Kimi K3.1 Pro vs Claude Opus 5.5: de helft van de tariefkaart, 0,7 punt achter op één benchmark

Kimi K3.1 Pro en Claude Opus 5.5 zijn hetzelfde type model, verkocht voor precies de helft van de prijs. Het nieuwe vlaggenschip van Moonshot kost $2,00 per miljoen inputtokens en $10,00 per miljoen outputtokens; dat van Anthropic kost $4,00 en $20,00. Beide accepteren een miljoen tokens context. Beide denken altijd na voordat ze antwoorden. En op de enige benchmark die beide bedrijven publiceren, schelen ze 0,7 punt: 65,7% voor Kimi K3.1 Pro tegenover 66,4% voor Claude Opus 5.5 op Terminal-Bench 4.0. Dat is het hele pleidooi voor de uitdager in drie getallen, en het is een sterk pleidooi — met twee kanttekeningen die bepalen of het opgaat voor je workload: de twee scores zijn onder verschillende instellingen behaald, en de 2× is een prijs per token in plaats van een prijs per voltooide taak.

Kimi K3.1 Pro ging op 24 oktober 2026 live, een dag na de teaservideo waarin de naam werd genoemd. Claude Opus 5.5 is algemeen beschikbaar sinds 22 september. Geen van beide is een vers labexperiment: Opus 5.5 is het huidige model in de Opus-klasse dat Anthropic sinds eind september levert, en Kimi K3.1 Pro is een post-trained versie van Kimi K3 in plaats van een nieuwe architectuur. Dat maakt deze vergelijking ongewoon zuiver voor een pagina met model tegen model — beide prijskaarten zijn gepubliceerd, beide leveranciers publiceren een benchmarktabel en geen van beide modellen verschuilt zich achter een wachtlijst.

De twee tariefkaarten, regel voor regel

Vijf regels zijn van belang, en één ervan doorbreekt het patroon.

• Input — $2,00 per miljoen tokens bij Kimi K3.1 Pro tegenover $4,00 bij Claude Opus 5.5. Precies de helft.

• Output — $10,00 tegenover $20,00. Precies de helft, en output is de regel die dominant is in agentisch en redeneerwerk, waar het model veel meer schrijft dan het leest.

• Cache lezen — $0,20 bij beide. Dit is de anomalie: de twee leveranciers zijn het tot op de cent eens over de prijs van het lezen van een gecachte prefix, de kostenpost die domineert bij een langlopende agent die elke beurt een repository opnieuw leest.

• Cache schrijven — Kimi rekent $2,00 voor een cache-entry van vijf minuten en $4,00 voor een uur; Anthropic rekent $5,00 en $8,00. Kimi is ook hier goedkoper, en wel met meer dan de helft.

• Snelle varianten — Kimi K3.1 Pro Highspeed kost $4.00 en $20.00, ongeveer twee tot drie keer de outputsnelheid. Anthropic's snelle modus op Opus 5.5 kost $8.00 en $40.00 bij maximaal 2,5×. Dezelfde verhouding, dezelfde verdubbeling.

De rekensom voor een gemengd verzoek is dus eenvoudig. Een aanroep die een miljoen invoertokens leest en 200.000 uitvoertokens schrijft, kost $4,00 op Kimi K3.1 Pro en $8,00 op Opus 5.5. Een agent die een context van een miljoen tokens opnieuw leest met een cachehitpercentage van 70%, betaalt $0,74 voor invoer op Kimi tegenover $1,34 op Opus, of $2,74 tegenover $5,34 wanneer de uitvoer wordt meegerekend. De besparing komt van verse invoer en uitvoer, niet van caching, omdat caching op beide hetzelfde kost.

Wat de tariefkaart niet vertelt, is hoeveel tokens elk model verbruikt. Kimi K3.1 Pro staat standaard op de hoogste redeneerinstelling, max. Claude Opus 5.5 staat standaard op medium. Een model dat standaard op max denkt, schrijft gemiddeld meer redeneertokens per antwoord dan een model dat op medium denkt — dus de geadverteerde 2× is een prijs per token, niet een prijs per voltooide taak, en het werkelijke verschil hangt af van hoeveel van Kimi's extra denkwerk je werk echt nodig heeft. Moonshot publiceert geen cijfer voor tokens per taak dat dat zou beslechten.

De enige benchmark die beide labs publiceren, en waarom die geen meting is

Terminal-Bench 4.0 komt het dichtst in de buurt van een gedeelde maatstaf bij deze twee lanceringen, en zelfs hier worden de twee getallen niet op dezelfde manier geproduceerd.

