GPT-6.1 Sol vs Kimi K3.1 Pro: Samma $2/$10, tre indexpunkter och en 2,9x skillnad i vad en uppgift kostar

Kimi K3.1 Pro och GPT-6.1 Sol har samma prislapp, vilket är det minst intressanta med dem. Moonshot släppte K3.1 Pro den 23 oktober 2026 för $2.00 per miljon indatatokens och $10.00 per miljon utdatatokens; OpenAI släppte Sol den 29 september till exakt samma prispar. På Artificial Analysis får K3.1 Pro 55 poäng och ligger på fjärde plats av 221 modeller; Sol får 52. Modellerna skiljer sig tre poäng åt i förmåga och nästan tre gånger åt i vad det kostar att slutföra en uppgift – $2.11 för K3.1 Pro mot $0.72 för Sol. Det är den inversionen, inte prislappen, som är avgörandet.

Mätningarna nedan kommer från Artificial Analysis, som kör båda modellerna under en publicerad konfiguration och tar hänsyn till de tokens som var och en förbrukar, samt från de två leverantörernas egen dokumentation och lanseringspåståenden, lästa den 27 oktober 2026. Leverantörssiffror är märkta som sådana. Distinktionen spelar större roll än vanligt här, eftersom de två företagen gör motsatta satsningar på hur en modell bör förbruka tokens.

Priset är detsamma. Fakturan är det inte.

Prissättning per token är ett enhetspris, och ett enhetspris blir bara en räkning när man multiplicerar det med förbrukningen. De två modellerna förbrukar mycket olika. Artificial Analysiss kostnadsredovisning per uppgift anger K3.1 Pro till $2,11 för att slutföra en Intelligence Index-uppgift och Sol till $0,72 – en skillnad på 2,9x vid identiska listpriser. Orsaken är utvolymen. K3.1 Pro är en always-reasoning-modell som avger betydligt fler tokens per svar, och utdata är den dyra halvan av prislistan till $10,00 per miljon.

Moonshots eget lanseringsmaterial bekräftar den här bilden. Modellen är en eftertränad version av Kimi K3 med kraftigt utökad beräkningskapacitet för förstärkningsinlärning, och företaget beskriver förbättringarna som ett resultat av längre och mer eftertänksamt resonemang snarare än av en större basmodell. Längre resonemang är precis det som ger fler utdatatoken. Kapacitetsvinsten och kostnadsökningen är samma faktum mätt på två sätt.

• Inmatning / utmatning — $2.00 / $10.00 per miljon för båda modellerna.

• Cachad indata — Kimi K3.1 Pro $0.20 med 90 % rabatt; GPT-6.1 Sol $0.10 med 95 % rabatt.

• Kostnad per indexuppgift — $2,11 vs $0,72 på Artificial Analysis v4.3.2.

• Oberoendeindex — 55 mot 52; K3.1 Pro ligger fyra av 221, Sol tätt efter.

• Uthastighet – 47,9 tokens per sekund mot 69,2, båda mätningar från Artificial Analysis.

• Kontext- och utdatagräns — 1 048 576 indata för K3.1 Pro; 1 050 000 indata och 128 000 utdata för Sol.

• Arkitektur — 2,8 biljoner totala parametrar med 104 miljarder aktiva för K3.1 Pro; OpenAI publicerar inte antalet parametrar för Sol.

• Vikter — K3.1 Pro är proprietärt i dag, medan Moonshot lovar öppna vikter senast 4 november; Sol är proprietärt utan att någon öppning har aviserats.

Vad köper tre indexpoäng?

Ett avstånd på tre poäng i ett sammansatt mått är betydelsefullt men inte avgörande, och det är i delpoängen som skillnadens karaktär framträder. Artificial Analysis listar K3.1 Pro på 67 i Terminal-Bench 4.0, det högsta bland alla modeller som den har mätt, mot 56,1 för Sol. På GDPval-AA, en utvärdering av professionellt arbete, ligger K3.1 Pro på 1 846 Elo, tredje totalt och 312 poäng över sin egen föregångare. På AutomationBench-AA förbättrades den från 58 % till 73 %. På Humanity's Last Exam gick den från 47 % till 52 %. Hallucinationsfrekvensen på AA-Omniscience sjönk från 53 % till 44 %.

