GPT-6.1 Sol vs Kimi K3.1 Pro: одинаковые $2/$10, три пункта индекса и разница в стоимости задачи в 2,9 раза

Kimi K3.1 Pro и GPT-6.1 Sol имеют одинаковый ценник, и это — самое неинтересное в них. Moonshot выпустила K3.1 Pro 23 октября 2026 года по цене $2,00 за миллион входных токенов и $10,00 за миллион выходных; OpenAI выпустила Sol 29 сентября с точно такой же парой цен. По данным Artificial Analysis, K3.1 Pro набирает 55 баллов и занимает четвёртое место среди 221 модели; Sol набирает 52. Модели различаются по возможностям на три пункта, а по стоимости выполнения задачи — почти в три раза: $2,11 у K3.1 Pro против $0,72 у Sol. Именно эта инверсия, а не ценник, и определяет выбор.

Приведённые ниже измерения получены от Artificial Analysis, которая запускает обе модели в опубликованной конфигурации и учитывает токены, расходуемые каждой из них, а также из собственной документации и заявлений при запуске двух поставщиков, прочитанных 27 октября 2026 года. Показатели поставщиков помечены как таковые. Здесь это различие важнее, чем обычно, потому что две компании делают противоположные ставки на то, как модель должна расходовать токены.

Цена та же. Счёт — нет.

Цена за токен — это цена за единицу, а цена за единицу превращается в счёт только после умножения на потребление. Эти две модели потребляют очень по-разному. Учёт стоимости на задачу от Artificial Analysis показывает, что K3.1 Pro тратит $2.11 на выполнение одной задачи Intelligence Index, а Sol — $0.72: разница в 2.9x при одинаковых заявленных тарифах. Причина — объём вывода. K3.1 Pro — это модель, которая всегда рассуждает и выдаёт существенно больше токенов на ответ, а вывод — это дорогая половина тарифной сетки: $10.00 за миллион.

В собственных релизных материалах Moonshot признаётся эта особенность. Модель представляет собой прошедшую посттренировку версию Kimi K3 с существенно расширенными вычислительными ресурсами для обучения с подкреплением, и компания описывает прирост как результат более длительного, более вдумчивого рассуждения, а не более крупной базовой модели. Именно более длительное рассуждение и приводит к большему числу выходных токенов. Прирост возможностей и рост затрат — это один и тот же факт, измеренный двумя способами.

• Ввод / вывод — $2,00 / $10,00 за миллион для обеих моделей.

• Кэшированный ввод — Kimi K3.1 Pro $0.20 со скидкой 90%; GPT-6.1 Sol $0.10 со скидкой 95%.

Стоимость одной задачи индекса — $2,11 против $0,72 в Artificial Analysis v4.3.2.

• Независимый индекс — 55 против 52; K3.1 Pro занимает четвёртое место из 221, Sol сразу следом.

• Скорость вывода — 47,9 токена в секунду против 69,2; оба показателя — измерения Artificial Analysis.

• Лимит контекста и вывода — 1,048,576 входных токенов для K3.1 Pro; 1,050,000 входных и 128,000 выходных токенов для Sol.

Архитектура — 2,8 триллиона общих параметров, из которых 104 миллиарда активны у K3.1 Pro; OpenAI не публикует количество параметров Sol.

• Веса — K3.1 Pro на данный момент проприетарна, Moonshot обещает открытые веса к 4 ноября; Sol проприетарна, об открытии не объявлено.

Что покупают три пункта индекса?

Разрыв в три балла по составной оценке значим, но не решающ, а структура различия проявляется в баллах по компонентам. Artificial Analysis указывает для K3.1 Pro 67 баллов в Terminal-Bench 4.0 — это самый высокий показатель среди всех измеренных ею моделей, против 56,1 у Sol. В GDPval-AA, оценке профессиональной деятельности, K3.1 Pro занимает 1 846 Elo, третье место в общем зачёте и на 312 пунктов выше своего предшественника. В AutomationBench-AA он улучшился с 58% до 73%. В Humanity's Last Exam он вырос с 47% до 52%. Доля галлюцинаций в AA-Omniscience снизилась с 53% до 44%.