Anthropic's 66,4% werd gedraaid op xhigh-inspanning, één niveau boven de standaardinstelling medium van het model, op Anthropic's eigen harness, met de veiligheidsroutering actief. Het bedrijf publiceert de tabel en zegt dat ook. Kimi's 65,7% verschijnt in Moonshots lanceermateriaal bij de standaard max-instelling van het model, op een harness die het bedrijf ook zelf beheert; de lanceringstabel noemt Opus 5.5 op 66,4%, hetzelfde cijfer dat Anthropic publiceerde, zonder te zeggen of Moonshot het opnieuw heeft gedraaid of het heeft geciteerd. Een verschil van 0,7 punt tussen twee door leveranciers gedraaide tabellen, bij verschillende inspanningsinstellingen, op verschillende scaffolding, is geen meting van het verschil tussen de modellen. Het is een uitspraak dat de twee dicht genoeg bij elkaar liggen om de volgorde door harness-keuzes te laten bepalen.

Nog twee datapunten wijzen dezelfde kant op. De onafhankelijke evaluatie van Opus 5.5 op dezelfde benchmark, van Artificial Analysis zoals gerapporteerd bij de lancering, is 59,6% — zeven punten onder Anthropics eigen cijfer, in een configuratie die safeguard-routing aan serverzijde omvat. En Moonshots eigen documentatie bevatte op de dag van de lancering nog steeds letterlijke "[xx.x%]"-placeholders voor zijn Terminal-Bench- en science-benchmarkscores, terwijl de marketingpost de cijfers bevatte. Geen van beide feiten bewijst iets over relatieve kwaliteit. Beide tonen aan dat benchmarktabellen van de lanceerdag in de eerste plaats marketingartefacten zijn.

Waar de leveranciers het wel eens zijn, is het verhaal consistent: Kimi K3.1 Pro zit dicht bij Opus 5.5 op taken die beide meten, en loopt met ruime marge voor op zijn eigen voorganger. Moonshots langetermijn-codingsuite ging van 55,95% naar 61,2%, de CAD-score zonder tools is 72,8 tegenover Opus 73,0, en het hallucinatiepercentage op de eigen moeilijke set van de leverancier daalde van 23,4% naar 8,3% met tools — een cijfer dat, als het buiten de evaluatie standhoudt, voor documentintensief werk meer uitmaakt dan welk benchmarkpunt dan ook.

De inspanningsregelaar is het echte verschil tussen de twee producten

Beide modellen hebben een veld voor reasoning-effort; ze verschillen van mening over hoeveel standen het heeft en waar het standaard staat.

Kimi K3.1 Pro heeft er drie: laag, hoog en max, waarbij max de standaard is. Claude Opus 5.5 heeft er vijf: laag, medium, hoog, xhigh en max, waarbij medium de standaard is. Geen van beide modellen laat de aanroeper het denken uitschakelen. Kimi legt de sampling direct vast — temperatuur 1.0, top-p 0.95, n op 1 — en weigert andere waarden, dus effort is de enige gedragsknop die het biedt. Anthropic laat temperatuur instelbaar, maar houdt adaptief denken altijd aan, dus effort is de enige knop die verandert hoeveel het model denkt.

De standaardwaarden doen het echte werk. Kimi is standaard eerlijk maar duur: elk verzoek dat niet reasoning_effort meegeeft, betaalt voor de diepste instelling. Opus staat standaard op de middelste trede en reserveert de bovenste twee voor aanroepers die erom vragen. Als je een workload migreert en verder niets wijzigt, heb je zowel het model als het denkbudget ervan veranderd — de meest voorkomende manier waarop een ‘goedkoper model’ toch niet goedkoper blijkt te zijn. Anthropics eigen tabel laat zien hoe groot dat effect binnen één model is: CursorBench 4.0 scoort 57,8% bij xhigh en 52,5% bij medium, terwijl FrontierCode tussen dezelfde twee instellingen met 0,2 punt verschuift. Effort-gevoeligheid verschilt per workload, en geen enkele modelkaart voorspelt die van jou.

Eén operationele valkuil geldt voor beide. Als je halverwege een gesprek de inspanning wijzigt, vervallen prefix-cachehits, dus een agent die halverwege een lange sessie de inspanning verhoogt, betaalt om alles opnieuw te lezen wat hij in de cache had. Bepaal het niveau voordat de sessie begint, niet tijdens de sessie.

Wat elke leverancier met het model doet wanneer je niet kijkt

Beide labs hebben nu een model uitgebracht dat bij sommige inputs niet het gedrag vertoont dat je hebt gevraagd, en beide beschrijven dat openlijk.