Det där är de starkaste oberoende siffrorna som någon av modellerna har. Sols oberoende profil är plattare: en sammansatt poäng på 52 utan någon enskild utvärdering där den leder fältet, och en siffra för kostnad per uppgift som är bäst i sin prisklass. Den ärliga tolkningen är att K3.1 Pro är den mer kapabla modellen i flera agentiska och yrkesrelaterade utvärderingar, och att Sol är den mer effektiva. Inget av påståendena är ett avgörande, eftersom kapacitet bara omvandlas till värde vid den volym du kör.

Moonshots egna påståenden vid lanseringen går längre än den oberoende nämndens och bör läsas som påståenden. Företaget rapporterade toppresultat på sex av fjorton tester som det körde, bland annat SWE Marathon på 51,7 och HLE-with-tools på 70,0. Siffran för Terminal-Bench 4.0 är 65,7 %, något under de 67 % som Artificial Analysis mätte – ett sällsynt fall där leverantörens siffra är den konservativa, vilket är värt att notera just eftersom det är ovanligt. Den svaga punkten är Terminal-Bench Science 0.1 på 38,1, mot 68,1 för GPT-6 Astra. K3.1 Pro är inte modellen för krävande vetenskapligt resonemang, och Moonshot hävdar inte att den är det.

Förslaget om hastighet och mångordighet

Artificial Analysis mäter K3.1 Pro till 47,9 utdatatoken per sekund och betecknar det som anmärkningsvärt långsamt; Sol ligger på 69,2. I kombination med skillnaden i utdatavolym innebär det att en lång agentloop på K3.1 Pro tar både mer väggklockstid och mer pengar per steg. För interaktiv kodning, där en utvecklare väntar på varje tur, är latensskillnaden den som användarna först kommer att klaga på. För batchutvärdering, där ingenting väntar, spelar bara kostnaden roll.

Det finns en snabbare nivå. Moonshot säljer en Highspeed-variant till $4.00 för indata och $20.00 för utdata, med oförändrad prissättning för cacheträffar, vilket fördubblar tokenhastigheten och fördubblar priset. Det är samma avvägning som Sol erbjuder med sitt Fast-läge på 2x. I båda fallen är den snabba nivån avsedd för latenskänsligt arbete, inte för volym, och kalkylen talar sällan för den vid batchjobb.

4 november, och vad öppna vikter faktiskt förändrar

Moonshot säger att de fullständiga vikterna kommer att publiceras senast den 4 november 2026. Om det inträffar skulle K3.1 Pro bli den högst poängsatta modellen med öppna vikter på Artificial Analysis-indexet och minska gapet mellan den bästa öppna och den bästa proprietära modellen från ungefär tolv poäng till tre. Det är en viktig händelse för alla som behöver självhosta, finjustera eller köra inferens inom en regelefterlevnadsgräns.

Det är ingen händelse för de flesta API-anropare. Öppna vikter ändrar vem som kan köra modellen och på vilka villkor; de ändrar inte det hostade priset, hastigheten eller förmågan. Ett team som anropar ett API och inte har några krav på datalokalisering får ingenting från viktsläppet annat än ett andra inköpsalternativ och, så småningom, fler leverantörer som konkurrerar om samma checkpoint. Den konkurrensen är verklig och brukar visa sig som prispress, men det är en effekt som tar månader, inte en novembereffekt.

