Wygenerowana karta tytułowa 16:9 na ciemnoniebieskoszarym tle z delikatną poświatą radialną, z nagłówkiem „Qwen4-Max vs Kimi K3.1 Pro” i podtytułem „41-centowa różnica, która rozstrzyga mniej, niż myślisz”. Po prawej płaska waga szalkowa narysowana cienkimi liniami utrzymuje dwie szalki z etykietami 3,27 USD za zadanie i 3,68 USD za zadanie, a belka jest prawie pozioma. Rząd czterech małych ikon wzdłuż dolnej krawędzi ma etykiety: wejście wideo, kontekst 1M, brak wag kontra otwarte wagi oraz 55 vs 31 tok/s. Logo OrcaRouter w prawym dolnym rogu.
Guides & Insights

Qwen4-Max kontra Kimi K3.1 Pro: 41-centowa różnica, która rozstrzyga mniej, niż myślisz

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Według własnych danych Artificial Analysis ukończone zadanie kosztuje $3,27 na Qwen4-Max i $3,68 na Kimi K3.1 Pro. Czterdzieści jeden centów. Jeśli wybierasz model dla agenta, który wykonuje tysiące zadań tygodniowo, ta różnica wygląda na całą decyzję — a nią nie jest, bo oba modele dochodzą do tych liczb z przeciwnych stron, a to, z której strony, widać w twoich logach sześć tygodni później. Qwen4-Max osiąga to, będąc szybki i gadatliwy — więcej tokenów wyjściowych, w cenie poniżej połowy stawki za token; Kimi K3.1 Pro osiąga to, będąc wolny i zwięzły, emitując mniej tokenów, z których każdy kosztuje ponad dwa razy więcej. Żaden z nich nie jest tańszym modelem w ogólnym rozrachunku. Każdy jest tańszy dla określonego rodzaju pracy.

To jest przydatne ujęcie dla tej pary i jest teraz dostępne w sposób, w jaki nie było to możliwe w październiku: oba modele są w tej samej niezależnej rewizji indeksu, oba opublikowały warunki handlowe, a jeden z nich udostępnia wagi do pobrania. Dalej następuje podział według obciążenia, a nie według benchmarku, ponieważ benchmark już wskazuje, że są blisko siebie.

Najpierw nazwa

Nie ma zwykłego kimi-k3.1 na liście modeli samego M​oonshot. Dostarczane identyfikatory to kimi-k3.1-pro, kimi-k3.1-pro-highspeed oraz starszy kimi-k3; „Kimi K3.1” to zapis serii używany w polach wyszukiwania i w prasie, a modelem, który za nim stoi, jest Kimi K3.1 Pro. Wariant highspeed to ten sam model udostępniany z mniej więcej dwu- do trzykrotnie większą szybkością. Zatem każde istotne tu porównanie to Qwen4-Max kontra Kimi K3.1 Pro i właśnie ta para została zmierzona poniżej. Każdy, kto pokazuje Ci kartę specyfikacji modelu nazwanego dokładnie „Kimi K3.1”, pokazuje liczby Pro pod krótszą nazwą.

Kimi K3.1 Pro ogłoszono 23 października 2026 r., a blog dostawcy datowano na 24 października; jego wagi trafiły na Hugging Face w jednym commicie z sygnaturą czasową 2026-11-02. Qwen4-Max trafił do sprzedaży rozliczanej za zużycie 16 listopada 2026 r. Oba mają po kilka tygodni, żaden nie jest wersją zapoznawczą, a oba mają rzeczywiste cenniki — i właśnie dlatego to porównanie można przeprowadzić na liczbach, a nie na prognozach.

A generated two-column scoreboard titled 'Qwen4-Max vs Kimi K3.1 Pro' with seven rows: index score 43 against 46; cost per task $3.27 against $3.68; output per million $4.50 against $10.00; tokens per run 127M against 113M; wall-clock per task 32.1 min against 38.4 min; max output 262,144 against 943,000; weights none against downloadable. Footer reads 'Artificial Analysis Intelligence Index v5.0.1; vendor list prices'. OrcaRouter logo bottom-right.

Dwa wiersze, które definiują pojedynek

Wszystko poniżej pochodzi z Artificial Analysis Intelligence Index v5.0.1, chyba że oznaczono jako zgłoszone przez dostawcę. Indeks to jedno narzędzie pomiarowe w jednym dniu; ten blog widział, jak rewizje przesuwały wynik modelu o dwucyfrowe wartości, więc traktuj rozrzut jako orientacyjny.

