Step 5 Preview kontra Kimi K3.1 Pro: W ubiegłym tygodniu oba modele zostały ponownie ocenione. Oto co przetrwało

Gdybyś sprawdziłStep 5 Preview i Kimi K3.1 Pro tydzień temu, otrzymałbyś dwie liczby: 44 i 55. Obie zniknęły. 27 i 28 października 2026 r. Artificial Analysis zastąpiło swój Intelligence Index wersją 5, która czerpie 60% wyniku z prywatnych lub wydzielonych zestawów testowych, a ten sam model oceniany według starej i nowej rubryki to nie ten sam pomiar. Step 5 Preview uzyskuje 29 w wersji v5. Kimi K3.1 Pro uzyskuje 46. Dziewięciopunktowa różnica między nimi jest teraz porównaniem, które można uczciwie przeprowadzić, i to inna różnica niż ta, wokół której pisano relacje z premiery.

To, co następuje, to właśnie to porównanie, plus część, której nikt nie umieszcza w tabeli porównawczej: dwa modele stoją po przeciwnych stronach kwestii wag, która rozstrzygnie się 4 listopada, a tylko jeden z nich można dziś wywołać przez OrcaRouter.

Te dwie liczby, które wszyscy przytaczają, są teraz obie błędne.

Kimi K3.1 Pro zadebiutował 23 października 2026 r., uzyskując wynik 55 w Intelligence Index i czwarte miejsce na debiucie — o jedenaście punktów więcej niż Kimi K3. Cztery dni później wskazywał 46. W samym modelu nic się nie zmieniło; zmieniła się miarka. Artificial Analysis przebudowało wskaźnik złożony na dziewięć ewaluacji w czterech kategoriach — Praca wiedzowa, Kodowanie, Nauka i Ogólne — i usunęło trzy spośród starszych, w tym GDPval-AA v2.1, SciCode i AA-LCR v1.1. Dodało FrontierCode 2.0, zestaw 132 prywatnych zadań programistycznych ocenianych pod kątem tego, czy poprawka jest warta scalenia, oraz Terminal-Bench-Science.

Step 5 Preview ucierpiał w ten sam sposób, tylko mocniej. Ma wynik 29 w wersji v5.0 wobec 44 w poprzednim indeksie i traci więcej swoich dowodów wspierających niż Kimi, ponieważ materiały premierowe StepFun opierały się właśnie na tych ewaluacjach, które usunięto. Wyniki 88,3 w AA-LCR i 58,9 w SciCode, które pojawiają się w większości relacji o tym modelu, są teraz wynikami z benchmarków, które nie wnoszą już wkładu do głównego indeksu. Nadal są prawdziwymi pomiarami czegoś. Nie są już jednak tym, co mierzy indeks.

Konsekwencję dla rankingu warto wyrazić wprost: w wersji v5 model z otwartymi wagami lub taki, któremu obiecano otwarte wagi, z wynikiem 46 traci 12 punktów do lidera z wynikiem 58, podczas gdy w wersji v4 różnica wynosiła 3. To stwierdzenie o kryteriach oceny, a nie o nagłym załamaniu możliwości, i każdy artykuł, który przedstawia to jako to drugie, błędnie interpretuje swoje własne źródło.

Linie specyfikacji, wymiar po wymiarze.

• Parametry łączne i aktywne — Step 5 Preview: 600 mld łącznie, 27 mld aktywnych na token, 8 z 352 ekspertów plus jeden wspólny. Kimi K3.1 Pro: 2,8 bln łącznie, 104 mld aktywnych.

• Jakiego rodzaju wydanie to było — Step 5 Preview: nowy flagowy model udostępniony w formie podglądowej, z wagami w dalszej kolejności. Kimi K3.1 Pro: wersja Kimi K3 po treningu dodatkowym z większym nakładem obliczeń na trening dodatkowy, obejmującym wspólne uczenie ze wzmocnieniem w setkach dziedzin — a nie nową architekturę.

• Okno kontekstu — Podgląd kroku 5: 1 mln tokenów. Kimi K3.1 Pro: 1 048 576 tokenów.

• Modalności wejściowe — Step 5 Preview: tekst, obrazy i wideo. Kimi K3.1 Pro: tekst i obrazy.

• Cena wejściowa za milion tokenów — Step 5 Preview: 1,00 USD. Kimi K3.1 Pro: 2,00 USD, stała w całym oknie kontekstu, bez dopłaty za długi kontekst.