Det finns en andra, mer specifik förbehållning i Moonshots lansering. Företaget säger att man medvetet tog bort cyber- och exploitrelaterad träningsdata för att undvika att utöka den öppna fronten för offensiv cyberförmåga, och att en checkpoint som fick 90,5 % på xdev-bench-hard reducerades till 81 % till följd av detta. Det är ett säkerhetsbeslut med en mätbar kapacitetskostnad, som avslöjas av leverantören. Om ditt arbete handlar om säkerhetsverktyg är det den viktigaste meningen i lanseringsmaterialet – viktigare än indexpoängen.

Tre arbetsbelastningar, tre svar

• Batchkodning i hög volym, inget latenskrav — GPT-6.1 Sol. Med $0.72 per indexuppgift jämfört med $2.11 väger effektivitetsgapet tyngre än en kapacitetsskillnad på tre punkter, om inte din uppgift specifikt är en där K3.1 Pro:s agentiska poäng leder till färre återförsök. Mät återförsöksfrekvensen innan du antar att de gör det.

• Långsiktigt agentiskt arbete där ett felaktigt svar är dyrt – Kimi K3.1 Pro. Tätpositionen i Terminal-Bench 4.0 och placeringen i GDPval-AA är det närmaste bevis som någon av modellerna har på varaktig flerstegets kompetens, och merkostnaden per uppgift är liten i förhållande till kostnaden för en misslyckad trajektoria.

• Interaktiv kodning där en människa väntar — GPT-6.1 Sol, vad gäller hastighet. 69,2 token per sekund mot 47,9 är en synlig skillnad i en editor, och kostnadsfördelen är en bonus snarare än anledningen.

• Vetenskapligt eller matematiskt resonemang – ingendera, vid frontlinjen. K3.1 Pros 38,1 på Terminal-Bench Science 0.1 är en dokumenterad svaghet, och Sols 57,0 på samma svit är respektabelt men väl under de 68,1 som OpenAI rapporterar för GPT-6 Astra. Detta är den enda arbetsbelastningen där nivån ovanför båda modellerna är det rätta svaret.

Att köra båda är billigare än att välja fel

Båda modellerna finns på OrcaRouter på en och samma nyckel med 0 % påslag över varje leverantörs listpris, där Sol ligger på 2,00 och 10,00 dollar och K3.1 Pro på samma par, med cachad indata vidarebefordrad till 0,10 respektive 0,20 dollar. Det gör beslutet reversibelt: en arbetsbelastning kan benchmarkas mot båda på samma spårade trafik, och förloraren kan tas bort med en routningsändring i stället för en kontraktsförhandling.

Modellfusion är den funktion som förtjänar sin plats just för detta par snarare än som en generisk plugg. De två modellerna brister åt olika håll — Sol är kortfattad och snabb, K3.1 Pro är eftertänksam och starkare på långa agentiska trajektorier — så en panel som frågar båda och sammanjämkar deras svar är en rimlig design för högriskbeslut där kostnadsskillnaden på 2,9x är oväsentlig jämfört med kostnaden för att ha fel. För allt annat är routning efter arbetsbelastning det billigare mönstret: K3.1 Pro för den agentiska vägen, Sol för högvolymvägen, en slutpunkt för båda.

Rangordningen som inte är indexet

Om frågan är vilken modell som är bättre, vinner K3.1 Pro med tre poäng och leder på de agentiska utvärderingar som spelar roll för långvarigt arbete. Om frågan är vilken modell man ska sätta bakom en produktionsväg med hög volym den här månaden, vinner Sol på kostnad per slutförd uppgift med en faktor 2,9 och på snabbhet med en faktor 1,4, och kompetensgapet på tre poäng stänger inte någon av fördelarna.

Det enda datumet som är värt att skriva upp är 4 november. Om vikterna landar blir K3.1 Pro referensmodellen med öppna vikter och kalkylen för team som självhostar förändras. Om de glider – och Moonshot har angett ett datum, vilket är mer än de flesta – stannar kalkylen exakt där den är i dag: samma listpris, en annan nota och ett val som bör göras utifrån uppmätt uppgiftskostnad snarare än utifrån siffran i priskolumnen.