GPT-6.1 Terra vs Kimi K3.1 Pro: Sju indexpoäng för dubbelt pris

GPT-6.1 Terra och Kimi K3.1 Pro ligger två steg ifrån varandra på samma resultattavla och två faktorer ifrån varandra i pris. Artificial Analysis placerar Kimi K3.1 Pro på 55 i sitt Intelligence Index – fjärde plats totalt – och GPT-6.1 Terra på 48, tjugofemte plats. Kimi kostar 2 $ per miljon indatatoken och 10 $ per miljon utdatatoken i OrcaRouter-katalogen; Terra kostar 1 $ och 5 $. Den slutna, billigare och snabbare modellen är sju poäng mindre kapabel; den öppna utmanaren med öppna vikter kostar dubbelt så mycket och är 5,4 poäng bättre på skrivbordsautomation. Inget av dessa faktum avgör köpbeslutet.

Jämförelsen är värd att göra noggrant, eftersom de två modellerna inte är utbytbara på det sätt som priset antyder. De skiljer sig åt när det gäller utdatalängd med en faktor sju, licensiering genom öppen kontra sluten modell och var de befinner sig i sina leverantörers produktportföljer. Den här artikeln prissätter samma arbetsbelastningar för båda, markerar vilka siffror som är oberoende och vilka som är leverantörspåståenden, och avslutar med den uppdelning vi faktiskt skulle använda.

Korten

GPT-6.1 Terra — $1 för indata / $5 för utdata per miljon, $0.05 för cachad indata, kontext på 1,050,000 token, maximal indata 922,000, maximal utdata 128,000, kunskapsgräns 1 juni 2026, sex inställningar för resonemangsansträngning, text och bild in, text ut.

• Kimi K3.1 Pro — 2 USD för indata / 10 USD för utdata per miljon på OrcaRouter, kontext på 1 048 576 token, maximal utdata 943 718, öppna vikter utlovade senast 4 november 2026, släppt 23 oktober 2026.

Kontextfönstren är i praktiken identiska på omkring en miljon tokens. Utdatataken är det inte: Terra stannar vid 128 000 tokens, Kimi tillåter 943 718. För chatt är skillnaden osynlig; för långformsgenerering, kodutdata för hela filer eller sammanfattning i transkriptionsskala är det skillnaden mellan ett anrop och en chunkningspipeline.

Varför sju indexpunkter är mycket här

På en resultattavla som sträcker sig ungefär från 38 till 60 är sju poäng mer än en avrundningsskillnad – det är gapet mellan 25:e och 4:e plats. GPT-6.1 Sol, modellen som OpenAI säljer som sin högpresterande nivå, ligger på 52. Kimi K3.1 Pro på 55 ligger över den. GPT-6 Astra, flaggskeppet, ligger på 53. Så modellen med öppna vikter från Moonshot tävlar inte med Terra; på det sammansatta måttet tävlar den med OpenAIs två främsta modeller och vinner med två till tre poäng.

På de dimensioner som spelar roll för agenter håller mönstret i sig. På OSWorld 2.1 får Kimi K3.1 Pro 79,6 % mot 74,2 % för Terra – en skillnad på 5,4 procentenheter, och högre än GPT-6 Astras 75,8 %. Inom kodning beskriver coverage-rapporter Kimi som tätt efter Claude Opus 5.5, som med 58 är den högsta poängen i denna jämförelse. Terras Coding Agent Index på 48 ligger sex poäng under Sol och 29 under Astra; Kimi är inte i närheten.

Motvikten är att Terra inte försöker vinna de jämförelserna. OpenAIs positionering är avgränsat arbete – formulär, skärmbilder, fakturor, utkast – där 48 är tillräckligt och $0.40 per uppgift är poängen. Ett intelligensgap på sju punkter spelar störst roll för de uppgifter som Terra inte såldes för.

Prismatematik: när lönar sig dubbla priset?

En standardförfrågan med 100 000 indata och 5 000 utdata kostar $0,125 på Terra och $0,25 på Kimi. En förfrågan med 400 000 indata och 4 000 utdata, över tröskeln för lång kontext, kostar $0,83 på Terra och $1,66 på Kimi. Om båda modellerna löser en uppgift i ett försök med samma tokenantal är Terra exakt halva priset och det finns inget annat att diskutera.

Det intressanta fallet är när de inte använder samma antal tokens eller försök. Ta en arbetsbelastning för dokumentutvinning där Terra lyckas på första försöket 80 % av gångerna och Kimi i 92 % av fallen. Med ett fast anrop per försök med 3 000 token som indata och 400 token som utdata är Terras förväntade kostnad per lyckat resultat cirka $0,0055; Kimis är cirka $0,0092. Terra vinner fortfarande på kostnad – eftersom noggrannhetsgapet skulle behöva vara enormt för att färre återförsök ska kunna kompensera för ett dubbelt så högt tokenpris.