• Wynik indeksu — Qwen4-Max 43 kontra Kimi K3.1 Pro 46. Model K​imi prowadzi o trzy punkty, co mieści się w paśmie szumu pojedynczej rewizji indeksu

• Koszt na zadanie — Qwen4-Max 3,27 USD w porównaniu z Kimi K3.1 Pro 3,68 USD. Model Kimi jest o 12,5% droższy w przeliczeniu na ukończone zadanie, mimo przewagi w wyniku.

• Cena danych wejściowych — Qwen4-Max $1.50 za milion w Singapurze, $1.413 w innych lokalizacjach; Kimi K3.1 Pro $2.00

• Cena za tokeny wyjściowe — Qwen4-Max 4,50 USD w porównaniu z Kimi K3.1 Pro 10,00 USD. To największa różnica w całym porównaniu i to właśnie na nią model kosztowy oparty na liczbie tokenów będzie kładł zbyt duży nacisk

• Cena za trafienie w pamięć podręczną — Qwen4-Max 0,075 USD za milion w Singapurze, 0,071 USD w pozostałych lokalizacjach; Kimi K3.1 Pro 0,20 USD. Oba znacząco obniżają koszt odczytów z pamięci podręcznej; Qwen oferuje większą zniżkę

Czas rzeczywisty na zadanie — Qwen4-Max 32,1 minuty w porównaniu z Kimi K3.1 Pro 38,4 minuty, wobec mediany w grupie wynoszącej 11,5. Oba są wolne; Qwen jest mniej powolny z tych dwóch.

• Przepustowość — Qwen4-Max 55 tokenów wyjściowych na sekundę w porównaniu z Kimi K3.1 Pro 31, mierzone na API każdego z dostawców

• Apetyt na tokeny — Qwen4-Max 127 mln tokenów wyjściowych na jedno uruchomienie indeksu w porównaniu z Kimi K3.1 Pro 113 mln

• Kontekst — Qwen4-Max 1 000 000 tokenów zgodnie z dokumentacją, zmierzone na 984 000 użytecznych; Kimi K3.1 Pro 1 048 576

• Modalność — oba przyjmują tekst, obraz i wideo oraz zwracają tekst. Przewodnik modeli M​oonshot wprost stwierdza, że Kimi K3.1 Pro obsługuje wideo, mimo że niezależne podsumowanie modelu wymienia tylko tekst i obraz

Wagi — Qwen4-Max nie udostępnia żadnych, a jego dokumentacja oznacza dostrajanie i wdrażanie jako niewspierane; checkpoint Kimi K3.1 Pro z 2,8 biliona parametrów, z których 104 miliardy są aktywne na token, można pobrać na podstawie licencji szytej na miarę, a nie gotowej.

• Architektura, według dostawcy — Qwen4-Max to szkielet o 2,4 biliona parametrów, z 71 miliardami aktywnymi i dodatkowymi 328 miliardami parametrów osadzania N-gramów; Kimi K3.1 Pro to model klasy 3T po treningu końcowym zbudowany na K3

Skonfrontuj wiersz ceny wyjściowej z wierszem kosztu na zadanie, a otrzymasz cały artykuł. Kimi K3.1 Pro za token wyjściowy pobiera ponad dwukrotnie więcej, a mimo to kończy zadanie o 41 centów drożej, ponieważ emituje ich mniej. Qwen4-Max za token wyjściowy pobiera mniej niż połowę tego, a prawie nic na tym nie zyskuje, ponieważ emituje ich o 12% więcej. Cena za token to tylko przybliżenie rachunku, nie sam rachunek. Rachunek to trzeci wiersz.

Obciążenie pierwsze: długo działający agent

To tutaj 41 centów przestaje być zaokrągleniem. Pętla agenta nie wykonuje jednego zadania; wykonuje obciążoną ponowieniami sekwencję takich zadań, a liczbą, która się kumuluje, jest czas zegarowy, nie cena. Przy odpowiednio 32,1 i 38,4 minuty na zadanie indeksowania oba modele są od dwóch do trzech razy wolniejsze niż mediana w branży wynosząca 11,5 minuty. Partia dwudziestu zadań to od dziesięciu do trzynastu godzin czasu zegarowego na którymkolwiek z nich. Jeśli Twoja pętla jest ograniczona opóźnieniem, żaden z tych modeli nie jest właściwy, a wybieranie między nimi na podstawie ceny to optymalizacja niewłaściwej zmiennej.

Jeśli nie jest to ograniczone opóźnieniami — nocne przebiegi wsadowe, długoterminowe zadania badawcze, praca nad dokumentami w tle — decydującą liczbą są tokeny na ukończone zadanie, a tutaj 55 tokenów na sekundę Qwen4-Max w porównaniu z 31 K​imi ma mniejsze znaczenie, niż się wydaje. Przepustowość określa tylko, jak szybko opróżnia się pojedyncze żądanie; o rachunku decyduje to, ile tokenów model zużywa na myślenie, zanim wygeneruje odpowiedź. Qwen4-Max zużywa ich o 12% więcej, a za jednostkę pobiera za nie o 55% mniej.

