Kimi K3.1 Pro kontra DeepSeek V4.1 Flash: szesnaście punktów indeksu za trzynastokrotnie wyższą cenę

DeepSeek V4.1 Flash kosztuje w naszym katalogu 0,15 USD za milion tokenów wejściowych i 0,60 USD za milion tokenów wyjściowych. Kimi K3.1 Pro kosztuje 2,00 USD i 10,00 USD — 13 razy więcej na wejściu i 17 razy więcej na wyjściu. W niezależnym indeksie ta cena kupuje 16 punktów: Artificial Analysis przyznaje Kimi K3.1 Pro 55 punktów, a DeepSeek V4.1 Flash 39. Kupuje też model o innym kształcie — DeepSeek jest 2,5 razy szybszy i ponad dwukrotnie bardziej rozwlekły, więc różnica na token i różnica na zadanie to nie ta sama liczba. To najczystszy kompromis między możliwościami a ceną w obecnym katalogu, a ciekawe jest to, że nie wskazuje tego samego kierunku w każdym zadaniu.

Oba modele mają kontekst miliona tokenów, oba przyjmują obrazy i oba generują wyniki o długości setek tysięcy tokenów. Jeden to flagowy model frontier chińskiego laboratorium wydany w październiku; drugi to mały model z rodziny architektur DeepSeek, wydany 10 września 2026 r. i pozycjonowany jako produkcyjny następca wcześniejszych modeli Flash. To porównanie tak naprawdę dotyczy tego, ile 16 punktów indeksu jest warte dla konkretnego obciążenia — i tego jednego benchmarku, w którym tani model wygrywa.

Cenniki stawek i ile kosztuje rzeczywiste obciążenie

• Dane wejściowe — 2,00 USD za milion tokenów w Kimi K3.1 Pro wobec 0,15 USD w DeepSeek V4.1 Flash.

• Wynik — 10,00 USD wobec 0,60 USD.

• Okno kontekstu — 1 048 576 tokenów w obu przypadkach.

• Maksymalna długość wyjścia — 943,718 tokenów w Kimi K3.1 Pro, 384,000 w przypadku bazowego endpointu V4.1 Flash i 393,216 w migawce 1017. Obie wartości są wystarczająco duże, aby długość wyjścia przestała być ograniczeniem.

• Wagi i rozmiar — DeepSeek V4.1 Flash to model typu mixture-of-experts z 552 miliardami parametrów i 16 miliardami aktywnych parametrów, opublikowany na Hugging Face na licencji MIT. Kimi K3.1 Pro należy do klasy 3T, a udostępnienie jego wag obiecano do 4 listopada; licencja nie została jeszcze opublikowana.

• Szybkość — 181 tokenów wyjściowych na sekundę u dostawcy używanego przez ewaluatora dla DeepSeek, w porównaniu z 73,5 dla Kimi K3.1 Pro. W przypadku pracy masowej to druga największa różnica po cenie.

Arytmetyka jest brutalna przy dużej skali. Wywołanie, które odczytuje milion tokenów wejściowych i zapisuje 200 000 tokenów wyjściowych, kosztuje 4,00 USD w Kimi K3.1 Pro i 27 centów w DeepSeek V4.1 Flash. Nocny potok przetwarzający 2000 długich dokumentów miesięcznie, po 50 000 tokenów wejściowych i 5000 tokenów wyjściowych każdy, kosztuje około 300 USD w Kimi i 21 USD w DeepSeek. W przypadku klasyfikacji, ekstrakcji, przepisywania i streszczania na dużą skalę 16-punktowa różnica rzadko daje się zauważyć przez klienta; faktura tak.

Dwa zastrzeżenia sprawiają, że to nie jest cała historia. Artificial Analysis, które mierzyło oba modele przez dostawcę, a nie według ceny katalogowej, odnotowuje DeepSeek V4.1 Flash na poziomie 0,295 USD za wejście i 1,20 USD za wyjście za milion tokenów — dwukrotnie więcej niż nasza stawka katalogowa i przypomnienie, że najtańsza liczba w porównaniu to ta, której nikt faktycznie nie płaci. Co ważniejsze, jego koszt na zadanie wynosi 0,48 USD wobec 2,11 USD w przypadku Kimi K3.1 Pro: oszczędność 4,4×, a nie 15× sugerowane przez ceny tokenów, ponieważ DeepSeek wygenerował 250 milionów tokenów wyjściowych podczas przebiegu indeksu, wobec 150 milionów w przypadku Kimi. Gadatliwość zjada przewagę cenową, a oba modele są znacznie powyżej mediany.

Szesnaście punktów to nie błąd zaokrąglenia.

Ta sama różnica, która nie ma znaczenia w zadaniu klasyfikacyjnym, ma ogromne znaczenie w przypadku wszystkiego, co zawiera plan. Niezależny indeks to średnia z dziesięciu ewaluacji obejmujących wiedzę, rozumowanie i pracę agentową; 16-punktowa różnica na tej średniej oznacza, że trudny koniec rozkładu nie jest blisko. W tabeli premier Moonshot Kimi K3.1 Pro uzyskuje 61,2% w kodowaniu długohoryzontowym i 65,7% w Terminal-Bench 4.0; poziom Flash nie jest w ogóle reprezentowany w tych wierszach.