• Cena za milion tokenów wyjściowych — Step 5 Preview: 2,70 USD. Kimi K3.1 Pro: 10,00 USD.

• Buforowane dane wejściowe — Step 5 Preview: 90% zniżki na stawkę za dane wejściowe. Kimi K3.1 Pro: 0,20 USD za milion do odczytu, przy czym zapisy do pamięci podręcznej kosztują 2,00 USD przy TTL wynoszącym pięć minut i 4,00 USD przy TTL wynoszącym jedną godzinę.

• Wagi — Step 5 Preview: opublikowane 15 października 2026 r., BF16 i FP8, na licencji StepFun Model License 1.0. Kimi K3.1 Pro: nieopublikowane; Moonshot podał, że wagi mają być dostępne do 4 listopada 2026 r.

• Niezależny wynik w ramach Intelligence Index v5.0 — zapowiedź kroku 5: 29. Kimi K3.1 Pro: 46.

Koszt na ukończone zadanie, z dołączonym zastrzeżeniem

Artificial Analysis podaje 2,35 USD za zadanie Intelligence Index dla Step 5 Preview i 1,98 USD dla Kimi K3.1 Pro. Wygląda to na niewielką przewagę Kimi i warto zrozumieć, dlaczego wcale nie jest oczywiste, że to przewaga.

Te dwie liczby nie powstały na tym samym zbiorze zadań, ponieważ zbiór zadań został przebudowany między tymi dwoma pomiarami. Obie są „kosztem na zadanie indeksowe” w ramach tego kompozytu, który obowiązywał w momencie pobrania danej liczby, co sprawia, że porównanie jest co najwyżej orientacyjne. Niejednoznaczny nie jest natomiast mechanizm: Kimi K3.1 Pro jest rozwlekły — zużywa około 55 000 tokenów wyjściowych na zadanie i 150 milionów w całym przebiegu wobec mediany 87 milionów — a przy $10 za milion tokenów wyjściowych ta rozwlekłość jest kosztowna. Jego $1.98 wynika z ukończenia w mniejszej liczbie rozliczanych kroków, a nie z tańszego tokenu.

Step 5 Preview to tańszy token — 3,7 razy na wyjściu i 2 razy na wejściu — oraz model szybszy o szeroki margines w dostępnym pomiarze: 179,1 tokena wyjściowego na sekundę w API StepFun wobec mediany w klasie wynoszącej 74,1, podczas gdy Kimi K3.1 Pro osiąga około 73. Jeśli Twoje obciążenie jest wrażliwe na opóźnienia i zdominowane przez wyjście, taki porządek odpowiada porządkowi cen i decyzja jest łatwa. Jeśli natomiast w Twoim obciążeniu różnica w jakości odpowiedzi wynosząca 17 punktów indeksu liczy się bardziej niż czas do pierwszego tokena, te same liczby wskazują odwrotny kierunek.

Wagi: jednej nie ma, druga to obietnica z datą.

To jest ta asymetria, którą tabele benchmarków ukrywają. Wagi Step 5 Preview są dostępne do pobrania od 15 października: checkpointy BF16 i FP8 na Hugging Face oraz ModelScope, przepisy dla vLLM i SGLang tego samego dnia, a także wpis techniczny na blogu opisujący 92-warstwowy układ narrow-deep i rzadki wzorzec uwagi GQA. Checkpoint FP8 wymaga około 773 GB VRAM i co najmniej czterech GPU, przy czym domyślnym celem jest B300, a na ścieżce Hopper — osiem układów H200. Licencja jest własną licencją StepFun, niezatwierdzoną przez OSI: wymaga podania źródła w przypadku istotnie wykorzystanych wyników, osobnych negocjacji z producentami sprzętu oraz licencji komercyjnej dla operatorów model-as-a-service o rocznych przychodach powyżej 20 milionów dolarów.

Wagi Kimi K3.1 Pro nie istniały w dniu premiery — Artificial Analysis wciąż klasyfikowało ten model jako zamknięty 24 października — a zapowiedziana data to 4 listopada 2026 r. Gdy się pojawią, model Moonshotu stanie się najlepiej ocenianym modelem do pobrania w indeksie v5, co jest naprawdę istotnym wydarzeniem dla każdego, kto chce możliwości zbliżonych do czołowych bez udziału dostawcy.

