 같은 체크포인트를 두고 경쟁하는 더 많은 제공자 외에는 아무것도 얻지 못한다. 그 경쟁은 실재하며 보통 가격 압력으로 나타나지만, 그것은 몇 달에 걸친 효과이지 11월의 효과가 아니다.

Moonshot의 발표에는 더 구체적인 두 번째 유의점이 있습니다. 회사는 공격적 사이버 능력의 개방형 최전선을 확장하지 않기 위해 사이버 및 익스플로잇 관련 학습 데이터를 의도적으로 제거했으며, 그 결과 xdev-bench-hard에서 90.5%를 기록한 체크포인트가 81%로 낮아졌다고 밝혔습니다. 이는 측정 가능한 성능 비용이 따르는 안전 결정으로, 공급업체가 공개한 것입니다. 당신의 업무가 보안 도구라면, 이것은 출시 자료에서 가장 중요한 문장입니다 — 지수 점수보다 더 중요합니다.

세 가지 워크로드, 세 가지 해답

• 대량 배치 코딩, 지연 시간 요구 사항 없음 — GPT-6.1 Sol. 인덱스 작업당 $0.72 대 $2.11이라면, 효율성 격차가 3포인트 역량 차이를 압도합니다. 단, 귀하의 작업이 K3.1 Pro의 에이전트 점수가 더 적은 재시도로 이어지는 특정 유형인 경우는 예외입니다. 그렇게 된다고 가정하기 전에 재시도율을 측정하세요.

• 오답 비용이 큰 장기 지평 에이전트 작업 — Kimi K3.1 Pro. Terminal-Bench 4.0 선두와 GDPval-AA 순위는 두 모델 중 어느 쪽이든 지속적인 다단계 역량에 대한 증거에 가장 가까운 사례이며, 작업당 프리미엄은 실패한 궤적의 비용에 비해 작습니다.

• 사람이 기다리는 대화형 코딩 — 속도 측면에서 {{1}}GPT-6.1 Sol{{/1}}. 초당 69.2토큰 대 47.9토큰은 편집기에서 눈에 띄는 차이이며, 비용 우위는 이유라기보다 보너스입니다.

• 과학적 또는 수학적 추론 — 최전선에서는 둘 다 아닙니다. Terminal-Bench Science 0.1에서 K3.1 Pro의 38.1은 문서화된 약점이며, 동일 스위트에서 Sol의 57.0은 괜찮은 수준이지만 OpenAI가 GPT-6 Astra에 대해 보고한 68.1보다 훨씬 낮습니다. 이는 두 모델 모두보다 위 계층이 정답인 유일한 워크로드입니다.

둘 다 실행하는 것이 잘못 선택하는 것보다 더 저렴합니다

두 모델 모두 OrcaRouter에 있습니다 하나의 키로 각 제공업체의 정가 대비 0% 마크업으로 이용할 수 있습니다. Sol은 $2.00 및 $10.00, K3.1 Pro는 동일한 두 가격이며, 캐시된 입력은 각각 $0.10 및 $0.20으로 전달됩니다. 이렇게 하면 결정을 되돌릴 수 있습니다. 워크로드는 동일한 추적 트래픽에서 두 모델 모두를 대상으로 벤치마크할 수 있고, 패자는 계약 협상이 아니라 라우팅 변경으로 제거할 수 있습니다.

모델 퓨전은 일반적인 플러그가 아니라 이 특정 조합에서 제 역할을 하는 유일한 기능입니다. 두 모델은 서로 다른 방향으로 실패합니다 — Sol은 간결하고 빠르며, K3.1 Pro는 신중하고 긴 에이전트형 궤적에서 더 강합니다 — 따라서 둘 모두에 질의하고 그 답을 조정하는 패널은, 잘못될 비용에 비해 2.9배의 비용 차이가 미미한 고위험 호출에서 합리적인 설계입니다. 그 외의 모든 경우에는 워크로드별 라우팅이 더 저렴한 패턴입니다: 에이전트 경로에는 K3.1 Pro, 대용량 경로에는 Sol, 둘 다에는 하나의 엔드포인트.

지수가 아닌 순위

질문이 어느 모델이 더 나은가라면, K3.1 Pro가 3점 앞서고 장기 실행 작업에 중요한 에이전트형 평가에서 우위를 보입니다. 질문이 이번 달 대량 운영 경로 뒤에 어느 모델을 둘 것인가라면, Sol이 완료된 작업당 비용에서 2.9배, 속도에서 1.4배 우위를 보이며, 3점의 능력 격차는 이 두 장점 중 어느 것도 상쇄하지 못합니다.

다이어리에 적어 둘 만한 단 하나의 날짜는 11월 4일이다. 가중치가 공개되면 K3.1 Pro는 기준 오픈웨이트 모델이 되고, 자체 호스팅 팀의 판단 기준이 달라진다. 만약 일정이 밀린다면 — Moonshot이 날짜를 제시한 것만 해도 대부분보다 나은데 — 판단 기준은 오늘과 정확히 같은 자리에 머문다: 표면 가격은 같고 청구서는 다르며, 선택은 가격표의 숫자가 아니라 측정된 작업 비용을 기준으로 해야 한다.