GPT-6.1 Sol kontra Kimi K4: Model z tytułu nigdy nie został zapowiedziany

Kimi K4 nie jest jedynie niezapowiedzianym modelem. To nazwa, za którą nie stoi żaden model. Moonshot AI nigdy nie opublikowała karty modelu K4, repozytorium K4, identyfikatora API K4 ani wiersza cenowego K4, a jej własny indeks badawczy kończy się na Kimi K3. Artificial Analysis nie ma strony K4. Nazwa trafiła do obiegu za sprawą przecieku wewnętrznego banera w lipcu, a wszystko, co nastąpiło później, było ekstrapolacją z Kimi K3, który jest prawdziwym i całkiem dobrym modelem.GPT-6.1 Sol natomiast jest ogólnie dostępny w API OpenAI od 29 września 2026 r. w cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych. Uczciwie można więc porównać Sola z modelem Kimi, który istnieje — Kimi K3.1 Pro — wraz z omówieniem tego, jaki K4 musiałby być, aby czekanie miało sens.

Nazwa, za którą nie stoi żaden model

Warto przedstawić ścieżkę dowodową, ponieważ ilość treści K4 w internecie jest rażąco nieproporcjonalna do dowodów.

• Lipiec 2026 — wyciekły wewnętrzny baner okolicznościowy firmy Moonshot zawiera frazę „popchnąć K4 do absolutnej granicy”. Stąd pochodzi ta nazwa.

• 29 lipca 2026 — The Information donosi, że Moonshot stara się o dodatkowe moce obliczeniowe klasy Nvidia Blackwell do trenowania modelu większego niż K3. W raporcie nie podano nazwy modelu, liczby parametrów ani daty. To historia o zakupach chipów.

• 16 lipca 2026 — Kimi K3 wchodzi na rynek: 2,8 biliona łącznych parametrów, 104 miliardy aktywnych, rzadka architektura mixture-of-experts z 896 ekspertami routowanymi i 16 aktywnymi, kontekst 1 048 576 tokenów oraz enkoder wizyjny. Wagi opublikowano pod koniec lipca.

• 11 października 2026 — chińskojęzyczne media donoszą o modelu o 5–6 bilionach parametrów w trakcie treningu, „prawdopodobnie” K4, bez przypisania do nazwanego źródła.

• 15 października 2026 r. — niepotwierdzone doniesienie, że flagowy model o kryptonimie „x4” zakończył wstępne trenowanie i jest w środkowej lub późnej fazie trenowania końcowego.

• 23 października 2026 — Moonshot wydaje zamiast tego Kimi K3.1 Pro.

Każdy dotąd widziany wynik benchmarku K4, długość kontekstu i cena są wynikiem działań arytmetycznych na liczbach K3. Rynki predykcyjne szacują szansę, że K4 trafi do sprzedaży do 31 grudnia 2026 r., na około 6%, a do 31 marca 2027 r. — na około 17%. Jest też nierozstrzygnięty kontekst, o którym warto wiedzieć: zarzuty, że Moonshot uzyskał dostęp do GB300 przez Tajlandię i prowadził destylację z modeli Anthropic, wraz z groźbą podjęcia działań w ramach Commerce Entity List. To tło, a nie specyfikacja K4, ale to właśnie tego typu rzecz, która przesuwa datę premiery.

Model Kimi, który naprawdę możesz porównać

Kimi K3.1 Pro został wydany 23 października 2026 r. i 24 października trafił do naszego katalogu jako kimi/kimi-k3.1-pro. Kosztuje 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych — dokładnie tyle, ile wynosi stawka cennikowa GPT-6.1 Sol — przy czym dane wejściowe z pamięci podręcznej kosztują 0,20 USD, a nie 0,10 USD jak w Sol. Obsługuje kontekst 1 048 576 tokenów i, co nietypowe, maksymalne wyjście wynoszące 943 718 tokenów. Ten limit wyjścia nie jest literówką i jest to najciekawsza pojedyncza liczba w tym porównaniu.

Oto para na Artificial Analysis Intelligence Index v5.0.1, oba przy maksymalnym opublikowanym poziomie wysiłku.

