
Qwen4-Max vs Kimi K3.1 Pro: 생각보다 판가름하는 것이 적은 41센트 차이
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 121 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 141 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 265 tok/s
Artificial Analysis 자체 수치에 따르면, 완료된 작업 하나의 비용은 Qwen4-Max에서 $3.27, Kimi K3.1 Pro에서 $3.68입니다. 41센트입니다. 일주일에 수천 개의 작업을 실행하는 에이전트용 모델을 고르는 상황이라면, 이 격차는 결정 전체를 좌우하는 것처럼 보입니다. 하지만 그렇지 않습니다 — 두 모델은 서로 반대 방향에서 그 수치에 도달하며, 그 방향이 바로 6주 뒤 로그에 나타나기 때문입니다. Qwen4-Max는 빠르고 장황함으로써 그 수치에 도달합니다 — 더 많은 출력 토큰을, 토큰당 비용은 절반도 안 되게 내놓습니다. Kimi K3.1 Pro는 느리고 간결함으로써 그 수치에 도달합니다 — 더 적은 토큰을 내놓지만 각 토큰의 비용은 두 배 이상입니다. 일반적으로 더 저렴한 모델은 어느 쪽도 아닙니다. 각각은 특정한 형태의 작업에 대해 더 저렴합니다.
그것이 이 두 모델을 볼 때 유용한 틀이며, 10월에는 없었던 방식으로 지금 가능하다. 두 모델 모두 동일한 독립 인덱스 개정판을 기준으로 하고 있고, 둘 다 상업적 조건을 공개했으며, 그중 하나는 가중치를 다운로드할 수 있다. 이어지는 내용은 벤치마크가 아니라 워크로드별 구분이다. 벤치마크는 이미 두 모델이 비슷하다고 말하고 있기 때문이다.
먼저, 이름
Moonshot 자체 모델 목록에는 그냥 kimi-k3.1이라는 모델이 없습니다. 제공되는 식별자는 kimi-k3.1-pro, kimi-k3.1-pro-highspeed 및 더 오래된 kimi-k3입니다; “Kimi K3.1”은 검색창과 언론에서 이 시리즈를 표기하는 방식이며, 그 뒤에 있는 모델은 Kimi K3.1 Pro입니다. 하이스피드 변형은 같은 모델을 대략 2~3배 속도로 제공하는 것입니다. 따라서 여기서 중요한 모든 비교는 Qwen4-Max 대 Kimi K3.1 Pro이며, 바로 그 쌍이 아래에서 측정됩니다. 정확히 “Kimi K3.1”이라는 모델의 스펙 시트를 보여주는 사람은 더 짧은 이름 아래에 Pro의 수치를 보여주는 것입니다.
Kimi K3.1 Pro는 2026년 10월 23일에 발표되었고, 공급업체 블로그 날짜는 24일이었으며, 가중치는 2026-11-02 타임스탬프가 찍힌 단일 커밋으로 Hugging Face에 공개되었습니다. Qwen4-Max는 2026년 11월 16일에 종량제 판매를 시작했습니다. 둘 다 나온 지 몇 주밖에 안 됐고, 어느 쪽도 프리뷰가 아니며, 둘 다 실제 요금표를 갖추고 있습니다 — 이것이 바로 이 비교를 추정치가 아닌 숫자로 수행할 수 있는 이유 전체입니다.

매치업을 정의하는 두 개의 행
아래의 모든 내용은 공급업체 보고로 표시된 경우를 제외하면 Artificial Analysis Intelligence Index v5.0.1에서 가져온 것입니다. 이 지수는 특정 하루에 측정된 하나의 도구일 뿐입니다. 이 블로그에서는 개정으로 인해 모델 점수가 두 자릿수만큼 변동하는 사례를 보아 왔으므로, 그 편차는 방향성 정도로만 해석하세요.
• 지수 점수 — Qwen4-Max 43 대 Kimi K3.1 Pro 46. Kimi 모델이 3점 앞서 있으며, 이는 단일 지수 개정의 노이즈 범위 안에 있습니다.
• 작업당 비용 — Qwen4-Max $3.27 대 Kimi K3.1 Pro $3.68. Kimi 모델은 점수 우위에도 불구하고 완료된 작업당 12.5% 더 비쌉니다.
