GPT-6.1 Sol vs Kimi K4: het model in de titel is nooit aangekondigd

Kimi K4 is niet zomaar een onaangekondigd model. Het is een naam waar helemaal geen model achter zit. Moonshot AI heeft nooit een K4-modelkaart, een K4-repository, een K4-API-identifier of een K4-prijzenrij gepubliceerd, en de eigen onderzoeksindex stopt bij Kimi K3. Artificial Analysis heeft geen K4-pagina. De naam is in juli in omloop gekomen via een uitgelekt interne banner, en alles sindsdien is extrapolatie van Kimi K3, een echt en best wel goed model. GPT-6.1 Sol daarentegen is sinds 29 september 2026 algemeen beschikbaar op de OpenAI API voor $2,00 per miljoen inputtokens en $10,00 per miljoen output. De vergelijking die eerlijk kan worden opgeschreven is dus Sol tegenover het Kimi-model dat bestaat — Kimi K3.1 Pro — met een uiteenzetting van waaraan K4 zou moeten voldoen om wachten zinvol te maken.

Een naam waar geen model achter zit

Het bewijs verdient het om uiteengezet te worden, omdat de hoeveelheid K4-content online enorm buiten verhouding staat tot het bewijs.

• juli 2026 — een uitgelekte interne feestbanner van Moonshot bevat de zin "drijf K4 tot het absolute uiterste". Dit is de oorsprong van de naam.

• 29 juli 2026 — The Information meldt dat Moonshot extra Nvidia Blackwell-klasse-capaciteit zoekt om een model groter dan K3 te trainen. Het rapport noemt geen model, geen parameteraantal en geen datum. Het is een verhaal over chipinkoop.

• 16 juli 2026 — Kimi K3 is uitgebracht: 2,8 biljoen totale parameters, 104 miljard actieve, een sparse mixture-of-experts met 896 gerouteerde experts en 16 actieve, een context van 1.048.576 tokens en een vision-encoder. De gewichten werden eind juli gepubliceerd.

• 11 oktober 2026 — Chinesealige media melden dat een model met 5–6 biljoen parameters in training is, "waarschijnlijk" K4, zonder een genoemde bron.

• 15 oktober 2026 — een onbevestigde bewering dat een vlaggenschip met codenaam "x4" de pre-training heeft afgerond en zich in de midden- tot late fase van post-training bevindt.

• 23 oktober 2026 — Moonshot levert in plaats daarvan Kimi K3.1 Pro.

Elk K4-benchmarkcijfer, elke contextlengte en elke prijs die je hebt gezien, is rekenwerk op basis van K3's cijfers. Voorspellingsmarkten schatten de kans dat K4 uiterlijk 31 december 2026 wordt uitgebracht op ongeveer 6%, en uiterlijk 31 maart 2027 op ongeveer 17%. Er is ook een onopgeloste kwestie die het weten waard is: beschuldigingen dat Moonshot via Thailand toegang tot GB300 heeft verkregen en heeft gedistilleerd uit de modellen van Anthropic, met een dreigende maatregel rond de Commerce Entity List. Dat is achtergrond, geen K4-specificatie, maar het is wel het soort ding dat een lanceringsdatum beïnvloedt.

Het Kimi-model dat je echt kunt vergelijken

Kimi K3.1 Pro is uitgebracht op 23 oktober 2026 en staat op 24 oktober in onze catalogus vermeld als kimi/kimi-k3.1-pro. Het kost $2.00 per miljoen invoertokens en $10.00 per miljoen output — precies het hoofdtarief van GPT-6.1 Sol — met gecachte invoer tegen $0.20 in plaats van $0.10 bij Sol. Het heeft een context van 1,048,576 tokens en, ongewoon, een maximale output van 943,718 tokens. Dat outputplafond is geen typefout, en het is het meest interessante getal in deze vergelijking.

Hier is het paar op Artificial Analysis Intelligence Index v5.0.1, beide op het maximaal gepubliceerde inspanningsniveau.

• Intelligence Index v5.0.1 — Sol 55 vs K3.1 Pro 46, een verschil van negen punten

• Kosten per voltooide indextaak — Sol $1,27 vs K3.1 Pro $3,68

• Outputtokens tijdens de indexrun — Sol 63,7 miljoen vs K3.1 Pro 113 miljoen

• Uitvoersnelheid — Sol 56 tokens/sec vs K3.1 Pro 33 tokens/sec

• Contextvenster — Sol 1.050.000 versus K3.1 Pro 1.048.576, vrijwel identiek

• Maximale uitvoer in één antwoord — Sol 128.000 vs K3.1 Pro 943.718

• Invoer-/uitvoerprijs per 1M — $2.00 / $10.00 voor beide

• Gecachte invoer per 1 mln — Sol $0,10 vs K3.1 Pro $0,20

• Redeneerbeheer — Sol heeft redeneren altijd ingeschakeld, van laag tot max, met medium als standaard en zonder uit-schakelaar; K3.1 Pro heeft denken standaard aan, met selecteerbare inspanning: geen, laag, hoog of max

• Invoermodaliteiten — Sol accepteert tekst, afbeeldingen en bestanden; K3.1 Pro accepteert tekst, afbeeldingen en video

• Gewichten — Sol gesloten; de checkpoint van K3.1 Pro werd op 2 november 2026 gepubliceerd

De identieke headline rate is een goede herinnering dat de lijstprijs niet de kostprijs is. K3.1 Pro verbruikte 1,8 keer zoveel outputtokens als Sol om dezelfde index te voltooien en kostte per taak 2,9 keer zoveel. Het is met een ruime marge ook de langzamere van de twee, met 33 tokens per seconde, wat meer dan anders van belang is omdat dit steady-stategeneratie is bij een model dat nadenkt voordat het schrijft.

