Step 5 Preview vs Kimi K3.1 Pro: beide modellen werden vorige week opnieuw beoordeeld. Dit is wat overleeft.

Als je Step 5 Preview en Kimi K3.1 Pro een week geleden had opgezocht, zou je met twee getallen zijn weggegaan: 44 en 55. Beide zijn verdwenen. Op 27 en 28 oktober 2026 heeft Artificial Analysis zijn Intelligence Index vervangen door versie 5, die 60% van zijn score haalt uit private of held-out testsets, en de score van hetzelfde model onder het oude beoordelingskader en onder het nieuwe is niet dezelfde meting. Step 5 Preview scoort 29 onder v5. Kimi K3.1 Pro scoort 46. Het gat van negen punten tussen hen is nu een vergelijking die je eerlijk kunt maken, en het is een ander gat dan dat waar de berichtgeving rond de lancering omheen was geschreven.

Wat volgt is die vergelijking, plus het deel dat niemand in een vergelijkingstabel zet: de twee modellen staan aan tegengestelde zijden van een kwestie rond gewichten die op 4 november wordt beslist, en alleen een van beide kan vandaag via OrcaRouter worden aangeroepen.

De twee getallen die iedereen citeert, zijn nu allebei onjuist.

Kimi K3.1 Pro werd op 23 oktober 2026 gelanceerd met een score van 55 op de Intelligence Index en een debuut op de vierde plaats, elf punten boven Kimi K3. Vier dagen later stond de score op 46. Aan het model veranderde niets; aan de meetlat wel. Artificial Analysis herbouwde de samengestelde index tot negen evaluaties in vier categorieën — Kenniswerk, Coderen, Wetenschap en Algemeen — en liet drie van de oudere evaluaties vallen, waaronder GDPval-AA v2.1, SciCode en AA-LCR v1.1. Het voegde FrontierCode 2.0 toe, een set van 132 private codeertaken die worden beoordeeld op de vraag of een patch het waard is om te worden samengevoegd, en Terminal-Bench-Science.

Step 5 Preview kreeg dezelfde klap te verduren, en wel harder. Het staat op 29 onder v5.0, tegenover 44 onder de vorige index, en het verliest meer van zijn ondersteunende bewijs dan Kimi, omdat het lanceermateriaal van StepFun precies leunde op de evaluaties die zijn verwijderd. De 88,3 op AA-LCR en de 58,9 op SciCode die in de meeste berichtgeving over dit model voorkomen, zijn nu scores van benchmarks die niet langer bijdragen aan de hoofdindex. Ze zijn nog steeds echte metingen van iets. Ze zijn niet meer datgene wat de index meet.

De gevolgen voor de rangorde verdienen het duidelijk te worden gezegd: onder v5 staat een model met open weights — of met beloofde open weights — op 46 twaalf punten achter de leider op 58, terwijl onder v4 de achterstand 3 was. Dat zegt iets over de rubric, niet over een plotselinge instorting van de capaciteiten, en elk artikel dat het als dat laatste voorstelt, leest zijn eigen bron verkeerd.

De specregels, één dimensie tegelijk.

• Totale en actieve parameters — Step 5 Preview: 600B totaal, 27B actief per token, 8 van de 352 experts plus één gedeelde. Kimi K3.1 Pro: 2.8T totaal, 104B actief.

• Wat voor release het was — Step 5 Preview: een nieuw vlaggenschip dat in previewvorm werd uitgebracht, met gewichten die later volgen. Kimi K3.1 Pro: een post-getrainde versie van Kimi K3 met grotere post-training-rekenkracht, inclusief gezamenlijk reinforcement learning over honderden domeinen — geen nieuwe architectuur.

• Contextvenster — Stap 5 Voorbeeld: 1M tokens. Kimi K3.1 Pro: 1.048.576 tokens.

• Invoermodaliteiten — Step 5 Preview: tekst, afbeeldingen en video. Kimi K3.1 Pro: tekst en afbeeldingen.

