Kimi K3.1 Pro vs Claude Opus 5.5: 절반의 요금표, 한 벤치마크에서는 0.7점 뒤져

Kimi K3.1 Pro와 Claude Opus 5.5는 정확히 절반 가격에 판매되는 같은 형태의 모델이다. Moonshot의 새 플래그십은 100만 입력 토큰당 $2.00, 100만 출력 토큰당 $10.00이고, Anthropic의 모델은 $4.00와 $20.00이다. 둘 다 100만 토큰의 컨텍스트를 받아들이며, 둘 다 항상 답변하기 전에 생각한다. 그리고 두 회사가 모두 공개하는 단 하나의 벤치마크에서 두 모델은 0.7점 차이다. Terminal-Bench 4.0에서 Kimi K3.1 Pro는 65.7%, Claude Opus 5.5는 66.4%다. 이것이 도전 모델의 주장 전체를 세 개의 숫자로 압축한 것이며, 그것은 강력한 주장이다. 다만 그것이 당신의 워크로드에 성립하는지를 결정하는 두 가지 단서가 있다. 두 점수는 서로 다른 설정에서 산출되었고, 2×는 완료된 작업당 가격이 아니라 토큰당 가격이라는 점이다.

Kimi K3.1 Pro는 이를 언급한 티저 영상이 공개된 다음 날인 2026년 10월 24일 출시되었습니다. Claude Opus 5.5는 9월 22일부터 정식 제공되고 있습니다. 둘 다 새롭게 시작된 실험실 실험이 아닙니다. Opus 5.5는 Anthropic이 9월 말부터 제공해 온 현행 Opus 등급 모델이며, Kimi K3.1 Pro는 새로운 아키텍처가 아니라 Kimi K3를 사후 학습한 버전입니다. 따라서 이 모델 대 모델 비교 페이지는 이례적으로 명확합니다. 두 모델 모두 요금표가 공개되어 있고, 두 공급업체 모두 벤치마크 표를 제공하며, 어느 모델도 대기자 명단 뒤에 숨어 있지 않습니다.

두 요금표, 한 줄씩

다섯 줄이 중요하며, 그중 하나가 패턴을 깨뜨립니다.

• 입력 — Kimi K3.1 Pro는 백만 토큰당 $2.00, Claude Opus 5.5는 $4.00. 정확히 절반입니다.

• 출력 — $10.00 대 $20.00. 정확히 절반이며, 출력은 모델이 읽는 것보다 훨씬 더 많이 쓰는 에이전트 및 추론 작업을 지배하는 항목입니다.

• 캐시 읽기 — 양쪽 모두 $0.20입니다. 여기서 이례적인 점이 드러납니다. 두 공급업체가 캐시된 프리픽스를 읽는 가격에서 센트 단위까지 일치한다는 것인데, 이 항목은 매 턴마다 리포지토리를 다시 읽는 장기 실행 에이전트의 비용을 좌우하는 항목입니다.

• 캐시 쓰기 — Kimi는 5분 캐시 항목에 $2.00, 1시간 캐시에 $4.00를 청구합니다. Anthropic은 $5.00와 $8.00를 청구합니다. Kimi가 여기서도 더 저렴하며, 절반 이상 더 저렴합니다.

• 고속 변형 — Kimi K3.1 Pro Highspeed는 $4.00과 $20.00이며, 출력 속도는 대략 2~3배입니다. Opus 5.5의 Anthropic 고속 모드는 최대 2.5배로 $8.00과 $40.00입니다. 동일한 관계, 동일한 두 배입니다.

혼합 요청의 계산은 따라서 간단합니다. 입력 토큰 100만 개를 읽고 출력 토큰 20만 개를 생성하는 호출의 비용은 Kimi K3.1 Pro에서 $4.00, Opus 5.5에서 $8.00입니다. 70%의 캐시 적중률로 100만 토큰 컨텍스트를 다시 읽는 에이전트는 Kimi에서 입력 비용으로 $0.74를, Opus에서는 $1.34를 지불하며, 출력까지 포함하면 $2.74 대 $5.34가 됩니다. 절감은 캐싱이 아니라 새로운 입력과 출력에서 발생합니다. 캐싱 비용은 두 모델에서 동일하기 때문입니다.