Waar K3.1 Pro de enige keuze is

Eén getal verdient een eigen sectie. Een maximale uitvoer van 943.718 tokens is ongeveer zeven keer de 128.000 van GPT-6.1 Sol. Als je taak erin bestaat een groot corpus te lezen en in één aanroep een lang gestructureerd artefact te produceren — een volledige codebase-migratie, een wettelijke review, een normalisatieopdracht van boeklengte — dan kapt Sol af bij 128K en K3.1 Pro niet. Dat is geen benchmarkverschil dat je met inspanningsniveaus kunt wegwerken; het is aan één kant een hard plafond.

De kosten van het gebruik ervan zijn reëel. Bij $10,00 per miljoen outputtokens kost het vullen van zelfs maar de helft van dat plafond ongeveer $4,70 alleen al voor de output, nog vóór eventuele reasoningtokens. Maar voor een klasse batchtaken is het alternatief geen goedkoper model, maar een chunkingpipeline met zijn eigen faalmodi. Als dat jouw workload is, is K3.1 Pro geen compromis; het is het model dat past.

Er is al voldaan aan de open-weights-reden om te wachten.

Zet de speculatie opzij en er is precies één structureel ding dat een K4 zou kunnen leveren en GPT-6.1 Sol niet: een downloadbaar checkpoint. Dat is de reden dat mensen Moonshot in de gaten houden, en het is de reden dat deze vergelijking een levende derde optie heeft die de kop over het hoofd ziet. De gewichten van Kimi K3.1 Pro zijn op 2 november 2026 gepubliceerd onder een aangepaste licentie. Drie dagen geleden, niet in een of andere toekomstige K4-release.

De repository is een checkpoint van 2,78 biljoen parameters. Bij 8-bits precisie is dat ongeveer 2,7 terabyte aan gewichten, nog vóór enige KV-cache of serving-overhead, en de k-gekwantiseerde artefacten in de repo zijn van dezelfde orde van grootte. Dit is een multi-node-implementatie met serieuze interconnect, geen download voor één GPU. Het aantal actieve parameters — 104 miljard bij Kimi K3 — bepaalt hoe snel het draait zodra het geheugen is betaald, en daarom kan een model van deze omvang op de juiste cluster op een bruikbare snelheid worden geserveerd en op de verkeerde helemaal niet.

De afweging is dus expliciet. Open weights halen een leveranciersafhankelijkheid weg en vervangen die door een kapitaaluitgave en een operationeel team. Bij $2.00 per miljoen inputtokens en $10.00 per miljoen outputtokens is de gehoste prijs van Kimi K3.1 Pro laag genoeg dat self-hosting op basis van rekenkracht alleen waarschijnlijk niet zal winnen; wat het wel wint, is dataresidentie, air-gapped deployment en de mogelijkheid om te fine-tunen op verkeer dat je aan niemand kunt sturen. Als dat vereisten zijn, worden ze vandaag vervuld door K3.1 Pro. Als dat niet zo is, zijn de open weights een mooie eigenschap die je nooit zult gebruiken.

Wat K4 daarbovenop zou toevoegen, op basis van het beschikbare bewijs, is een groter aantal parameters en een betere score. Dat is een reden om een model te upgraden. Het is geen reden om een deployment uit te stellen, en het is zeker niet de enige manier om gewichten te krijgen die je kunt vasthouden.

Waar de twee echte modellen voor de meeste teams uitkomen

Voor agents die tools aanroepen, document-QA en supportflows is GPT-6.1 Sol de betere standaard op elke gemeten as, behalve de lengte van de uitvoer: hogere indexscore, lagere kosten per voltooide taak, 70% snellere generatie, goedkopere cache-reads. Het draait lang genoeg in productie om een echt telemetrieprofiel te hebben — op basis van onze cijfers over zeven dagen: een mediane tijd tot het eerste token van 937 ms, een foutpercentage van 5,7% en 39,5 tokens per seconde aan uitvoer, over 382 miljoen tokens aan verkeer.

Voor batchwerk met lange output is Kimi K3.1 Pro het model waar je naar grijpt, en het plafond van 943K is de reden. Voor teams die de weights in eigen beheer moeten hebben, is Kimi K3.1 Pro vandaag het antwoord: het checkpoint bestaat, het is downloadbaar en het is drie dagen oud. Dat is de hele praktische inhoud van de K4-vraag, beantwoord door een model dat in oktober is uitgebracht.

Het routeringspunt is hier niet decoratief. Deze twee modellen hebben dezelfde lijstprijs en tegengestelde profielen: het ene is snel, goedkoop per taak en beperkt tot 128K output; het andere is traag, duur per taak en in feite onbeperkt. Dat is een schoolvoorbeeld van een splitsing per verzoek in plaats van een of-of-keuze. Beide zitten achter één sleutel tegen de lijstprijs van de provider zonder opslag, dus een routeringsregel kan batchtaken met lange output naar K3.1 Pro sturen en de interactieve agent-loop naar Sol zonder een tweede contract, of ze samenvoegen waar één antwoord van beide profiteert. De laag is wat je in staat stelt een K4-beslissing uit te stellen zonder het werk uit te stellen.

Het antwoord op "GPT-6.1 Sol of Kimi K4" is dat een van die twee een beslissing is en de andere een gerucht met een parameteraantal eraan vast. Als K4 in 2027 uitkomt met open gewichten en een score boven 46, is het een serieuze blik waard, en de manier om daar klaar voor te zijn is een stack waarin een model wisselen een routeringswijziging is. Erop wachten is geen strategie; het op een middag kunnen adopteren wel.