• 입력 가격 — Qwen4-Max는 싱가포르에서 100만 토큰당 $1.50, 기타 지역에서는 $1.413; Kimi K3.1 Pro는 $2.00
• 출력 가격 — Qwen4-Max $4.50 대 Kimi K3.1 Pro $10.00. 이는 전체 비교에서 가장 큰 격차이며, 토큰 수를 기반으로 구축된 비용 모델이 과도하게 가중치를 둘 항목이다
• 캐시 적중 가격 — Qwen4-Max는 싱가포르에서 백만 개당 $0.075, 기타 지역에서는 $0.071; Kimi K3.1 Pro는 $0.20. 둘 다 캐시된 읽기를 대폭 할인하며, Qwen의 할인 폭이 더 큽니다
• 작업당 실제 소요 시간 — Qwen4-Max 32.1분 대 Kimi K3.1 Pro 38.4분, 전체 참가 모델 중앙값 11.5분 대비. 둘 다 느리지만, Qwen이 둘 중 덜 느리다
• 처리량 — Qwen4-Max 초당 출력 토큰 55개, Kimi K3.1 Pro 초당 31개, 각 공급업체 자체 API에서 측정
• 토큰 소비량 — 인덱스 실행당 Qwen4-Max 1억 2,700만 출력 토큰 대 Kimi K3.1 Pro 1억 1,300만
• 컨텍스트 — Qwen4-Max는 문서상 1,000,000 토큰, 실사용 가능 984,000으로 측정됨; Kimi K3.1 Pro는 1,048,576
• 모달리티 — 둘 다 텍스트, 이미지, 비디오를 입력받고 텍스트를 반환합니다. Moonshot의 모델 가이드에는 Kimi K3.1 Pro가 비디오를 처리한다고 명시되어 있지만, 해당 모델에 대한 독립적인 요약에는 텍스트와 이미지만 나열되어 있습니다.
• 가중치 — Qwen4-Max는 아무것도 공개하지 않으며, 문서에는 파인튜닝과 배포가 지원되지 않는다고 표시되어 있다; Kimi K3.1 Pro의 2.8조 파라미터 체크포인트는 토큰당 1040억 개가 활성화되며, 기성 라이선스가 아닌 맞춤형 라이선스로 다운로드할 수 있다.
• 아키텍처, 공급업체 보고 기준 — Qwen4-Max는 2.4조 파라미터 백본으로 710억 개가 활성 상태이고 추가로 3280억 개의 N-gram 임베딩 파라미터를 보유; Kimi K3.1 Pro는 K3를 기반으로 구축된 포스트 트레이닝된 3T급 모델
출력 가격 행을 작업당 비용 행과 함께 읽으면 이 글의 전체 내용을 알 수 있습니다. Kimi K3.1 Pro는 출력 토큰당 두 배 이상을 청구하면서도 작업 하나를 끝내는 데는 41센트 더 듭니다. 더 적은 토큰을 내보내기 때문입니다. Qwen4-Max는 출력 토큰당 절반도 안 되는 비용을 청구하지만 거의 이득이 없습니다. 토큰을 12% 더 내보내기 때문입니다. 토큰당 가격은 청구서의 대리 지표일 뿐, 청구서 자체가 아닙니다. 청구서는 세 번째 행입니다.
워크로드 1: 장기 실행 에이전트
바로 여기서 41센트는 더 이상 반올림 오차가 아니다. 에이전트 루프는 작업 하나를 실행하는 것이 아니라 재시도가 많은 일련의 작업을 실행하며, 복리로 커지는 숫자는 가격이 아니라 실제 경과 시간이다. 인덱스 작업당 각각 32.1분과 38.4분으로, 두 모델 모두 해당 분야 중앙값인 11.5분보다 2~3배 느리다. 20개 작업 배치는 어느 쪽이든 실제 경과 시간으로 10~13시간이다. 루프가 지연 시간에 제약을 받는다면 이 둘 중 어느 것도 올바른 모델이 아니며, 가격으로 둘 사이를 고르는 것은 잘못된 변수를 최적화하는 것이다.
지연 시간에 구속되지 않는 경우 — 밤새 배치 실행, 장기 연구 작업, 백그라운드 문서 작업 — 결정적인 숫자는 완료된 작업당 토큰 수이며, 여기서 Qwen4-Max의 초당 55토큰 대 Kimi의 31토큰은 보이는 것만큼 중요하지 않다. 처리량은 단일 요청이 얼마나 빨리 소진되는지만 정할 뿐이고, 비용을 정하는 것은 모델이 답을 내기 전에 사고하는 데 쓰는 토큰 수다. Qwen4-Max는 그 토큰을 12% 더 많이 쓰고 단위당 55% 더 적게 청구한다.