요금표가 말해 주지 않는 것은 각 모델이 토큰을 얼마나 쓰는지입니다. Kimi K3.1 Pro는 기본값이 가장 높은 추론 설정인 max입니다. Claude Opus 5.5는 기본값이 medium입니다. 기본적으로 max에서 사고하는 모델은 평균적으로 medium에서 사고하는 모델보다 답변당 더 많은 추론 토큰을 생성합니다. 따라서 광고된 2×는 토큰당 가격이지 완료된 작업당 가격이 아니며, 실제 격차는 Kimi의 추가 사고가 당신의 작업에 실제로 얼마나 필요한지에 달려 있습니다. Moonshot은 이를 확정할 수 있는 작업당 토큰 수치를 공개하지 않습니다.

두 연구소가 모두 발표하는 단 하나의 벤치마크, 그리고 그것이 측정이 아닌 이유

Terminal-Bench 4.0은 이 두 출시에서 공통 기준에 가장 가까운 것이지만, 여기서조차 두 수치는 같은 방식으로 산출되지 않는다.

Anthropic의 66.4%는 모델 기본값인 medium보다 한 단계 높은 xhigh 노력 수준에서, Anthropic 자체 하네스와 안전 라우팅이 활성화된 상태로 실행된 결과였다. 회사는 해당 표를 공개하며 그렇게 밝힌다. Kimi의 65.7%는 Moonshot의 출시 자료에 모델 기본값인 max 설정으로, 역시 회사가 통제하는 하네스에서 등장한다. 출시 표에는 Opus 5.5를 66.4%로 인용하는데, 이는 Anthropic이 공개한 것과 같은 수치이며, Moonshot이 이를 다시 실행했는지 아니면 인용했는지는 밝히지 않는다. 서로 다른 노력 설정과 서로 다른 스캐폴딩에서 벤더가 실행한 두 표 사이의 0.7포인트 차이는 두 모델 간 차이에 대한 측정이 아니다. 그것은 두 모델이 하네스 선택에 따라 순위가 결정될 만큼 충분히 가깝다는 진술이다.

두 가지 데이터 포인트가 더 같은 방향을 가리킨다. 같은 벤치마크에서 Opus 5.5에 대한 Artificial Analysis의 독립 평가는 출시 당시 보고된 대로 59.6%였는데, 이는 Anthropic 자체 수치보다 7포인트 낮은 것으로, 서버 측 안전장치 라우팅을 포함한 구성에서 나온 결과다. 그리고 Moonshot 자체 문서는 출시일 당시에도 Terminal-Bench와 과학 벤치마크 점수에 대해 문자 그대로 "[xx.x%]" 자리표시자를 여전히 담고 있었던 반면, 마케팅 게시물에는 그 숫자가 실려 있었다. 어느 사실도 상대적 품질에 대해 무엇도 입증하지 않는다. 둘 다 출시일 벤치마크 표가 무엇보다 먼저 마케팅 산출물임을 보여준다.

벤더들이 일치하는 부분에서는 이야기가 일관됩니다. {{1}}Kimi K3.1 Pro{{/1}}는 두 곳 모두 측정하는 작업에서 Opus 5.5에 근접하며, 자사의 전작보다는 큰 격차로 앞섭니다. Moonshot의 장기 지평 코딩 제품군은 55.95%에서 61.2%로 올랐고, 도구를 쓰지 않는 CAD 점수는 Opus의 73.0에 맞선 72.8이며, 벤더 자체의 어려운 세트에서 환각률은 도구 사용 시 23.4%에서 8.3%로 떨어졌습니다. 이 수치는 평가 외부에서도 유지된다면, 어떤 벤치마크 점수보다도 문서가 많은 작업에 더 중요합니다.

두 제품의 진짜 차이는 바로 노력 다이얼입니다.

두 모델 모두 추론 노력 필드를 노출하지만, 그 필드에 몇 개의 단계가 있고 어디에 머무는지에 대해서는 서로 의견이 다르다.