• Invoerprijs per miljoen tokens — Step 5 Preview: $1,00. Kimi K3.1 Pro: $2,00, vlak over het volledige contextvenster, zonder toeslag voor lange context.

• Uitvoerprijs per miljoen tokens — Step 5 Preview: $2,70. Kimi K3.1 Pro: $10,00.

• Gecachte invoer — Step 5 Preview: 90% korting op het invoertarief. Kimi K3.1 Pro: $0,20 per miljoen om te lezen, met cacheschrijfacties voor $2,00 bij een TTL van vijf minuten en $4,00 bij een TTL van één uur.

• Gewichten — Step 5 Preview: gepubliceerd op 15 oktober 2026, BF16 en FP8, onder StepFun Model License 1.0. Kimi K3.1 Pro: niet gepubliceerd; Moonshot heeft gezegd dat de gewichten uiterlijk 4 november 2026 worden verwacht.

• Onafhankelijke score volgens Intelligence Index v5.0 — Step 5 Preview: 29. Kimi K3.1 Pro: 46.

Kosten per voltooide taak, met de bijbehorende waarschuwing

Artificial Analysis meldt $ 2,35 per Intelligence Index-taak voor Step 5 Preview en $ 1,98 voor Kimi K3.1 Pro. Dat lijkt een kleine voorsprong voor Kimi, en het is de moeite waard om te begrijpen waarom die niet vanzelfsprekend een voorsprong is.

De twee cijfers zijn niet op dezelfde taakset geproduceerd, omdat de taakset tussen de twee metingen werd herbouwd. Beide zijn "kosten per indextaak" onder het composiet dat actief was op het moment dat het cijfer werd vastgelegd, waardoor de vergelijking hooguit indicatief is. Wat niet dubbelzinnig is, is het mechanisme: Kimi K3.1 Pro is breedsprakig en geeft ongeveer 55.000 outputtokens per taak uit, en 150 miljoen over een volledige run, tegen een mediaan van 87 miljoen; bij $10 per miljoen output is die breedsprakigheid duur. Zijn $1,98 is een gevolg van het afronden in minder factureerbare stappen, niet van een goedkoper token.

Step 5 Preview is per token goedkoper: een factor 3,7 op output en 2 op input, en met ruime marge het snellere model op basis van de beschikbare meting: 179,1 outputtokens per seconde via de API van StepFun tegen een klassemediaan van 74,1, terwijl Kimi K3.1 Pro rond 73 meet. Als je workload latentiegevoelig is en output-intensief, komt die rangorde overeen met de prijsvolgorde en is de beslissing eenvoudig. Als jouw workload er een is waarbij het verschil in antwoordkwaliteit van 17 indexpunten zwaarder weegt dan de tijd tot het eerste token, wijzen dezelfde cijfers de andere kant op.

Gewichten: één is eruit, één is een belofte met een datum

Dit is de asymmetrie die de benchmarktabellen verbergen. De gewichten van Step 5 Preview zijn sinds 15 oktober downloadbaar: BF16- en FP8-checkpoints op Hugging Face en ModelScope, recepten voor vLLM en SGLang op dezelfde dag, een technische blog die de 92-laagse narrow-deep-stack en het sparse GQA-attentiepatroon beschrijft. Het FP8-checkpoint vereist ongeveer 773 GB VRAM en minstens vier GPU's, met B300 als standaarddoel en acht H200's op het Hopper-pad. De licentie is die van StepFun zelf, niet OSI-goedgekeurd: naamsvermelding bij wezenlijk gebruikte outputs, een aparte onderhandeling voor hardwarefabrikanten, en een commerciële licentie voor model-as-a-service-aanbieders met meer dan $20 miljoen jaaromzet.

De gewichten van Kimi K3.1 Pro bestonden op de dag van de lancering niet — Artificial Analysis classificeerde het model op 24 oktober nog steeds als propriëtair — en de aangekondigde datum is 4 november 2026. Wanneer ze verschijnen, wordt het model van Moonshot het hoogst scorende downloadbare model op de v5-index, wat een werkelijk belangrijk moment is voor iedereen die capaciteit dicht bij de frontier wil zonder tussenkomst van een leverancier.