• Intelligence Index v5.0.1 — Sol 55 kontra K3.1 Pro 46, dziewięciopunktowa różnica

• Koszt na ukończone zadanie indeksowania — Sol 1,27 USD vs K3.1 Pro 3,68 USD

• Tokeny wyjściowe podczas przebiegu indeksu — Sol 63,7 mln vs K3.1 Pro 113 mln

• Szybkość generowania — Sol 56 tokenów/s vs K3.1 Pro 33 tokeny/s

• Okno kontekstowe — Sol 1 050 000 vs K3.1 Pro 1 048 576, praktycznie identyczne

• Maksymalna długość danych wyjściowych w jednej odpowiedzi — Sol 128,000 vs K3.1 Pro 943,718

• Cena wejścia / wyjścia za 1 mln — $2.00 / $10.00 w obu przypadkach

• Buforowane dane wejściowe za 1 mln — Sol 0,10 USD vs K3.1 Pro 0,20 USD

• Sterowanie rozumowaniem — Sol ma rozumowanie zawsze włączone, od niskiego do maksymalnego, z domyślnym średnim poziomem i bez możliwości wyłączenia; K3.1 Pro domyślnie ma myślenie włączone z możliwością wyboru wysiłku: brak, niski, wysoki lub maksymalny

• Modalności wejściowe — Sol przyjmuje tekst, obrazy i pliki; K3.1 Pro przyjmuje tekst, obrazy i wideo

• Wagi — Sol zamknięty; punkt kontrolny K3.1 Pro opublikowano 2 listopada 2026

Identyczna stawka z nagłówka to dobre przypomnienie, że cena katalogowa nie jest kosztem. K3.1 Pro zużył 1,8 razy więcej tokenów wyjściowych niż Sol, aby ukończyć ten sam indeks, i kosztował 2,9 razy więcej na zadanie. Jest także znacznie wolniejszy od drugiego, osiągając 33 tokeny na sekundę, co ma większe znaczenie niż zwykle, ponieważ jest to generowanie w stanie ustalonym w modelu, który myśli, zanim zacznie pisać.

Tam, gdzie K3.1 Pro to jedyny wybór

Jedna liczba zasługuje na własną sekcję. Maksymalna długość wyjścia wynosząca 943 718 tokenów to około siedem razy więcej niż 128 000 w GPT-6.1 Sol. Jeśli Twoim zadaniem jest odczytać długi korpus i wygenerować długi ustrukturyzowany artefakt w jednym wywołaniu — pełną migrację bazy kodu, przegląd ustawowy, zadanie normalizacji na długość książki — Sol utnie na 128K, a K3.1 Pro nie. To nie jest różnica w benchmarku, którą można zniwelować poziomami wysiłku; to twardy sufit po jednej stronie.

Koszt korzystania z niego jest realny. Przy $10.00 za milion tokenów wyjściowych wypełnienie nawet połowy tego limitu to około $4.70 za samo wyjście, jeszcze przed uwzględnieniem jakichkolwiek tokenów rozumowania. Ale dla pewnej klasy zadań wsadowych alternatywą nie jest tańszy model, lecz potok dzielenia na fragmenty z własnymi trybami awarii. Jeśli to jest twoje obciążenie, K3.1 Pro nie jest kompromisem; to model, który pasuje.

Powód do oczekiwania związany z otwartymi wagami już został spełniony

Odrzuć spekulacje, a pozostaje dokładnie jedna strukturalna rzecz, którą K4 mógłby dostarczyć, a której GPT-6.1 Sol nie może: pobieralny checkpoint. To jest powód, dla którego ludzie obserwują Moonshot, i powód, dla którego to porównanie ma żywą trzecią opcję, którą nagłówek pomija. Wagi Kimi K3.1 Pro opublikowano 2 listopada 2026 r. na niestandardowej licencji. Trzy dni temu, a nie w jakimś przyszłym wydaniu K4.