Kimi K3.1 Pro에는 low, high, max의 세 가지가 있으며 기본값은 max입니다. Claude Opus 5.5에는 low, medium, high, xhigh, max의 다섯 가지가 있으며 기본값은 medium입니다. 두 모델 모두 호출자가 사고를 끌 수 없습니다. Kimi는 샘플링을 아예 고정합니다 — temperature 1.0, top-p 0.95, n은 1 — 다른 값은 거부하므로 effort가 제공하는 유일한 동작 조절 수단입니다. Anthropic은 temperature를 설정 가능하게 두지만 적응형 사고를 항상 켜 두므로, 모델이 얼마나 많이 사고할지를 바꾸는 유일한 조절 수단은 effort입니다.

기본값이 실제로 일을 하고 있습니다. Kimi는 정직하지만 값비싼 기본값을 제공합니다: reasoning_effort를 전달하지 않는 모든 요청은 가장 깊은 설정의 비용을 치릅니다. Opus는 중간 단계로 제공되며, 상위 두 단계는 요청하는 호출자에게 남겨 둡니다. 워크로드를 마이그레이션하면서 다른 것은 아무것도 바꾸지 않았다면, 모델과 사고 예산을 모두 바꾼 것입니다. 이는 "더 저렴한 모델"이 실제로는 그렇지 않은 것으로 드러나는 가장 흔한 이유입니다. Anthropic 자체 표는 단일 모델 내에서 그 효과의 크기를 보여줍니다: CursorBench 4.0은 xhigh에서 57.8%, medium에서 52.5%를 기록하는 반면, FrontierCode는 동일한 두 설정 사이에서 0.2포인트 차이를 보입니다. 노력 민감도는 워크로드별로 다르며, 어떤 모델 카드도 여러분의 워크로드를 예측하지 못합니다.

두 경우 모두에 적용되는 운영상의 함정이 하나 있습니다. 대화 도중에 effort를 바꾸면 프리픽스 캐시 적중이 무효화되므로, 긴 세션의 중간에 effort를 올리는 에이전트는 자신이 캐시해 둔 모든 내용을 다시 읽는 비용을 치르게 됩니다. 레벨은 세션이 시작되기 전에 정하세요. 세션 도중이 아니라요.

당신이 보지 않는 동안 각 공급업체가 모델에 하는 일

이제 두 연구소 모두 일부 입력에서의 동작이 요청한 동작과 다른 모델을 출시했으며, 두 곳 모두 이를 공개적으로 설명하고 있다.

Anthropic의 Opus 5.5 출시 문서에 따르면 대부분의 사이버 관련 작업은 Claude Opus 4.8로 재라우팅될 수 있으며, 생물학 및 프런티어 모델 개발 작업은 Opus 5로 폴백될 수 있다. 이러한 폴백은 서버 측에서 발생한다. 응답은 다른 모델에서 반환되며, 호출자가 얻을 수 있는 유일한 신호는 콘텐츠뿐이다. 보안 인접 워크로드의 경우 이는 정책상의 각주가 아니라 실질적인 기능 변화다.

Moonshot은 다른 길을 택했다. 중간 학습과 강화학습 단계 모두에서 사이버 관련 데이터를 제거하면서 일반 코딩은 유지했고, 그에 따른 비용을 공개했다. 적대적 코딩 점수는 완화 조치가 없는 체크포인트의 90.5%에서 출시한 모델에서는 81.0%로 떨어졌다. 회사는 이를 공격적 사이버 능력에 대한 의도적인 상한선으로 규정하며, 그 상한을 점진적으로 높이겠다고 말한다. Kimi K3.1 Pro는 요청을 다른 경로로 돌리지 않는다. 단지 해당 한 범주에서 자사 공급업체가 직접 공개한 격차만큼 더 약할 뿐이다.

어느 쪽이 더 나은지는 무엇을 만들고 있느냐에 달려 있다. 선택한 모델에서 결정론적 출력이 필요하다면, 조용한 폴백은 공개된 약점보다 worse? Wait translate: "조용한 폴백은 공개된 약점보다 더 나쁘다." If need strongest possible result on task vendor has gated, fallback may still be better than refusal — but you are now benchmarking two models while thinking you are using one. Korean: "공급업체가 제한을 걸어 둔 작업에서 가능한 가장 강력한 결과가 필요하다면, 폴백이 거절보다 여전히 나을 수 있다. 하지만 이제 당신은 하나의 모델을 사용한다고 생각하면서 두 모델을 벤치마킹하고 있는 셈이다." Need preserve "worse than" etc. Final only translated. Ensure no "worse?" accidental. Good.어느 쪽이 더 나은지는 무엇을 만들고 있느냐에 달려 있다. 선택한 모델에서 결정론적 출력이 필요하다면, 조용한 폴백은 공개된 약점보다 더 나쁘다. 공급업체가 제한을 걸어 둔 작업에서 가능한 가장 강력한 결과가 필요하다면, 폴백이 거절보다 여전히 나을 수 있다. 하지만 이제 당신은 하나의 모델을 사용한다고 생각하면서 두 모델을 벤치마킹하고 있는 셈이다.