De lanceringsdocumentatie van Anthropic's Opus 5.5 zegt dat de meeste cybergerelateerde taken mogelijk worden omgeleid naar Claude Opus 4.8, en dat werk op het gebied van biologie en de ontwikkeling van frontiermodellen kan terugvallen op Opus 5. Die fallbacks vinden server-side plaats: het antwoord komt van een ander model terug, en het enige signaal voor de aanroeper is de inhoud. Voor een beveiligingsgerelateerde workload is dit een echte verandering in capaciteit, geen beleidsvoetnoot.

Moonshot koos een andere route. Het verwijderde cybergerelateerde data uit zowel de midtrainings- als de reinforcement-learningfase, terwijl het algemeen programmeren behield, en meldde de prijs daarvan: de adversariële codeerscore daalde van 90,5% op het checkpoint zonder mitigatie naar 81,0% op het model dat het uitbracht. Het bedrijf presenteert dat als een bewuste beperking van offensieve cybercapaciteit en zegt die beperking geleidelijk op te trekken. Kimi K3.1 Pro leidt je verzoek niet om; het is simpelweg zwakker in die ene categorie, met een marge die de eigen leverancier heeft gepubliceerd.

Wat beter is, hangt ervan af wat je bouwt. Als je deterministische output nodig hebt van het model dat je hebt gekozen, is een stille fallback erger dan een kenbaar gemaakte zwakte. Als je het sterkst mogelijke resultaat nodig hebt voor een taak die de leverancier heeft afgeschermd, kan de fallback nog steeds beter zijn dan een weigering — maar je benchmarkt nu twee modellen terwijl je denkt dat je er één gebruikt.

De datum die beslist over de open-weight-kwestie

Kimi K3.1 Pro wordt verkocht als een open-weightmodel, en de gewichten zijn nog niet vrijgegeven. Moonshot zegt dat de volledige gewichten op 4 november 2026 worden vrijgegeven. Tot die tijd is de open-weightkolom van elke vergelijking een belofte, en de Hugging Face-organisatie die Kimi K3 host, heeft per 24 oktober niets nieuwers dan K3.

Claude Opus 5.5 heeft geen open-weightplan en zal dat nooit krijgen. Voor iedereen wiens deployment geen beroep kan doen op een gehoste API, houdt de vergelijking daar op, ongeacht de prijs: de ene kant is een product dat je over elf dagen misschien kunt downloaden, de andere kant is een huurproduct. Voor alle anderen is 4 november de datum waarop de prijsvergelijking een echte architectuurkeuze wordt in plaats van een inkoopkeuze.

Wat te lopen vandaag

Dit is het deel dat de tariefkaarten niet dekken: beschikbaarheid. Claude Opus 5.5 is vandaag via OrcaRouter aanroepbaar voor $4,00 en $20,00 per miljoen tokens, met cache-reads tegen $0,20 — de lijstprijs van de provider, doorgegeven zonder opslag — op dezelfde sleutel als de rest van je stack, met een mediane tijd tot het eerste token van 3,86 seconden over de afgelopen zeven dagen op onze route. Kimi K3.1 Pro kwam op 24 oktober bij dezelfde catalogus, tegen $2,00 en $10,00, cache-reads tegen $0,20, een venster van 1.048.576 tokens en een gepubliceerd uitvoerplafond van 943.718 tokens. Beide reageren nu via één sleutel.

Dat je beide achter één sleutel hebt, is iets wat in geen van beide leveranciersdocumenten staat. Bij een prijsverschil van 2× is de beslissing die zwaarder weegt dan het kiezen van een winnaar een routeringsbeleid: stuur het moeilijkste vijfde deel van je verkeer naar Opus 5.5, stuur de rest naar Kimi K3.1 Pro, en laat automatische failover een hapering aan beide kanten opvangen. Het pass-throughmodel is wat die rekensom eerlijk houdt — elke kant van de splitsing wordt gefactureerd tegen de eigen gepubliceerde prijs van de provider, zonder iets erbovenop, dus de besparing die je berekent is de besparing die je krijgt, en een prijswijziging bij een van beide leveranciers is hier dezelfde dag live.

Waarmee de vergelijking terug is bij waar ze begon. Als je werk wordt gedomineerd door de taken waarbij de twee modellen binnen één punt van elkaar liggen, is het prijsverschil het hele verhaal en is het antwoord het goedkopere model. Als het wordt gedomineerd door langdurige codingtaken, waarbij Opus drie maanden onafhankelijke evaluatie achter zich heeft en Kimi een leverancierstabel die gisteren is gepubliceerd, zijn de 0,7 punten niet het getal om te vertrouwen — het getal om te vertrouwen is je eigen evaluatie, uitgevoerd met de inspanningsinstelling die je daadwerkelijk gaat inzetten. Beide leveranciers hebben dat nu gemakkelijk gemaakt, want beide laten je aan de knop draaien en beide publiceren wat die knop kost.