Praktyczne przełożenie: jeśli zadanie można opisać w prompcie i zweryfikować za pomocą walidatora, kupuj tani model, a zaoszczędzone środki przeznacz na ponowne próby. Jeśli zadanie wymaga decydowania, co zrobić dalej — przeczytania nieprzechodzącego testu, wybrania pliku do edycji, wyjścia z sytuacji po błędnym wywołaniu narzędzia — te 16 punktów to różnica między agentem, który kończy pracę, a takim, który wpada w pętlę.

Jedyny wiersz, w którym tani model wygrywa

Własny arkusz wyników benchmarków Moonshot zawiera wiersz, który mu przeczy. W xdev-bench-hard przy pass@3, adwersaryjnej ewaluacji kodowania przeprowadzanej przez dostawcę, DeepSeek V4.1 Flash uzyskuje 85,7% wobec 81,0% Kimi K3.1 Pro. Kimi K3, poprzednik, uzyskuje 33,3%.

Powód jest widoczny w innym miejscu materiału premierowego: Moonshot usunął dane związane z cyberbezpieczeństwem zarówno z etapu mid-training, jak i uczenia ze wzmocnieniem przed wydaniem K3.1 Pro, i opublikował koszt. Checkpoint wytrenowany bez tych środków uzyskuje 90,5% na tym samym benchmarku; dostarczony model uzyskuje 81,0%. Natomiast DeepSeek nie ogłosił równoważnego ograniczenia możliwości, a jego 85,7% plasuje się powyżej modelu, który kosztuje trzynaście razy więcej.

W przypadku pracy w obszarze bezpieczeństwa defensywnego — skanowania, triage’u, opracowywania poprawek w ramach przeglądu — ten wiersz warto rozważyć. W przypadku pracy zbliżonej do ofensywnej obowiązują zarówno warunki obu dostawców, jak i prawo, niezależnie od wyniku.

Kontekst i dane wyjściowe zaskakują

Jedna praktyczna uwaga, zanim porównanie stanie się zbyt uporządkowane: Artificial Analysis oznacza bazowy V4.1 Flash jako przestarzały na rzecz snapshotu V4.1 Flash 1017, stałego checkpointu z 17 października, który nasz katalog również udostępnia w tej samej cenie. Wartość indeksu 39 dotyczy modelu bazowego; to snapshot powinien być celem nowych prac, a zapewnia to samo okno kontekstowe przy nieco wyższym limicie wyjściowym.

To, co sprawia, że to porównanie jest mniej jednostronne, niż sugeruje cena, to fakt, że tani model nie oddał magazynu. Kontekst miliona tokenów w modelu za 0,15 USD oznacza, że potoki z rozszerzonym wyszukiwaniem, które wcześniej wymagały dzielenia na fragmenty, mogą wysłać cały dokument. Limit wyjścia wynoszący 384 000 tokenów oznacza, że zadanie wsadowe może poprosić o cały przepisany plik w jednym wywołaniu.

To, co w zamian oddaje, to niezawodność na granicach: podążanie za instrukcjami w długich, wieloetapowych promptach, odzyskiwanie po wywołaniach narzędzi i zdolność utrzymania planu przez kolejne tury. To dokładnie te elementy, na które przeznaczono budżet Kimi K3.1 Pro na post-training, i dokładnie to, co ogólny indeks kompresuje do 16 punktów.

Jak podzielić pracę

Oba modele są wywoływalne przez OrcaRouter w cenach katalogowych swoich dostawców, bez doliczanej marży — $2.00 i $10.00 za Kimi K3.1 Pro, $0.15 i $0.60 za DeepSeek V4.1 Flash — na jednym kluczu, z automatycznym przełączaniem awaryjnym, jeśli jeden z dostawców przestanie odpowiadać.

Podział zgodny z dowodami: ekstrakcję, klasyfikację, tłumaczenie, streszczanie i wstępne tworzenie szkiców przekaż do V4.1 Flash, a długoterminowe kodowanie, orkiestrację agentów i wszystko, co musi naprawiać własne błędy, przekaż do Kimi K3.1 Pro. Jeśli podział wypadnie przy zwyczajowym 80/20 według wolumenu tokenów, łączny koszt na milion tokenów spadnie do około 80 centów — jednej piątej bazowego kosztu rozwiązania opartego wyłącznie na Kimi — podczas gdy zadania wymagające modelu frontier nadal go dostaną.

Błędem, którego należy unikać, jest traktowanie któregokolwiek z modeli jako rozwiązania obu zadań. Przy 13-krotnej różnicy cen tani model nie jest kompromisem w pracy masowej; to właściwy wybór. Przy 16 punktach indeksu nie zastępuje on trudnych 20%.