Kimi K3.1 Pro vs Grok 4.7: 동일한 정확도, 72% 더 큰 비용

합성 풍력 발전 단지 웨어하우스를 기반으로 구축한 43문항 비공개 데이터 분석 시험에서 Kimi K3.1 Pro와 Grok 4.7은 모두 42점을 받았습니다. 두 모델 모두 문제를 본 적이 없었고, 데이터는 조작되었으므로 어떤 답도 암기될 수 없었습니다. 점수도 같고 순위도 같았습니다 — 테스트한 34개 모델 중 공동 3위였습니다. 청구서는 같지 않았습니다: Kimi의 실행 비용은 $13.47, Grok의 비용은 $7.85였습니다.

그 숫자 한 쌍은 이 맞대결에 관해 누군가 공개한 것 중 가장 유용한 자료입니다. 왜냐하면 두 모델 모두 같은 사람들이 같은 날 같은 답변을 대상으로 실행한 유일한 직접 비교이기 때문입니다. 유통되는 거의 모든 다른 자료는 다른 스캐폴드에서 만들어진 벤더 벤치마크이거나, Kimi K3.1 Pro 대신 Kimi K3를 슬그머니 대입한 비교입니다. 그래서 이 글은 중립적 테스트가 보여주는 것부터 시작한 뒤, 실제 차이와 누가 테스트를 실행했는지에서 비롯된 인위적 산물인 차이를 구분합니다.

두 가지 모델, 두 가지 매우 다른 승부수

Kimi K3.1 Pro는 새로운 아키텍처가 아니라 Kimi K3를 후속 학습한 후속 모델로 2026년 10월 23일에 출시되었습니다. Moonshot AI는 2.8조 개 매개변수의 전문가 혼합(MoE) 백본, 1,048,576토큰 컨텍스트 창, 네이티브 이미지 및 비디오 입력을 유지했으며, 이번 릴리스의 초점을 에이전트 및 전문 영역 전반의 강화 학습에 두었습니다. 전체 가중치는 2026년 11월 4일까지 공개될 예정입니다.

Grok 4.7은 한 달 앞선 2026년 9월 21일에 xAI에서 출시되었습니다. 이 모델은 독점 모델이며, xAI가 확인하지 않은 약 2.1조 매개변수 기반으로 알려져 있고, 500,000토큰 입력 창과 450,000토큰 출력 상한을 갖추고 있으며, Grok 4.6의 가격을 유지합니다. 지식 컷오프는 2026년 6월이며, 8월까지 보충 학습이 이루어졌습니다.

• 가격 — Kimi K3.1 Pro는 백만 토큰당 입력 $2.00 / 출력 $10.00; Grok 4.7은 $2.00 / $6.00이며, 프롬프트가 200K 토큰을 초과하면 $4.00 / $12.00으로 인상됩니다.

• 캐시된 입력 — Kimi는 $0.20, Grok은 $0.50으로, 매 턴마다 동일한 저장소를 다시 읽는 에이전트에게는 대표 가격보다 더 중요한 역전입니다.

• 컨텍스트 — 500,000 대비 1,048,576 토큰. Kimi는 또한 단일 응답에서 최대 943,718개의 출력 토큰을 허용하는데, 이는 기능이라기보다 이 모델이 무엇을 위해 만들어졌는지에 대한 선언에 가깝다.

• 모달리티 — Kimi: 텍스트, 이미지, 비디오 입력 → 텍스트 출력; Grok: 텍스트, 이미지, 파일 입력 → 텍스트 출력.

• 추론 제어 — Kimi는 기본적으로 추론하며 노력 수준을 선택할 수 있습니다. Grok은 low, medium, high, xhigh를 제공하며 추론을 끄도록 허용하지 않습니다.

• 개방성 — Kimi의 가중치는 11월 4일까지 공개하겠다고 약속했으며, Grok은 API 전용으로서 앞으로도 그렇게 유지될 것입니다.

중립 지대, 그리고 그것이 얼마나 얇은지

Plotly의 시험은 이용 가능한 가장 명확한 비교입니다. 이는 합성 풍력 발전 설비 데이터 웨어하우스를 대상으로 한 비공개 43문항 테스트로, 분석 질문, 모호한 요청, 불가능한 요청, 통계 함정, 데이터 품질 점검, 그리고 능숙한 분석가라면 힌트 없이 찾아내야 하는 다섯 가지 심어 놓은 패턴으로 나뉩니다. Kimi K3.1 Pro는 42문항을 통과해 Kimi K3의 35문항에서 상승했습니다. Grok 4.7도 42문항을 통과했습니다. 두 모델 모두 43문항을 통과한 GPT-6.1 Sol과 GPT-6 Astra보다 뒤처집니다.

