Step 5 Preview vs Kimi K3.1 Pro: Båda modellerna omvärderades förra veckan. Här är vad som står sig

Om du slog upp Step 5 Preview och Kimi K3.1 Pro för en vecka sedan skulle du ha fått två siffror: 44 och 55. Båda är borta. Den 27 och 28 oktober 2026 ersatte Artificial Analysis sitt Intelligence Index med version 5, som hämtar 60 % av sin poäng från privata eller hemlighållna testset, och poängen för samma modell enligt den gamla bedömningsmallen och enligt den nya är inte samma mätning. Step 5 Preview visar 29 under v5. Kimi K3.1 Pro visar 46. Gapet på nio punkter mellan dem är nu en jämförelse man kan göra ärligt, och det är ett annat gap än det som lanseringsbevakningen kretsade kring.

Det som följer är den jämförelsen, plus den del som ingen har med i en jämförelsetabell: de två modellerna står på varsin sida i en fråga om modellvikter som avgörs den 4 november, och bara en av dem kan i dag anropas via OrcaRouter.

De två siffrorna som alla citerar är båda fel nu

Kimi K3.1 Pro lanserades den 23 oktober 2026 med ett Intelligence Index-poäng på 55 och en debut på fjärde plats, elva poäng över Kimi K3. Fyra dagar senare visade den 46. Inget med modellen hade ändrats; måttstocken hade det. Artificial Analysis byggde om sammansättningen till nio utvärderingar i fyra kategorier — Knowledge Work, Coding, Science och General — och tog bort tre av de äldre, däribland GDPval-AA v2.1, SciCode och AA-LCR v1.1. Man lade till FrontierCode 2.0, en uppsättning med 132 privata kodningsuppgifter som bedöms utifrån om en patch är värd att sammanfoga, samt Terminal-Bench-Science.

Steg 5 Preview fick samma törn, men hårdare. Den visar 29 i v5.0, mot 44 i det föregående indexet, och den förlorar mer av sitt understödjande underlag än Kimi gör, eftersom StepFuns lanseringsmaterial lutade sig mot exakt de utvärderingar som togs bort. De 88,3 på AA-LCR och 58,9 på SciCode som förekommer i de flesta genomgångar av den här modellen är nu poäng från benchmarkar som inte längre bidrar till huvudindexet. De är fortfarande korrekta mätningar av något. De är inte längre det som indexet mäter.

Konsekvensen för rankingen är värd att sägas rakt ut: under v5 ligger en modell med öppna vikter – eller med löfte om öppna vikter – på 46 och är 12 poäng bakom ledaren på 58, medan gapet under v4 hade varit 3. Det är ett uttalande om bedömningskriterierna, inte om ett plötsligt sammanbrott i förmåga, och varje artikel som framställer det som det senare misstolkar sin egen källa.

Specifikationsraderna, en dimension i taget

• Totala och aktiva parametrar – Step 5 Preview: 600B totalt, 27B aktiva per token, 8 av 352 experter plus en delad. Kimi K3.1 Pro: 2,8T totalt, 104B aktiva.

• Vilken typ av lansering det var — {{1}}Step 5 Preview{{/1}}: en ny flaggskeppsmodell som släpptes i förhandsversion, med vikter som kommer senare. {{2}}Kimi K3.1 Pro{{/2}}: en eftertränad version av {{3}}Kimi K3{{/3}} med större beräkningsresurser för efterträning, inklusive gemensam förstärkningsinlärning över hundratals domäner — inte en ny arkitektur.

• Kontextfönster – förhandsversion av steg 5: 1 miljon token. Kimi K3.1 Pro: 1 048 576 token.

• Inmatningssätt – Steg 5 Förhandsgranskning: text, bilder och video. Kimi K3.1 Pro: text och bilder.

• Indatapris per miljon tokens – Step 5 Preview: $1,00. Kimi K3.1 Pro: $2,00, oförändrat över hela kontextfönstret utan tillägg för lång kontext.

• Utdatapris per miljon tokens — Step 5 Preview: $2.70. Kimi K3.1 Pro: $10.00.

• Cachad indata — Step 5 Preview: 90 % rabatt på indatapriset. Kimi K3.1 Pro: $0,20 per miljon för läsning, med cacheskrivningar för $2,00 vid en TTL på fem minuter och $4,00 vid en TTL på en timme.

• Vikter — Step 5 Preview: publicerade 15 oktober 2026, BF16 och FP8, under StepFun Model License 1.0. Kimi K3.1 Pro: inte publicerade; Moonshot har uppgett att vikterna förväntas vara tillgängliga senast 4 november 2026.

• Oberoende poäng enligt Intelligence Index v5.0 – förhandsversion av steg 5: 29. Kimi K3.1 Pro: 46.

Kostnad per slutförd uppgift, med förbehållet bifogat

Artificial Analysis rapporterar 2,35 USD per Intelligence Index-uppgift för Step 5 Preview och 1,98 USD för Kimi K3.1 Pro. Det ser ut som en liten fördel för Kimi, och det är värt att förstå varför den inte är en självklar sådan.

De två siffrorna producerades inte på samma uppgiftsuppsättning, eftersom uppgiftsuppsättningen byggdes om mellan de två mätningarna. Båda är "kostnad per indexuppgift" under vilken sammansatt mätning som än var aktiv när siffran togs, vilket gör jämförelsen i bästa fall riktningsgivande. Det som inte är tvetydigt är mekanismen: Kimi K3.1 Pro är ordrik och använder omkring 55 000 utdatatokens per uppgift och 150 miljoner under en full körning mot ett medianvärde på 87 miljoner, och vid $10 per miljon utdata är den ordrikedomen dyr. Dess $1,98 är en följd av att den slutför i färre debiterbara steg, inte av en billigare token.

Step 5 Preview är den billigare token med en faktor 3,7 på utdata och 2 på indata, och den snabbare modellen med bred marginal i den tillgängliga mätningen: 179,1 utdatatokens per sekund via StepFuns API jämfört med en median för klassen på 74,1, där Kimi K3.1 Pro mäter omkring 73. Om din arbetsbelastning är latenskänslig och utdatatung matchar den ordningen prisordningen och beslutet är enkelt. Om din arbetsbelastning är en där skillnaden i svarskvalitet på 17 indexpoäng betyder mer än tiden till första token, pekar samma siffror åt andra hållet.

Vikter: en är ute, en är ett löfte med ett datum

Det här är asymmetrin som prestandatabellerna döljer. Vikterna för Step 5 Preview har varit nedladdningsbara sedan 15 oktober: BF16- och FP8-checkpoints på Hugging Face och ModelScope, recept för vLLM och SGLang samma dag, ett tekniskt blogginlägg som beskriver den 92-lagers smal-djup-stacken och det sparsamma GQA-attentionsmönstret. FP8-checkpointen kräver ungefär 773 GB VRAM och minst fyra GPU:er, med B300 som standardmål och åtta H200 på Hopper-spåret. Licensen är StepFuns egen, inte OSI-godkänd: attribution för utdata där modellen använts materiellt, en separat förhandling för hårdvarutillverkare och en kommersiell licens för model-as-a-service-operatörer med över 20 miljoner dollar i årliga intäkter.

Kimi K3.1 Pros vikter fanns inte på lanseringsdagen – Artificial Analysis klassificerade fortfarande modellen som proprietär den 24 oktober – och det annonserade datumet är 4 november 2026. När de släpps blir Moonshots modell den nedladdningsbara modell som får högst poäng på v5-indexet, vilket är en verkligt betydelsefull händelse för alla som vill ha kapacitet nära frontlinjen utan att en leverantör är inblandad.

Fram till 4 november står jämförelsen mellan en modell som du kan köra och en modell som du bara kan anropa. Det är inte en permanent nackdel för Kimi, men det är en verklig sådan den här veckan, och det är orsaken till att ett beslut som fattas i dag kanske inte är det beslut du skulle fatta om nio dagar.

Där var och en kan anropas just nu

En av dessa två modeller finns på OrcaRouter och den andra gör det inte. Kimi K3.1 Pro finns i den aktuella katalogen som kimi/kimi-k3.1-pro, tillsammans med fem andra Kimi-modeller. Step 5 Preview gör det inte: katalogen omfattar 214 modell-ID:n från 16 leverantörer, och det finns ingen StepFun-post i den per den 29 oktober 2026. Om du vill ha Step 5 Preview i dag anropar du StepFuns eget API eller så hostar du checkpointen.

Den asymmetrin är den användbara delen av den här jämförelsen för ett routingbeslut. Eftersom vi vidarebefordrar leverantörens listpris utan påslag, är Kimi-prislistan du ser här Moonshots prislista – $2.00 och $10.00 – och samma sak gäller för varje prisnedsättning som Moonshot gör senare. Och eftersom failover är automatisk, är den praktiska versionen av "Kimi är det billiga, avvägda alternativet" att du kan lägga den först i en kedja och låta plattformen växla över när en leverantör försämras, i stället för att koda in en reservlösning i din klient och underhålla den.

Migreringsfrågan, om du byter

Tre saker kommer att kosta dig tid oavsett vilken riktning du än rör dig i.

Det första är utvolymen. Kimi K3.1 Pro:s kostnadsprofil domineras av hur mycket den skriver, inte av dess taxa. En prompt som ger ett kortfattat svar på Step 5 Preview kan ge tre gånger så många tokens på Kimi, och din faktura kommer att följa tokens snarare än prislistan. Mät utdata-tokens per uppgift på din egen arbetsbelastning innan du ens jämför de två priserna.

Den andra är cache-ekonomi. Step 5 Preview ger 90 % rabatt på cachad indata. Kimi K3.1 Pro tar $0,20 per miljon för att läsa en cache men tar också betalt för att skriva en – $2,00 vid en TTL på fem minuter och $4,00 vid en timme. En agentloop som skickar en lång systemprompt varje steg är en helt annan sak under dessa två scheman, och det billigare priskortet är inte alltid den billigare loopen.

Det tredje är känslighet för utvärderingsramverk. Moonshots egen tabell placerar Kimi K3.1 Pro på 65,7 % på Terminal-Bench 4.0 mot 66,4 % för Claude Opus 5.5 och 58,2 % för GPT-6 Astra; den oberoende utvärderaren rapporterar 67 % för samma modell. Terminal-Bench-siffror kan röra sig med tiotals poäng beroende på scaffolding, så en skillnad på 1,7 poäng mellan två labbs körningar är inte ett mått på en kapacitetsskillnad på 1,7 poäng. Behandla varje rad som jämför olika leverantörer i den här jämförelsen som ett påstående om riktning.

Vad du ska göra den här veckan, konkret: om din arbetsbelastning är långkontext, outputtung och latenskänslig är Step 5 Preview för $1.00 och $2.70 det billigare experimentet, och vikterna gör det portabelt. Om arbetet är agentisk kodning där patchkvalitet är hela produkten gör Kimi K3.1 Pros 46 på v5 och dess 67% på Terminal-Bench 4.0 det till det starkare köpet, och 4 november är datumet som förvandlar det från en option till en tillgång. Hur som helst: bygg inte ett beslut på 44 och 55. De siffrorna tillhör en bedömningsmall som inte längre finns.