워크로드 2: 긴 문서와 관련된 모든 작업
여기서부터 비교는 점수가 아니라 출력의 형태에 관한 것이 됩니다. 두 모델 모두 텍스트, 이미지, 영상을 읽고 텍스트를 쓰므로 모달리티를 이유로 든 논쟁은 할 수 없습니다. 이 섹션을 솔직하게 말하자면, Qwen4-Max의 영상 지원은 겉보기처럼 결정적 차이가 아닙니다. Moonshot의 모델 가이드에 따르면 Kimi K3.1 Pro도 영상을 처리하기 때문입니다. 문서 작업에서 두 모델을 가르는 것은 한 번에 얼마나 많은 분량을 작성해 돌려주는지, 그리고 그에 대해 얼마를 청구하는지입니다.
Qwen4-Max는 사고(thinking)를 끄면 출력이 131,072토큰으로 제한되며, 사고와 답변에 걸쳐 공유되는 262,144토큰까지 가능합니다. Kimi K3.1 Pro는 대략 943,000까지 올라갑니다. 요약을 반환하는 계약 검토에서는 그 차이가 전혀 드러나지 않지만, 마크업된 문서 전체를 다시 내보내도록 요청받은 파이프라인이나, 작업 세트 전반을 추론한 뒤 결과를 길게 작성해야 하는 파이프라인에서는 한 번의 호출과 이제 직접 구축하고 디버깅해야 하는 청킹 방식 사이의 차이입니다.
가격 격차는 반대 방향을 가리킨다. Qwen4-Max의 입력 요율은 25% 더 낮고 출력 요율은 절반 미만이므로, 대규모 코퍼스에 대한 추출-분류 작업, 즉 입력은 많고 출력은 적은 작업은 완료된 작업당 비용 면에서도, 과금 미터 기준에서도 Qwen4-Max가 상당히 더 저렴하다. 두 문단을 함께 읽으면 구분이 명확하다. 큰 코퍼스에 대한 짧은 답변은 Qwen4-Max에 유리하고, 같은 코퍼스에 대한 긴 답변은 Kimi 모델의 출력 상한에 유리하다.

워크로드 3: 웨이트가 필요한 경우
위의 행들 중 어느 것도 이 두 모델 사이의 가장 큰 차이를 다루지 않습니다. 그 차이는 숫자가 아니기 때문입니다. Kimi K3.1 Pro는 다운로드할 수 있습니다. Qwen4-Max는 그럴 수 없습니다. 해당 문서에서는 파인튜닝과 모델 배포를 지원하지 않는 것으로 표시하고 있으며, Alibaba의 출시 게시물은 더 작은 Qwen4 등급이 "오픈 소스로 공개될 예정"이라고만 약속하는데, 이는 이 모델이 아니라 제품군에 대한 진술입니다.
그것은 세 가지 특정 상황에서 중요하고 나머지 경우에는 무관합니다. 자체 데이터로 미세 조정해야 한다면 중요합니다. Qwen4-Max는 그에 대한 경로를 전혀 제공하지 않기 때문입니다. 규정 준수 태세상 가중치가 누군가의 API 뒤가 아니라 자체 경계 안에 있어야 한다면 중요합니다. 그리고 비용을 몇 달이 아니라 몇 년에 걸쳐 모델링한다면 중요합니다. 다운로드 가능한 3T급 체크포인트는 통제 가능한 한계 비용 곡선을 지닌 자본 지출인 반면, 임대형 플래그십은 변동될 수 있는 요금표입니다. 3조 파라미터 전문가 혼합 모델은 대부분의 팀이 사내에서 서빙할 수 있는 대상이 아닙니다 — 그것은 워크스테이션이 아니라 랙을 원합니다 — 하지만 “직접 실행하기에 비싸다”와 “직접 실행하는 것이 불가능하다”는 조달 질문에 대한 서로 다른 답이며, 그중 하나만 거래가 성사됩니다.