동점의 이면에 있는 세부 사항에서 두 모델이 갈린다. Kimi는 심어 놓은 다섯 가지 패턴을 모두 찾아냈고, 세 가지 데이터 품질 문제도 모두 잡아냈다 — 중복 행, 마지막 날 누락, 그리고 폐기된 터빈과 실제로 0을 생산하는 터빈의 차이다. 유일한 실수는 경계 오류였다. 펌웨어 설치 이전의 터빈일 2,775개를 '기타 펌웨어'로 집계했는데, 이로 인해 평균이 약 0.0003만큼 움직였고 테스트 허용오차를 간신히 벗어났다. 그것은 추론 실패가 아니라 정의의 경계에서 발생한 정밀도 실패다.

두 번째 중립 테스트는 정반대 방향을 가리킨다. DualEntry의 회계 평가에서 Grok 4.7은 88.1%로 공동 2위를 차지한 반면, Kimi K3.1 Pro는 86.1%로 4위였다. Kimi는 그 실행에서 작업당 비용이 0.079달러로 가장 저렴한 모델이었지만, 작업당 125.6초로 가장 느린 모델 중 하나이기도 했다. 두 개의 중립 테스트, 두 번의 거의 동률, 그리고 그 사이에서 뒤바뀌는 순위. 이것이 진정한 동료 비교의 모습이며, 대부분의 출시 당일 보도에는 없는 것이다.

차이가 실제로 존재하는 곳

글쓰기 성능은 근접전이 아니다. 초안을 10개의 브리프에 대해 초안당 4명의 심사자로 채점하는 ToneBench에서 Kimi K3.1 Pro는 2,205 Elo로 83개 구성 중 7위를 기록했고, Grok 4.7은 1,904로 25위였다. 95% 구간은 겹치지 않는다. 2,166–2,246 대 1,855–1,962다. Kimi는 10개 스크립트 중 9개, 9개 하위 지표 중 7개에서 이겼으며, 가장 큰 격차는 길이 준수(95.4 대 78.7)와 시각적 단서(84.9 대 78.8)에서 나타났다. Grok의 승리는 근소했고 어조와 YouTube 관례에 국한됐다. 스크립트당 $0.251 대 $0.215로, 이는 비용 결정이 아니다.

코딩과 에이전트 작업은 증거가 지저분해지는 영역이며, 대부분의 비교가 오해를 불러일으키는 영역이다. xAI는 Grok 4.7이 Terminal-Bench 4.0에서 37.6–38.0%를 기록했다고 보고한다. Moonshot은 Kimi K3.1 Pro가 같은 벤치마크에서 65.7%를 기록했다고 보고한다. 이 수치들은 28포인트 차이가 나지만, 그것이 Grok이 절반 수준의 모델이라는 뜻은 아니다. 왜냐하면 Terminal-Bench 점수는 하네스, 시간 제한, 허용된 시도 횟수에 따라 수십 포인트씩 움직이기 때문이다. 서로 다른 연구소에서 산출된 65.7%와 38.0%는 같은 이름을 쓰고 있을 뿐 서로 다른 두 측정치다.

존재하는 독립적인 코딩 근거는 Grok에 유리하지만, 그것은 K3.1 Pro가 아니라 Kimi K3에 관한 근거다. 표준 미니 에이전트 스캐폴드를 통해 실행한 SWE-bench Verified에서 Grok 4.7은 95.6%를 기록해 Kimi K3의 93.4%를 앞섰다. K3.1 Pro에 해당하는 수치는 아무도 공개하지 않았다. Moonshot 자체의 장기 지평(long-horizon) 수치 — Kimi Code Bench 3.0 Long-horizon에서 61.2%로 K3의 55.95%를 앞섰고, SWE Marathon에서 51.7%로 Claude Opus 5.5의 45.6%를 앞섰다 — 는 포스트 트레이닝이 도움이 되었음을 시사하지만, 그것은 자사가 만든 벤치마크에서 벤더가 자기 숙제를 스스로 채점한 것에 불과하다.

긴 컨텍스트는 벤치마크가 필요 없는 유일한 역량 격차다. 100만 토큰 대 50만 토큰은 2배 차이고, Kimi의 캐시 적중 가격은 Grok의 절반도 안 된다. 워크로드가 모노레포, 계약서 세트 또는 1년치 지원 티켓이라면, 비교는 어떤 점수도 읽기 전에 이미 판가름 난다.