Obciążenie drugie: wszystko, co dotyczy długiego dokumentu

To tutaj porównanie przestaje dotyczyć wyników, a zaczyna dotyczyć kształtu danych wyjściowych. Oba modele odczytują tekst, obrazy i wideo oraz oba zapisują tekst, więc nie ma argumentu o modalności — uczciwa wersja tej sekcji jest taka, że obsługa wideo w Qwen4-Max nie jest takim czynnikiem rozstrzygającym, na jaki wygląda, ponieważ przewodnik modeli M​oonshot mówi, że Kimi K3.1 Pro również obsługuje wideo. To, co je różni w pracy z dokumentami, to ile zapiszą z powrotem w jednym przebiegu i ile za to pobierają.

Qwen4-Max ogranicza dane wyjściowe do 131 072 tokenów przy wyłączonym myśleniu albo do 262 144 współdzielonych między myśleniem a odpowiedzią. Kimi K3.1 Pro sięga około 943 000. W przypadku przeglądu umowy, który zwraca podsumowanie, ta różnica nigdy nie występuje; w przypadku potoku, który ma ponownie wyemitować cały dokument z naniesionymi znacznikami albo rozumować w obrębie zbioru roboczego, a następnie obszernie zapisać wynik, jest to różnica między jednym wywołaniem a schematem dzielenia na fragmenty, który teraz trzeba zbudować i debugować.

Różnica cen wskazuje w przeciwnym kierunku. Stawka Qwen4-Max za tokeny wejściowe jest o 25% niższa, a stawka za tokeny wyjściowe wynosi mniej niż połowę, więc prace polegające na ekstrakcji i klasyfikacji na dużym korpusie — dużo na wejściu, mało na wyjściu — są wyraźnie tańsze na Qwen4-Max zarówno w przeliczeniu na ukończone zadanie, jak i na liczniku. Jeśli przeczytać oba akapity razem, podział jest jasny: krótkie odpowiedzi na dużym korpusie przemawiają za Qwen4-Max, a długie odpowiedzi na tym samym korpusie — za pułapem wyjściowym modelu K​imi.

A screenshot of the Artificial Analysis page for Kimi K3.1 Pro, marked open weights and released October 2026, showing the Intelligence Index score of 46 against a median of 23, 113M tokens generated on the run, $2.00 input and $10.00 output per million tokens, $3.68 per task, 38.4 minutes per task against a median of 13.6, text and image input, a 1M-token context and downloadable weights on Hugging Face.

Obciążenie trzecie: to, w którym potrzebne są ciężarki

Żaden z powyższych wierszy nie obejmuje największej różnicy między tymi dwoma modelami, ponieważ nie jest to liczba. Kimi K3.1 Pro można pobrać. Qwen4-Max nie — jego dokumentacja oznacza dostrajanie i wdrażanie modelu jako nieobsługiwane, a opublikowany przez A​libaba post zapowiadający premierę obiecuje jedynie, że mniejsze wersje Qwen4 „trafią do open source”, co jest stwierdzeniem o rodzinie, a nie o tym modelu.

Ma to znaczenie w trzech konkretnych sytuacjach, a w pozostałych jest nieistotne. Ma znaczenie, jeśli musisz dostroić model na własnych danych, ponieważ Qwen4-Max w ogóle nie oferuje takiej możliwości. Ma znaczenie, jeśli Twoje wymogi zgodności nakazują, aby wagi znajdowały się w Twoim własnym obwodzie, a nie za czyimś API. Ma też znaczenie, jeśli modelujesz koszty w perspektywie lat, a nie miesięcy: checkpoint klasy 3T do pobrania to wydatek kapitałowy z krzywą kosztów krańcowych, którą kontrolujesz, podczas gdy wynajmowany flagowiec to cennik, który może się zmienić. Model typu mixture-of-experts z 3 bilionami parametrów nie jest czymś, co większość zespołów może obsługiwać we własnym zakresie — potrzebuje szafy serwerowej, a nie stacji roboczej — ale „drogi w utrzymaniu na własną rękę” i „niemożliwy do uruchomienia na własną rękę” to różne odpowiedzi na pytanie zakupowe i tylko jedna z nich zamyka sprawę.