Do 4 listopada porównanie dotyczy modelu, który możesz uruchomić, i modelu, który możesz jedynie wywoływać. To nie jest trwała wada Kimi, ale w tym tygodniu jest to realna wada i dlatego decyzja podjęta dziś może nie być decyzją, którą podjąłbyś za dziewięć dni.

Gdzie każdy z nich można teraz wywołać

Jeden z tych dwóch modeli jest w OrcaRouter, a drugi nie. Kimi K3.1 Pro jest w bieżącym katalogu jako kimi/kimi-k3.1-pro, obok pięciu innych modeli Kimi. Step 5 Preview nie jest: katalog obejmuje 214 identyfikatorów modeli od 16 dostawców, a na dzień 29 października 2026 r. nie ma w nim wpisu StepFun. Jeśli chcesz mieć Step 5 Preview już dziś, wywołujesz własne API StepFun albo hostujesz checkpoint.

Ta asymetria jest użyteczną częścią tego porównania przy podejmowaniu decyzji dotyczącej routingu. Ponieważ przekazujemy cenę listową dostawcy bez marży, widoczna tutaj tabela stawek Kimi to tabela stawek Moonshot — $2.00 i $10.00 — i dotyczy to również każdej obniżki, jaką Moonshot później wprowadzi. A ponieważ failover jest automatyczny, praktyczna wersja stwierdzenia „Kimi to tania, wyważona opcja” oznacza, że możesz umieścić ją jako pierwszą w łańcuchu i pozwolić platformie na przełączenie awaryjne, gdy dostawca ulegnie degradacji, zamiast zakodowywać mechanizm fallback w kliencie i utrzymywać go.

Kwestia migracji, jeśli przechodzisz

Trzy rzeczy zajmą ci czas niezależnie od tego, w którą stronę się poruszysz.

Po pierwsze, wolumen wyjścia. Profil kosztów Kimi K3.1 Pro zależy głównie od tego, ile model pisze, a nie od jego stawki. Polecenie, które w Step 5 Preview daje zwięzłą odpowiedź, w Kimi może wygenerować trzykrotnie więcej tokenów, a Twój rachunek będzie podążał za tokenami, a nie za cennikiem stawek. Zmierz liczbę tokenów wyjściowych przypadających na zadanie w ramach własnego obciążenia, zanim w ogóle porównasz te dwie ceny.

Drugi czynnik to ekonomika pamięci podręcznej. Step 5 Preview obniża koszt wejścia z pamięci podręcznej o 90%. Kimi K3.1 Pro pobiera 0,20 USD za milion za odczyt z pamięci podręcznej, ale pobiera też opłatę za zapis do niej — 2,00 USD przy TTL wynoszącym pięć minut i 4,00 USD przy godzinie. Pętla agenta, która przy każdym kroku ponownie wysyła długi prompt systemowy, wygląda zupełnie inaczej w przypadku tych dwóch schematów rozliczeniowych, a karta wyglądająca na tańszą nie zawsze oznacza tańszą pętlę.

Trzecim czynnikiem jest wrażliwość na środowisko testowe. Własna tabela Moonshot umieszcza Kimi K3.1 Pro na poziomie 65,7% w Terminal-Bench 4.0, wobec 66,4% dla Claude Opus 5.5 i 58,2% dla GPT-6 Astra; niezależny ewaluator podaje 67% dla tego samego modelu. Wyniki Terminal-Bench zmieniają się o dziesiątki punktów w zależności od oprzyrządowania, więc 1,7-punktowa różnica między przebiegami dwóch laboratoriów nie jest miarą 1,7-punktowej różnicy możliwości. Każdy wiersz porównujący różnych dostawców w tym zestawieniu traktuj jako twierdzenie o kierunku.

Co konkretnie zrobić w tym tygodniu: jeśli Twoje obciążenie charakteryzuje się długim kontekstem, dużą ilością generowanego tekstu i wrażliwością na opóźnienia, to Step 5 Preview w cenie 1,00 i 2,70 USD jest tańszym eksperymentem, a wagi czynią go rozwiązaniem przenośnym. Jeśli praca polega na kodowaniu agentowym, w którym jakość patcha stanowi cały produkt, to 46 Kimi K3.1 Pro na v5 i jego 67% na Terminal-Bench 4.0 czynią go mocniejszym zakupem, a 4 listopada to data, która zamienia go z zakładu w aktywo. Tak czy inaczej, nie podejmuj decyzji w oparciu o 44 i 55. Te liczby należą do skali oceny, która już nie istnieje.