청구서가 다른 이유

Plotly 시험에서의 72% 비용 격차는 요금표만으로는 설명되지 않습니다. Kimi의 출력 가격은 67% 더 높으므로 동일한 토큰 수에서는 비용이 더 들겠지만, 두 모델이 같은 답변 품질을 낸 테스트에서 72% 더 들지는 않습니다. 나머지는 얼마나 많이 작성하는지와 거기까지 도달하기 위해 얼마나 많은 호출을 하는지에서 비롯됩니다.

Kimi는 질문당 평균 약 7.5회의 모델 호출과 질문당 중앙값 2.5분을 기록했으며, 이는 34개 모델 중 두 번째로 느린 속도였습니다. 그 시간의 약 90%는 SQL 실행이 아니라 모델 응답이었습니다. 숨겨진 패턴 문제에서는 약 73회의 도구 호출을 했습니다. 다른 곳에서의 Grok 독립 테스트에 따르면 Grok은 작업당 Grok 4.6보다 약 두 배의 출력 토큰을 소비하는 것으로 나타났는데, 이는 반대 방향으로 작용합니다. 이 시험에서의 순효과는 Grok이 단계당 더 많은 토큰을 소모했음에도 불구하고 정답당 더 적은 달러를 지출했다는 것입니다.

프로덕션 에이전트의 계산은 이렇습니다. 100K 입력 토큰을 읽고, 8K 출력을 쓰며, 20턴 동안 실행되는 작업을 가정해 보세요.

• Kimi K3.1 Pro, 캐시 미사용 — 20턴 기준 입력 $0.20 + 출력 $0.08이면 작업당 약 $5.60입니다.

• Grok 4.7, 캐시 없음 — 동일한 구성에서 입력 $0.20에 출력 $0.048이면 작업당 약 $4.96입니다.

• Kimi K3.1 Pro, 캐시 적중률 70% — 턴당 입력 비용이 $0.074로 떨어져 작업 비용은 대략 $3.08이 됩니다.

• Grok 4.7, 70% 캐시 적중 — 입력 비용이 턴당 $0.095로 낮아져 작업 비용은 대략 $2.86이 됩니다.

따라서 Grok은 높은 캐시 적중률에서도 에이전트 사례에서 이깁니다. 출력 토큰이 지배적이고 Grok이 출력 토큰 요금을 40% 덜 받기 때문입니다. Kimi는 출력이 입력에 비해 작을 때만 앞섭니다. 100K 입력과 1K 출력, 70% 캐시인 검색 호출을 보면 Kimi는 $0.084, Grok은 $0.101로 Kimi가 17% 이깁니다. 전환점은 캐시 비율이 아니라 입력 대 출력 비율입니다. 읽기 중심 작업은 Kimi로, 쓰기 중심 작업은 Grok으로 가야 하며, 솔직한 조언은 어느 한 벤더의 예시를 믿기보다 자신의 비율을 측정하라는 것입니다.

속도는 비용만이 아니라 시스템의 형태를 바꾼다

자체 측정 기준 Kimi K3.1 Pro의 첫 토큰까지 걸리는 중앙값 시간은 초당 48토큰에서 6.9초입니다. 제3자 테스트에서 Grok 4.7은 첫 토큰까지 약 1.3초, 초당 약 61토큰으로 작동합니다. 채팅 제품에서는 그 차이가 눈에 띕니다. 20번의 순차 호출을 수행하는 에이전트에게는 이것이 작업이 즉각적으로 느껴지는지, 고장 난 것처럼 느껴지는지의 차이이며, Kimi가 글쓰기 점수에서 더 앞서는데도 여러 코딩 도구 비교가 Grok에 승리를 주는 진짜 이유가 바로 이것입니다.

추론 제어는 이 문제를 더욱 심화시킨다. Grok은 노력 수준을 low에서 xhigh까지 조절할 수 있고 그에 따라 비용을 청구한다. low 설정에서 ToneBench는 스크립트당 $0.064로 1,815 Elo를 측정했는데, 이는 medium 설정 비용의 4분의 1이다. Kimi는 기본적으로 추론하며 그 노력 설정은 더 무딘 도구인데, 샘플링이 temperature 1.0과 top_p 0.95로 고정되어 있으며 이 값들에 대해서는 대안을 거부한다. 파이프라인이 저온 결정성에 의존한다면, 그것은 무엇이든 벤치마킹하기 전에 해결해야 할 호환성 문제다.

어느 것이 프로덕션에 들어가야 하나요?