라이선스는 한 문장 정도는 정확히 짚고 넘어갈 가치가 있습니다. 대부분의 보도에서 "오픈 웨이트"라는 말이 상당히 많은 역할을 하고 있기 때문입니다. Kimi K3.1 Pro는 맞춤형 Kimi K3.1-Pro License에 따라 배포되며, K3에 적용됐던 Modified MIT 문구가 아닙니다. 그 부여 범위는 일반적인 의미에서 허용적입니다. 사용, 수정, 파인튜닝, 재배포, 판매가 가능하지만 두 가지 조건이 추가로 붙어 있습니다. 모델 서비스(MaaS) 사업을 운영하면서 연속된 12개월 동안 총매출이 2,000만 달러를 넘는다면, 해당 가중치를 상업적으로 사용하기 전에 Moonshot과 별도 계약을 체결해야 합니다. 또한 이를 기반으로 구축한 제품이 월간 활성 사용자 1억 명 또는 월 매출 2,000만 달러를 넘으면, 해당 제품의 인터페이스에 "Kimi K3.1-Pro"를 눈에 띄게 표시해야 합니다. 내부 사용과 Moonshot 자체 제품 또는 인증된 추론 파트너를 통한 사용은 두 조항 모두에 해당하지 않습니다. 이 가중치를 기반으로 제품을 만들 계획이라면, 요약이 아니라 라이선스 원문을 읽어 보십시오.
페어를 하나의 키에 배치하기
여기서부터 비교는 대칭성을 잃는데, 이 점은 솔직하게 짚고 넘어갈 만합니다. OrcaRouter는 kimi/kimi-k3.1-pro를 오늘부터 나머지 200개가 넘는 모델 식별자와 동일한 OpenAI 호환 엔드포인트에서 0% 마크업으로 라우팅합니다 — 제공업체의 정가가 그대로 전달되므로, 위의 $2.00과 $10.00은 누군가의 마진이 붙기 전에 벤더가 청구하는 금액이 아니라 여러분이 실제로 지불하는 금액입니다. Qwen4-Max는 라우팅하지 않으며, 이 페이지는 그렇다고 암시하지도 않을 것입니다. 해당 모델에 접근하려면 Alibaba 자체의 6개 리전이나 이를 재판매하는 서드파티 플랫폼을 거쳐야 합니다.
그 비대칭이 실제로 유용한 지점은 이 글에서 설명해 온 테스트입니다. 위의 워크로드별 분할은 트래픽에 관한 가설일 뿐 트래픽에 관한 사실이 아니며, 이를 값싸게 반증하는 방법은 동일한 프롬프트를 단일 엔드포인트에서 Kimi K3.1 Pro와 Qwen 3.8 티어로 실행하고, 자동 장애 조치가 그렇지 않으면 벤치마크 실행을 훼손할 제공자 측 일시적 문제를 처리하게 하는 것입니다. Kimi 모델이 작업당 41센트 이상으로 당신의 워크로드에서 이긴다면, 가중치 논거는 정당화하기가 더 쉬워집니다. 그렇지 않다면, 랙 하나에 관한 조달 논의를 아낀 셈입니다.

의사결정 규칙
지수 3포인트와 작업당 41센트의 비용으로는 이 모델들을 구분할 수 없습니다. 구분해 주는 것들은 이분법적이며, 다음 순서로 확인할 가치가 있습니다.
• 전체 문서를 한 번의 호출로 다시 작성해야 한다면 — Kimi K3.1 Pro의 약 943,000토큰 출력 상한은 Qwen4-Max의 262,144 공유 예산과 비교할 때 단순한 비율 차이가 아니라 차원이 다른 차이입니다
• 미세 조정, 자체 호스팅 또는 가중치 보유가 필요하다면 — Qwen4-Max는 제외입니다. 보유할 가중치가 없기 때문입니다.
• 실행이 실제 경과 시간(wall-clock)에 제약을 받는 경우라면 — 둘 다 적합하지 않습니다. 같은 보드에서 두 모델 모두 중앙값 모델보다 2~3배 느리며, Kimi가 둘 중 더 느립니다.
• 해당 사항이 하나도 없다면 — 완료된 작업당 더 저렴한 쪽을 선택하세요. 오늘 기준 수치로는 Qwen4-Max가 $3.27로 $3.68보다 저렴하며, 한 달 뒤에 다시 확인하세요. 두 공급업체 모두 이번 분기에 이미 가격을 한 번 변경했기 때문입니다.
솔직히 요약하면 Moonshot은 더 높은 점수를 받은 모델을, Alibaba는 더 저렴한 모델을 내놓았고, 각 방향의 격차는 작으며, 여기서 장기적인 파급 효과가 있는 유일한 선택지는 아무도 비교표에 넣지 않는 그것, 즉 임대하느냐 소유하느냐입니다. 나머지는 모두 41센트와 리비전에서의 반올림 오차일 뿐입니다.
이 글에서 비교한 모델2
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