Это самые сильные независимые показатели, которые есть у каждой из моделей. Независимый профиль Sol ровнее: сводная оценка 52, ни одного отдельного теста, где он лидирует в отрасли, и показатель стоимости на задачу, лучший в его ценовом диапазоне. Честная интерпретация такова: K3.1 Pro — более способная модель в ряде оценок агентных и профессиональных задач, а Sol — более эффективная. Ни одно из этих утверждений не является окончательным вердиктом, потому что способность превращается в ценность только при том объёме, в котором вы работаете.

Собственные заявления Moonshot о запуске идут дальше выводов независимого совета, и их следует воспринимать именно как заявления. Компания сообщила о лучших результатах в шести из четырнадцати проведённых тестов, включая SWE Marathon — 51,7 и HLE-with-tools — 70,0. Её показатель Terminal-Bench 4.0 составляет 65,7%, что немного ниже 67%, измеренных Artificial Analysis, — редкий случай, когда число поставщика оказывается консервативным, и это стоит отметить именно потому, что это необычно. Слабое место — Terminal-Bench Science 0.1 с 38,1 против 68,1 у GPT-6 Astra. K3.1 Pro — не модель для сложных научных рассуждений, и Moonshot этого и не утверждает.

Счёт за скорость и многословие

Artificial Analysis измеряет K3.1 Pro на уровне 47,9 выходных токенов в секунду и называет его заметно медленным; Sol работает на 69,2. В сочетании с разницей в объёме вывода это означает, что длинный цикл агента на K3.1 Pro занимает и больше реального времени, и больше денег на каждом шаге. Для интерактивного программирования, где разработчик ждёт каждого хода, именно на разницу в задержке пользователи пожалуются в первую очередь. Для пакетной оценки, где никто не ждёт, имеет значение только стоимость.

Есть более быстрый тариф. Moonshot продаёт вариант Highspeed по цене $4,00 за входные данные и $20,00 за выходные, при этом цена при попадании в кеш остаётся неизменной; это удваивает скорость обработки токенов и удваивает цену. Это тот же компромисс, который Sol предлагает в своём режиме Fast с коэффициентом 2x. В обоих случаях быстрый тариф предназначен для задач, чувствительных к задержке, а не для больших объёмов, и расчёты редко оказываются в его пользу для пакетных заданий.

4 ноября, и что на самом деле меняют открытые веса

Moonshot сообщает, что полные веса будут опубликованы к 4 ноября 2026 года. Если это произойдёт, K3.1 Pro станет моделью с открытыми весами, набравшей highest балл в индексе Artificial Analysis, сократив разрыв между лучшими открытыми и лучшими проприетарными моделями примерно с двенадцати пунктов до трёх. Это по-настоящему значимое событие для всех, кому нужно разворачивать модель на собственных серверах, дообучать её или выполнять инференс в пределах контура соответствия требованиям.

Для большинства тех, кто обращается к API, это не событие. Открытые веса меняют, кто может запускать модель и на каких условиях; они не меняют цену хостинга, скорость или возможности. Команда, которая обращается к API и не имеет ограничений по месту хранения данных, не получает от релиза весов ничего, кроме второго варианта поставки и, в конечном итоге, большего числа провайдеров, конкурирующих на одном и том же чекпойнте. Эта конкуренция реальна и обычно проявляется как давление на цены, но это эффект на месяцы, а не ноябрьский.