작업이 롱컨텍스트이고 문서 비중이 높을 때는 Kimi K3.1 Pro를 선택하세요. 계약 검토, 금융 리서치, 다중 파일 저장소 분석, 그리고 모델이 질문에 답하는 대신 무엇이 빠졌는지 알아차려야 하는 데이터 품질 감사에 적합합니다. 1M 창, 저렴한 캐시, 도구 사용 시 환각성 주장이 23.4%에서 8.3%로 감소했다는 Moonshot의 보고는 모두 같은 방향을 가리킵니다. 또한 둘 중 다운로드 가능한 유일한 모델이며, 워크로드가 귀하의 인프라를 떠날 수 없는 경우 이는 중요합니다.

지연 시간이 제품의 일부일 때는 Grok 4.7을 선택하세요. 대화형 코딩 어시스턴트, IDE 에이전트, 6초의 멈춤이 결함으로 읽히는 고객 대면 도구 사용이 그렇습니다. 출력 비용이 더 저렴하고, 첫 토큰까지 더 빠르며, 독립적인 코딩 증거는 — 비록 빈약하지만 — Grok 4.7의 편에 서 있습니다. 500K 창은 대부분의 리포지토리 작업에는 제한이 아니지만, 일부에는 제한입니다.

단일 승자를 원하는 사람에게 불편한 답은, 두 모델이 둘 다 치른 유일한 중립적 테스트에서 동점이며, 타이브레이커는 입력 대 출력 비율과 지연 시간 예산이라는 점입니다. 이는 한나절이면 측정할 수 있는 속성이고, 어떤 출시 글로도 그것이 무엇인지 알려줄 수 없습니다.

두 번째 계약 없이 둘 다 실행하기

이번 맞대결은 두 모델을 모두 시험해 보는 데 드는 비용이 저렴한 유일한 경우입니다. OrcaRouter는 kimi/kimi-k3.1-pro과 grok/grok-4.7을 동일한 키에서 마크업 없이 공급자 정가로 제공하므로, 위의 $2.00, $10.00, $6.00은 재판매업체가 제시한 가격이 아니라 실제로 청구되는 금액입니다. 여기서는 이 점이 평소보다 더 중요합니다. 결정이 자체 애플리케이션 내부에서 측정된 캐시 동작과 지연 시간에 달려 있기 때문입니다. 즉, 두 모델을 공정하게 비교하려면 하나의 엔드포인트와 하나의 청구서 뒤에 두 모델이 모두 있어야 합니다.

이는 폴백 시나리오도 바꿉니다. 공급자 전반에 걸친 자동 장애 조치가 있으면 한 모델의 속도 제한이나 장애가 기능 전체를 중단시키지 않으며, 라우팅 DSL을 사용하면 두 통합을 유지하는 대신 단일 정책 안에서 긴 컨텍스트 경로는 Kimi로, 대화형 경로는 Grok으로 보낼 수 있습니다. 아직 결정 중이라면, 이는 벤치마크 표에서 고르는 대신 프로덕션 트래픽의 일부에서 평가를 실행하는 방법입니다.

이 평결을 바꿀 수 있는 것은 무엇인가요

두 가지 모두 날짜가 정해져 있습니다. 첫 번째는 Moonshot이 전체 가중치를 공개하겠다고 약속한 {{1}}11월 4일{{/1}}입니다. 이 정도 품질의 오픈 웨이트 Kimi K3.1 Pro는 규정 준수상 자체 호스팅이 필요한 모든 이의 판단 기준을 바꿔 놓으며, {{2}}독립 연구소가 API 예산 없이 모델을 실행할 수 있게 되는 시점{{/2}}이기도 합니다.

두 번째는 제대로 된 에이전트 방식의 정면 대결이다. 유통되는 모든 코딩 비교는 Kimi K3.1 Pro 대신 Kimi K3를 사용하거나, 두 벤더의 하네스를 마치 하나의 측정값인 것처럼 비교한다. 누군가 두 모델을 동일한 작업에서 동일한 스캐폴드로 실행하는 순간—Plotly가 데이터 분석에서 했던 방식처럼—코딩 질문은 더 이상 논쟁거리가 아니게 된다. 그때까지 방어 가능한 입장은 지루한 쪽이다. 속도와 대화형 코딩에는 Grok 4.7, 긴 컨텍스트와 글쓰기 및 문서 작업에는 Kimi K3.1 Pro를 쓰고, 둘 중 어느 것도 프로덕션 경로를 얻기 전에 자체 트래픽에서 둘 모두를 측정하라는 것이다.