Licencja zasługuje na jedno zdanie precyzji, ponieważ „open weights” odgrywa w większości materiałów dużą rolę: Kimi K3.1 Pro jest udostępniany na podstawie dedykowanej Kimi K3.1-Pro License, a nie tekstu Modified MIT, który towarzyszył K3, a jej postanowienia są permisywne w zwykłym sensie — użycie, modyfikacja, dostrajanie, redystrybucja, sprzedaż — z dwoma dodatkowymi warunkami. Jeśli prowadzisz biznes model-as-a-service, a Twoje łączne przychody przekroczą 20 mln USD w dowolnym okresie dwunastu kolejnych miesięcy, przed komercyjnym użyciem wag potrzebujesz odrębnej umowy z M​oonshot. A jeśli produkt zbudowany na tych wagach przekroczy 100 mln miesięcznych aktywnych użytkowników lub 20 mln USD miesięcznego przychodu, nazwa „Kimi K3.1-Pro” musi być wyraźnie wyświetlana w interfejsie produktu. Wewnętrzne użycie oraz korzystanie za pośrednictwem własnych produktów M​oonshot lub certyfikowanych partnerów inferencyjnych pozostają poza obiema klauzulami. Jeśli planujesz zbudować produkt na bazie tych wag, przeczytaj licencję, a nie streszczenie.

Umieszczanie pary na jednym klawiszu

W tym miejscu porównanie przestaje być symetryczne w sposób, o którym warto powiedzieć wprost. OrcaRouter kieruje ruch do kimi/kimi-k3.1-pro już dziś, przez ten sam punkt końcowy zgodny z OpenAI co pozostałe jego ponad 200 identyfikatorów modeli, przy 0% narzutu — cena katalogowa dostawcy jest przekazywana bez zmian, więc powyższe 2,00 USD i 10,00 USD to kwota, którą płacisz, a nie to, co dostawca pobiera przed czyjąś marżą. Nie kieruje on ruchu do Qwen4-Max i ta strona nie będzie sugerować inaczej: dotarcie do tego modelu oznacza własne sześć regionów A​libaba albo platformę zewnętrzną, która go odsprzedaje.

Ta asymetria właściwie przydaje się do testu, który ten artykuł opisuje. Podział według obciążeń powyżej jest hipotezą o Twoim ruchu, a nie faktem o Twoim ruchu, a tanim sposobem na jej obalenie jest przepuszczenie tych samych promptów przez Kimi K3.1 Pro i wariant Qwen 3.8 na jednym endpoincie, z automatycznym przełączaniem awaryjnym obejmującym chwilowe problemy dostawcy, które w innym razie psują przebieg testu porównawczego. Jeśli model Kimi wygrywa na Twoim obciążeniu o więcej niż 41 centów na zadanie, argument dotyczący wag staje się łatwiejszy do uzasadnienia. Jeśli nie, oszczędziłeś sobie rozmowy zakupowej o szafie.

A screenshot of the OrcaRouter model page for Kimi K3.1 Pro, showing the identifier kimi/kimi-k3.1-pro, the byline MoonshotAI with the date 2026-10-24, a description noting a 1,048,576-token context and up to 943,718 output tokens with text, image and video input, a 1M-token context badge, 943k maximum output, pricing of $2.00 input and $10.00 output per million, and a note that zero data retention is available.

Reguła decyzyjna

Trzy punkty indeksu i 41 centów kosztu na zadanie nie odróżniają tych modeli. To, co je odróżnia, ma charakter binarny i warto to sprawdzić w tej kolejności.

• Jeśli musisz odtworzyć cały dokument w jednym wywołaniu — pułap wyjściowy Kimi K3.1 Pro na poziomie ~943 000 tokenów w porównaniu ze wspólnym budżetem 262 144 tokenów Qwen4-Max to różnica kategoryczna, a nie procentowa

• Jeśli potrzebujesz dostroić model, hostować go u siebie lub przechowywać wagi — Qwen4-Max odpada, ponieważ nie ma żadnych wag do przechowywania

• Jeśli Twoje przebiegi są ograniczone czasem rzeczywistym — żaden z nich nie jest dobrym wyborem; oba są od dwóch do trzech razy wolniejsze niż model medianowy na tej samej płycie, a K​imi jest wolniejszy z tych dwóch

• Jeśli żaden z tych przypadków nie zachodzi — wybierz tańszą opcję w przeliczeniu na ukończone zadanie, którą według dzisiejszych danych jest Qwen4-Max za 3,27 USD wobec 3,68 USD, i sprawdź to ponownie za miesiąc, ponieważ obaj dostawcy zmienili już ceny raz w tym kwartale

Uczciwe podsumowanie jest takie, że Moonshot wypuścił model z lepszymi wynikami, a Alibaba – ten z lepszą ceną, że różnica w obu kierunkach jest niewielka i że jedynym wyborem, który ma tu długi ogon, jest ten, którego nikt nie umieszcza w tabeli porównawczej: czy wynajmujesz, czy posiadasz. Wszystko inne to czterdzieści jeden centów i błąd zaokrąglenia przy rewizji.

Porównane w tym artykule3

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie