Kimi K3.1 Pro vs DeepSeek V4.1 Flash: Sexton indexpoäng för tretton gånger priset

DeepSeek V4.1 Flash kostar 0,15 USD per miljon indatatoken och 0,60 USD per miljon utdatatoken i vår katalog. Kimi K3.1 Pro kostar 2,00 USD och 10,00 USD — 13 gånger så mycket för indata, 17 gånger för utdata. På det oberoende indexet köper det priset 16 poäng: Artificial Analysis ger Kimi K3.1 Pro 55 och DeepSeek V4.1 Flash 39. Det köper också en annan typ av modell — DeepSeek är 2,5 gånger snabbare och mer än dubbelt så ordrik, så gapet per token och gapet per uppgift är inte samma siffra. Detta är den tydligaste kapacitet-för-pengar-affären i den nuvarande katalogen, och det intressanta är att den inte pekar åt samma håll för varje uppgift.

Båda modellerna har en kontext på en miljon token, båda tar emot bilder och båda genererar utdata på hundratusentals token. Den ena är ett kinesiskt labs främsta flaggskepp som släpptes i oktober; den andra är den lilla modellen i DeepSeeks arkitekturfamilj, släppt den 10 september 2026 och positionerad som efterträdaren i produktion till dess tidigare Flash-modeller. Jämförelsen handlar egentligen om vad 16 indexpoäng är värda för en specifik arbetsbelastning – och om det enda riktmärket där den billiga modellen vinner.

Prislistorna, och vad en verklig arbetsbelastning kostar

• Indata — 2,00 USD per miljon tokens på Kimi K3.1 Pro jämfört med 0,15 USD på DeepSeek V4.1 Flash.

• Utdata — 10,00 USD mot 0,60 USD.

• Kontextfönster — 1 048 576 token på båda.

• Maximal utdata – 943 718 tokens på Kimi K3.1 Pro, 384 000 på V4.1 Flashs basendpoint och 393 216 på 1017-snapshoten. Båda är tillräckligt stora för att utdatalängden inte längre ska vara begränsningen.

• Vikter och storlek — DeepSeek V4.1 Flash är en mixture-of-experts-modell med 552 miljarder parametrar och 16 miljarder aktiva parametrar, publicerad på Hugging Face under MIT-licens. Kimi K3.1 Pro är av 3T-klass och dess vikter utlovas till 4 november, medan licensen ännu inte har publicerats.

• Hastighet – 181 utdatatokens per sekund hos utvärderarens leverantör för DeepSeek, jämfört med 73,5 för Kimi K3.1 Pro. För bulkarbete är detta den näst största skillnaden efter pris.

Matematiken är brutal i volym. Ett anrop som läser en miljon indatatoken och skriver 200 000 utdatatoken kostar $4.00 på Kimi K3.1 Pro och 27 cent på DeepSeek V4.1 Flash. En nattlig pipeline som bearbetar 2 000 långa dokument i månaden med 50 000 indatatoken och 5 000 utdatatoken vardera spenderar ungefär $300 på Kimi och $21 på DeepSeek. För klassificering, extrahering, omskrivning och sammanfattning i stor skala märks den 16-punkters skillnaden sällan på ett sätt som en kund lägger märke till; fakturan gör det.

Två förbehåll gör att det inte är hela historien. Artificial Analysis, som mätte båda modellerna via en leverantör i stället för till listpris, anger DeepSeek V4.1 Flash till $0,295 för indata och $1,20 för utdata per miljon tokens – dubbelt så mycket som vår katalogtaxa, och en påminnelse om att det billigaste numret i en jämförelse är det som ingen faktiskt betalar. Viktigare är att kostnaden per uppgift är $0,48 mot Kimi K3.1 Pros $2,11: en besparing på 4,4×, inte de 15× som tokenpriserna antyder, eftersom DeepSeek genererade 250 miljoner utdatatokens under indexkörningen mot Kimis 150 miljoner. Mångordigheten äter upp prisfördelen, och båda modellerna ligger långt över medianen.

Sexton punkter är inte ett avrundningsfel

Samma marginal som inte spelar någon roll för en klassificeringsuppgift spelar enorm roll för allt som innehåller en plan. Det oberoende indexet är ett genomsnitt över tio utvärderingar som spänner över kunskap, resonemang och agentiskt arbete; ett gap på 16 punkter i det genomsnittet innebär att den svåra änden av distributionen inte är nära. I Moonshots lanseringstabell får Kimi K3.1 Pro 61,2 % på långsiktig kodning och 65,7 % på Terminal-Bench 4.0; Flash-nivån finns inte alls med i de raderna.

Praktiskt uttryckt: om uppgiften kan specificeras i en prompt och kontrolleras av en validerare, köp den billiga modellen och lägg besparingen på omförsök. Om uppgiften kräver att man avgör vad som ska göras härnäst – läsa ett misslyckat test, välja en fil att redigera, återhämta sig från ett dåligt verktygsanrop – är de 16 poängen skillnaden mellan en agent som blir klar och en som loopar.

Den enda raden där den billiga modellen vinner

Moonshots egen benchmarktabell innehåller en rad som talar emot det. I xdev-bench-hard vid pass@3, en leverantörsdriven adversariell kodutvärdering, får DeepSeek V4.1 Flash 85,7 % mot Kimi K3.1 Pros 81,0 %. Kimi K3, föregångaren, får 33,3 %.

Anledningen syns på annat håll i lanseringsmaterialet: Moonshot tog bort cyberrelaterad data från både mellanträning och förstärkningsinlärning innan K3.1 Pro släpptes, och redovisade kostnaden. En checkpoint som tränats utan dessa åtgärder får 90,5 % på samma benchmark; den levererade modellen får 81,0 %. DeepSeek har däremot inte meddelat någon motsvarande kapacitetsminskning, och dess 85,7 % hamnar över modellen som kostar tretton gånger mer.

För defensivt säkerhetsarbete – skanning, triage, utkast till patchar under granskning – är den raden värd att väga in. För offensivnära arbete gäller båda leverantörernas villkor och lagen oavsett poängen.

Kontexten och utdata överraskar

En praktisk anmärkning innan jämförelsen blir alltför tillrättalagd: Artificial Analysis markerar basmodellen V4.1 Flash som föråldrad till förmån för snapshoten V4.1 Flash 1017, den fasta checkpointen från 17 oktober som vår katalog också erbjuder till samma pris. Indexsiffran 39 gäller basmodellen; det är snapshoten som nytt arbete bör rikta in sig på, och den har samma kontextfönster med ett något högre utdatatak.

Det som gör den här jämförelsen mindre ojämn än priset antyder är att den billiga modellen inte gjorde avkall på lagret. En kontext på en miljon token hos en modell för 0,15 dollar innebär att RAG-pipelines som tidigare behövde chunkning kan skicka hela dokumentet. Ett tak på 384 000 token för utdata innebär att ett batchjobb kan begära en hel omskriven fil i ett enda anrop.

Det den gör avkall på är tillförlitligheten i gränsfallen: instruktionsföljning vid långa flerstegsprompter, återhämtning efter verktygsanrop och förmågan att hålla en plan över flera turer. Det är precis de saker som Kimi K3.1 Pros budget för efterträning lades på, och precis vad ett allmänt index komprimerar till 16 poäng.

Hur man delar upp arbetet

Båda modellerna kan anropas via OrcaRouter till leverantörernas listpriser utan påslag – 2,00 och 10,00 USD för Kimi K3.1 Pro, 0,15 och 0,60 USD för DeepSeek V4.1 Flash – med en enda nyckel, och med automatisk failover om en leverantör slutar svara.

En uppdelning som följer underlaget: skicka extrahering, klassificering, översättning, sammanfattning och första utkast till V4.1 Flash, och skicka kodning över långa tidshorisonter, agentorkestrering och allt som måste återhämta sig från sina egna misstag till Kimi K3.1 Pro. Om uppdelningen landar på de vanliga 80/20 efter tokenvolym sjunker den blandade kostnaden per miljon tokens till ungefär 80 cent – en femtedel av en Kimi-baslinje – samtidigt som uppgifterna som behöver frontier-modellen fortfarande får den.

Misstaget man ska undvika är att behandla någon av modellerna som svaret på båda uppgifterna. Med en prisskillnad på 13× är den billiga modellen inte en kompromiss för massarbete; den är det korrekta valet. Med 16 indexpoäng är den ingen ersättning för de svåra 20 %.