Tot 4 november gaat de vergelijking tussen een model dat je zelf kunt uitvoeren en een model dat je alleen kunt aanroepen. Dat is geen blijvend nadeel voor Kimi, maar deze week is het wel een echt nadeel, en het is de reden dat een beslissing die je vandaag neemt, misschien niet de beslissing is die je negen dagen later zou nemen.

Waar elk op dit moment aanroepbaar is

Een van deze twee modellen staat op OrcaRouter en het andere niet. Kimi K3.1 Pro staat in de livecatalogus als kimi/kimi-k3.1-pro, naast vijf andere Kimi-modellen. Step 5 Preview niet: de catalogus bevat 214 model-ID's bij 16 aanbieders, en er is per 29 oktober 2026 geen StepFun-vermelding in opgenomen. Als je Step 5 Preview vandaag wilt gebruiken, roep je de eigen API van StepFun aan of host je de checkpoint.

Die asymmetrie is het nuttige deel van deze vergelijking voor een routeringsbeslissing. Omdat we de lijstprijs van de provider zonder opslag doorgeven, is de Kimi-tariefkaart die je hier ziet de tariefkaart van Moonshot — $2,00 en $10,00 — en hetzelfde geldt voor elke prijsverlaging die Moonshot later doorvoert. En omdat failover automatisch is, komt de praktische versie van "Kimi is de goedkope, afgewogen optie" erop neer dat je het als eerste in een keten kunt plaatsen en de platform laat terugvallen wanneer een provider achteruitgaat, in plaats van een fallback in je client te coderen en die te onderhouden.

De migratievraag, als je overstapt

Drie dingen kosten je tijd, ongeacht welke kant je op gaat.

Het eerste is outputvolume. Het kostenprofiel van Kimi K3.1 Pro wordt gedomineerd door hoeveel het schrijft, niet door zijn tarief. Een prompt die op Step 5 Preview een bondig antwoord oplevert, kan op Kimi drie keer zoveel tokens opleveren, en je rekening volgt de tokens in plaats van de tariefkaart. Meet de outputtokens per taak op je eigen workload voordat je de twee prijzen überhaupt vergelijkt.

De tweede is cache-economie. Step 5 Preview geeft 90% korting op gecachte input. Kimi K3.1 Pro rekent $0,20 per miljoen voor het lezen van een cache, maar rekent ook voor het schrijven ervan — $2,00 bij een TTL van vijf minuten en $4,00 bij een TTL van een uur. Een agentloop die bij elke stap een lange systeemprompt opnieuw verzendt, is bij die twee tariefmodellen een heel ander verhaal, en de ogenschijnlijk goedkopere tariefkaart is niet altijd de goedkopere loop.

De derde is harness-gevoeligheid. Moonshots eigen tabel zet Kimi K3.1 Pro op 65,7% op Terminal-Bench 4.0, tegenover 66,4% voor Claude Opus 5.5 en 58,2% voor GPT-6 Astra; de onafhankelijke evaluator meldt 67% voor hetzelfde model. Terminal-Bench-cijfers verschuiven met tientallen punten afhankelijk van scaffolding, dus een gat van 1,7 punt tussen de runs van twee labs is geen meting van een capaciteitsverschil van 1,7 punt. Behandel elke rij tussen leveranciers in deze vergelijking als een uitspraak over richting.

Wat je deze week concreet moet doen: als je workload long-context, output-intensief en latentiegevoelig is, is Step 5 Preview voor $1.00 en $2.70 het goedkopere experiment, en de gewichten maken er een draagbaar experiment van. Als het werk agentisch programmeren is waarbij de kwaliteit van patches het hele product is, maken Kimi K3.1 Pro's 46 op v5 en zijn 67% op Terminal-Bench 4.0 het de sterkere aankoop, en 4 november is de datum die het van een gok in een asset verandert. Bouw hoe dan ook geen beslissing op de 44 en de 55. Die cijfers horen bij een rubric die niet meer bestaat.