Repozytorium to checkpoint o 2,78 biliona parametrów. Przy precyzji 8-bitowej to około 2,7 terabajta wag, jeszcze przed jakimkolwiek KV cache czy narzutem serwowania, a artefakty w repozytorium skwantyzowane metodą k-quant mają ten sam rząd wielkości. To wdrożenie wielowęzłowe z poważnym połączeniem międzywęzłowym, a nie pobieranie na pojedynczy GPU. Liczba aktywnych parametrów — 104 miliardy w Kimi K3 — decyduje o tym, jak szybko model będzie działał, gdy pamięć zostanie już opłacona, dlatego model tej wielkości można serwować z użyteczną prędkością na właściwym klastrze, a na niewłaściwym wcale.

Zatem ten kompromis jest wyraźny. Otwarte wagi eliminują zależność od dostawcy i zastępują ją wydatkiem kapitałowym oraz zespołem operacyjnym. Przy cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych hostowana cena Kimi K3.1 Pro jest wystarczająco niska, że self-hosting raczej nie wygra wyłącznie dzięki kosztom obliczeń; wygrywa natomiast dzięki rezydencji danych, wdrożeniu w środowisku odizolowanym od sieci i możliwości dostrajania na ruchu, którego nie można nikomu przekazać. Jeśli są to wymagania, K3.1 Pro spełnia je już dziś. Jeśli nie, otwarte wagi to miła właściwość, której nigdy nie wykorzystasz.

To, co K4 wniosłoby dodatkowo, na podstawie dostępnych dowodów, to większa liczba parametrów i lepszy wynik. To jest powód, by uaktualnić model. Nie jest to powód, by odkładać wdrożenie, i z pewnością nie jest to jedyny sposób na uzyskanie wag, które możesz utrzymać.

Jak wypadają dwa rzeczywiste modele w przypadku większości zespołów

W przypadku agentów wywołujących narzędzia, przepływów QA dokumentów i obsługi wsparcia GPT-6.1 Sol jest lepszym domyślnym wyborem na każdej mierzonej osi poza długością danych wyjściowych: wyższy wynik indeksu, niższy koszt na ukończone zadanie, o 70% szybsze generowanie, tańsze odczyty z pamięci podręcznej. Jest w produkcji wystarczająco długo, by mieć rzeczywisty profil telemetryczny — według naszych siedmiodniowych danych: mediana czasu do pierwszego tokena 937 ms, wskaźnik błędów 5,7% i 39,5 tokena na sekundę danych wyjściowych, w ruchu obejmującym 382 miliony tokenów.

Do długotrwałych zadań wsadowych z dużymi wynikami najlepszym wyborem jest Kimi K3.1 Pro, a powodem jest limit 943K. Dla zespołów, które muszą mieć własne wagi, Kimi K3.1 Pro jest dziś odpowiedzią: checkpoint istnieje, można go pobrać i ma trzy dni. To cała praktyczna treść pytania K4, na które odpowiada model wydany w październiku.

Ten punkt routingu nie jest tu ozdobnikiem. Te dwa modele mają tę samą cenę katalogową i przeciwne profile: jeden jest szybki, tani w przeliczeniu na zadanie i ma limit 128K na wyjściu; drugi jest wolny, drogi w przeliczeniu na zadanie i praktycznie bez limitu. To podręcznikowy podział na poziomie pojedynczego żądania, a nie wybór albo-albo. Oba są dostępne pod jednym kluczem w cenie katalogowej dostawcy, bez narzutu, więc reguła routingu może kierować zadania wsadowe z długim wyjściem do K3.1 Pro, a interaktywną pętlę agenta do Sol bez drugiej umowy, albo łączyć je tam, gdzie pojedyncza odpowiedź korzysta z obu. Ta warstwa pozwala odłożyć decyzję dotyczącą K4 bez odkładania samej pracy.

Więc odpowiedź na „GPT-6.1 Sol czy Kimi K4” jest taka, że jedno z nich to decyzja, a drugie to plotka z przypisaną liczbą parametrów. Jeśli K4 pojawi się w 2027 roku z otwartymi wagami i wynikiem powyżej 46, będzie wart poważnego rozważenia, a sposobem, by być na to gotowym, jest posiadanie stacku, w którym podmiana modelu to zmiana routingu. Czekanie na niego nie jest strategią; umiejętność wdrożenia go w jedno popołudnie — jest.