В релизе Moonshot есть вторая, более конкретная оговорка. Компания заявляет, что намеренно удалила данные для обучения, связанные с кибербезопасностью и эксплуатацией уязвимостей, чтобы не расширять открытый передний край наступательных кибервозможностей, и что контрольная точка, набравшая 90,5% на xdev-bench-hard, в результате была снижена до 81%. Это решение в сфере безопасности с измеримой ценой в возможностях, раскрытое поставщиком. Если ваша работа — средства безопасности, это самое важное предложение в материалах запуска — важнее, чем балл по индексу.

Три рабочих нагрузки — три ответа

• Высокообъёмное пакетное программирование без требований к задержке — GPT-6.1 Sol. При $0.72 за задачу индексации против $2.11 разрыв в эффективности перевешивает разницу в возможностях в три пункта, если только ваша задача не относится именно к тем, где агентные оценки K3.1 Pro выражаются в меньшем числе повторных попыток. Измерьте частоту повторных попыток, прежде чем предполагать, что так и есть.

• Агентная работа с длинным горизонтом, где неверный ответ дорого обходится — Kimi K3.1 Pro. Лидерство в Terminal-Bench 4.0 и позиция в GDPval-AA — это самое близкое к доказательству устойчивой многошаговой компетентности, которое есть у каждой из моделей, а надбавка за задачу мала по сравнению со стоимостью неудачной траектории.

• Интерактивное программирование, где человек ждёт, — GPT-6.1 Sol, по скорости. 69,2 токена в секунду против 47,9 — это заметная разница в редакторе, а преимущество в стоимости — скорее бонус, чем причина.

• Научные или математические рассуждения — здесь ни один из них не находится на переднем крае. Показатель K3.1 Pro 38.1 на Terminal-Bench Science 0.1 — задокументированная слабость, а 57.0 у Sol на том же наборе тестов — достойный результат, но значительно ниже 68.1, которые OpenAI указывает для GPT-6 Astra. Это единственная рабочая нагрузка, где модель на уровень выше обеих этих моделей является правильным выбором.

Запускать оба дешевле, чем ошибиться в выборе.

Обе модели доступны на OrcaRouter по одному ключу с наценкой 0% к прайс-листу каждого провайдера, при этом Sol — $2.00 и $10.00, а K3.1 Pro — по той же паре, кэшированный ввод передаётся по $0.10 и $0.20 соответственно. Это делает решение обратимым: нагрузку можно протестировать на обеих моделях на одном и том же отслеживаемом трафике, а проигравшую убрать изменением маршрутизации, а не переговорами по контракту.

Слияние моделей — единственная функция, которая заслуживает своего места именно в этой конкретной паре, а не как универсальная затычка. Две модели ошибаются в разных направлениях — Sol краток и быстр, K3.1 Pro вдумчив и сильнее на длинных агентных траекториях, — поэтому панель, которая опрашивает обе и согласует их ответы, является разумным решением для высокорисковых запросов, где разница в стоимости 2.9x несущественна по сравнению со стоимостью ошибки. Для всего остального маршрутизация по рабочей нагрузке — более дешёвый паттерн: K3.1 Pro для агентного пути, Sol для высоконагруженного пути, один эндпоинт для обоих.

Рейтинг, который не является индексом

Если вопрос в том, какая модель лучше, K3.1 Pro выигрывает три балла и лидирует в агентных тестах, важных для длительных задач. Если же вопрос в том, какую модель в этом месяце использовать в высоконагруженном production-контуре, Sol выигрывает по стоимости выполнения одной задачи в 2,9 раза и по скорости в 1,4 раза, и трёхбалльный разрыв в возможностях не компенсирует ни одно из этих преимуществ.

Единственная дата, которую стоит занести в календарь, — 4 ноября. Если веса выйдут, K3.1 Pro станет эталонной моделью с открытыми весами, и расклад для команд, разворачивающих модели у себя, изменится. Если они задержатся — а Moonshot назвала дату, и это уже больше, чем у большинства, — расклад останется точно таким же, как сегодня: та же заявленная цена, другой счёт и выбор, который стоит делать на основе измеренной стоимости задачи, а не цифры в колонке с ценой.