오픈 웨이트 문제를 결정할 날짜

Kimi K3.1 Pro는 오픈 웨이트 모델로 판매되고 있지만, 아직 가중치는 공개되지 않았습니다. Moonshot은 전체 가중치를 2026년 11월 4일까지 공개할 것이라고 밝혔습니다. 그때까지는 어떤 비교에서든 오픈 웨이트 항목은 약속에 불과하며, Kimi K3를 호스팅하는 Hugging Face 조직에는 10월 24일 현재 K3보다 최신인 것이 없습니다.

Claude Opus 5.5에는 오픈 웨이트 계획이 없으며 앞으로도 없을 것입니다. 호스팅 API를 호출할 수 없는 배포 환경이라면 가격과 무관하게 비교는 거기서 끝입니다. 한쪽은 11일 뒤에 다운로드할 수 있을지도 모르는 제품이고, 다른 쪽은 임대입니다. 그 외의 모든 이들에게 11월 4일은 가격 비교가 조달상의 선택이 아니라 진짜 아키텍처 선택이 되는 날짜입니다.

오늘 무엇을 달릴까

다음은 요금표에 나오지 않는 부분, 즉 가용성입니다. Claude Opus 5.5는 오늘부터 OrcaRouter를 통해 100만 토큰당 $4.00 및 $20.00, 캐시 읽기 $0.20에 호출할 수 있습니다. 공급자의 정가를 마크업 없이 그대로 적용한 가격이며, 나머지 스택과 동일한 키로 사용할 수 있고, 지난 7일간 저희 라우트에서 측정한 첫 토큰까지의 중앙값은 3.86초입니다. Kimi K3.1 Pro는 10월 24일 같은 카탈로그에 $2.00 및 $10.00, 캐시 읽기 $0.20, 1,048,576토큰 윈도우, 공개된 출력 상한 943,718토큰으로 합류했습니다. 이제 둘 다 하나의 키로 응답합니다.

두 모델을 하나의 키 뒤에 두는 것은 어느 벤더 문서에도 언급되지 않은 부분입니다. 가격 차이가 2배라면, 승자를 고르는 것보다 더 중요한 결정은 라우팅 정책입니다. 까다로운 5분의 1의 트래픽은 Opus 5.5로 보내고, 나머지는 Kimi K3.1 Pro로 보내며, 어느 쪽이든 지연이 발생하면 자동 페일오버가 처리하도록 하십시오. 패스스루 모델이 그 계산을 정직하게 유지합니다. 분할된 각 쪽은 공급자가 공개한 자체 가격으로 청구되며 그 위에 아무것도 추가되지 않습니다. 따라서 계산한 절감액이 그대로 실제 절감액이 되고, 어느 벤더의 가격 변경이든 같은 날 여기에 반영됩니다.

그렇게 하면 비교는 다시 원점으로 돌아간다. 당신의 작업이 두 모델이 서로 1점 이내로 측정되는 과제들에 의해 주로 이루어진다면, 가격 차이가 전부이며 답은 더 저렴한 모델이다. 장기 호라이즌 코딩이 주를 이룬다면, 여기서 Opus는 3개월간의 독립 평가를 뒤에 두고 있고 Kimi는 어제 공개된 벤더 표를 가지고 있으므로, 0.7점은 신뢰할 숫자가 아니다 — 신뢰할 숫자는 실제로 배포할 노력 설정에서 실행한 당신 자신의 평가다. 두 벤더 모두 이제 이를 쉽게 할 수 있게 했는데, 둘 다 다이얼을 돌릴 수 있게 하고 다이얼에 드는 비용을 공개하기 때문이다.