Ta nu en agentisk kodningsuppgift där modellerna behöver 30 000 indatatoken och 2 000 utdatatoken per försök, och där felläget är en felaktig patch snarare än ett nytt försök. Terra med kodningsnivå 48 på en uppgift som kräver kodningsnivå 77 misslyckas inte 20 % oftare; det misslyckas kvalitativt och producerar ändringar som körs men inte löser problemet. Det är inte en kostnad för ett nytt försök, det är en kostnad i ingenjörstimmar, och det är fallet där dubbelt pris är det billiga alternativet.

Öppna vikter förändrar det andra året, inte det första

Moonshot har lovat att vikterna för Kimi K3.1 Pro ska finnas tillgängliga senast den 4 november 2026. Det spelar roll av tre skäl, och inget av dem är dagens faktura. För det första tar egen drift bort priset per token från marginalkostnadsberäkningen helt och ersätter det med GPU-timmar – vilket är billigare vid ihållande hög volym och mycket dyrare vid låg volym. För det andra tar öppna vikter bort leverantören som enda felpunkt, vilket är ett upphandlingsargument snarare än ett tekniskt sådant. För det tredje kan en nedladdningsbar modell finjusteras, utvärderas internt och låsas till en version, vilket inte något av är möjligt med ett slutet API.

Två förbehåll hör hemma bredvid löftet. Vikterna är inte ute ännu, så varje uttalande om dem är ett påstående. Och den släppta modellen är inte identisk med API-modellen: rapporter säger att Moonshot tog bort cyberrelaterad träningsdata före lanseringen, vilket förändrar beteendet vid säkerhetsnära prompter – ett medvetet val, och ett som innebär att de öppna vikterna och API-slutpunkten inte är utbytbara för alla arbetsbelastningar.

GPT-6.1 Terra har ingen motsvarande väg. Den är sluten, endast tillgänglig via API, går inte att finjustera och erbjuds inte i något upplägg för egen drift. Om portabilitet är ett krav är jämförelsen över innan benchmarkarna ens börjar.

Latens går inte att jämföra, och det är hela poängen

Kimi K3.1 Pro visar ett p50 på cirka 6,95 sekunder på sin OrcaRouter-modellsida – ett latensvärde på plattformsnivå över verklig trafik. GPT-6.1 Terra:s publicerade latenssiffra är 133,64 sekunder till första token i Artificial Analysis benchmark för resonemang med maximal ansträngning, vilket mäter hur länge modellen tänker innan den svarar på en svår fråga, inte hur lång tid en typisk förfrågan tar. Att ställa de två siffrorna sida vid sida skulle vara meningslöst.

Det som går att jämföra är genomströmningen på samma benchmark: Artificial Analysis mäter Terra till 90,9 output-tokens per sekund och GPT-6.1 Sol till 73,5. Kimis motsvarande siffra finns inte på samma sida. Den ärliga hållningen är att Terra bevisligen är snabb bland OpenAI-modeller, och att Kimis hastighet på din arbetsbelastning är något du mäter snarare än läser.

Där var och en vinner

• Terra – storskaliga avgränsade uppgifter där en godkännandegrad på 74 % för datoranvändning är acceptabel efter ett granskningssteg; dokument- och fakturaflöden; utkastskrivning och redigering; allt där den nyare brytpunkten i juni 2026 hjälper och $0,40 per uppgift ger sammansatt effekt.

• Kimi K3.1 Pro — agentisk kodning och långsiktigt arbete där ett intelligensgap på sju punkter förändrar utfallet; skrivbordsautomatisering där 79,6 slår 74,2; generering av långa utdata där ett tak på 943 718 token tar bort ett chunkningslager; och varje driftsättning som behöver öppna vikter, självhosting eller en version som kan pinnas.

Ingetdera – oövervakad, oåterkallelig datoranvändning. Claude Opus 5.5 på 81,8 i OSWorld är ledande, och gapet till båda dessa modeller är större än gapet mellan dem.

Kör dem sida vid sida

Kimi K3.1 Pro finns i OrcaRouter-katalogen till $2/$10 med en kontext på 1 048 576 tokens, och den kan anropas via OpenAI SDK genom att peka bas-URL:en mot vår endpoint. GPT-6.1 Terra finns inte i katalogen i skrivande stund, så Terra-grenen måste testas direkt mot OpenAI.

Den asymmetrin är tillfällig men användbar: den innebär att Kimi-armen kan mätas på livetrafik redan i dag, till listpris utan påslag, tillsammans med resten av katalogen – GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5 – och Terra-armen kan mätas parallellt mot OpenAI:s API. När Terra lanseras är jämförelsen redan byggd, och routningslagret kan skicka varje uppgift till den arm som vinner på den i stället för till den modell som ett blogginlägg rankade högre.

Uppdelningen vi skulle använda

Om uppgiften är avgränsad, återkommande och granskad slår Terras halva pris Kimis sju poäng. Om uppgiften är öppen, kodformad eller behöver köras utan en leverantör slår Kimis sju poäng Terras halva pris – och de öppna vikterna gör det andra året billigare än token-matematiken antyder.

Misstaget är att välja en enda modell för hela arbetsbelastningen. Underlaget talar för en uppdelning: Terra för volymnivån, Kimi för den svåra nivån och en avvägd fallback mellan dem. Det är ett routingbeslut, inte ett modellbeslut, och det är det som den här jämförelsen faktiskt förtjänar.