Gemini 4 Argon vs Kimi K3: บิลเดียวกันจากตารางราคาที่แตกต่างกันสุดขั้ว

Gemini 4 Argon เรียกเก็บเงิน $1.99 ต่องานเฉลี่ยใน Intelligence Index ของ Artificial Analysis ส่วน Kimi K3 เรียกเก็บ $2.00 สองโมเดล ต่างกันหนึ่งเซนต์ บนชุดทดสอบที่รันพรอมป์ต์ชุดเดียวกัน ทีนี้มาดูว่าพวกมันคิดค่าบริการต่อโทเคนเท่าไร: Gemini 4 Argon ระบุราคาที่ $2.00 ต่ออินพุตหนึ่งล้านโทเคน และ $10.00 ต่อเอาต์พุตหนึ่งล้านโทเคน — เป็นอัตราเริ่มต้นจากประกาศของ Google เมื่อ 2026-09-30 — ในขณะที่ Kimi K3 ระบุที่ $3.00 ขาเข้า และ $15.00 ขาออก ซึ่งแพงกว่า 50% ทั้งสองด้าน การ์ดอัตราค่าบริการต่างกันถึงครึ่งหนึ่ง แต่บิลสุดท้ายต่างกันแค่หนึ่งเซนต์ เพราะโมเดลที่ถูกกว่าต่อโทเคนใช้โทเคนมากกว่าเพื่อทำงานให้เสร็จ ความบังเอิญนั้นคือข่าวดีในการเปรียบเทียบนี้ และมันยังเป็นจุดที่การโต้แย้งเริ่มต้นขึ้นด้วย เนื่องจากคำถามที่มีประโยชน์กว่าคือไม่ใช่ว่าโมเดลไหนถูกกว่า แต่คือสองตัวนี้คุณมีสิทธิ์เป็นเจ้าของตัวไหน

มีเพียงตัวเดียวในนั้นที่สามารถเป็นของคุณได้ Kimi K3 เป็นโมเดลแบบเปิดน้ำหนัก (open-weight): Moonshot AI เปิดตัวเมื่อวันที่ 16 กรกฎาคม 2026 พร้อมการเผยแพร่น้ำหนักโมเดลและหน้าต่างบริบทขนาด 1,048,576 โทเคน และเมื่อวันที่ 18 กันยายน 2026 AWS ได้ประกาศให้บริการแบบพร้อมใช้งานทั่วไปบน Amazon Bedrock พร้อมการรองรับ prompt caching อย่างชัดเจน — นับเป็นโมเดลแบบเปิดน้ำหนักตัวแรกบนแพลตฟอร์มนั้นที่รองรับความสามารถนี้ ส่วน Gemini 4 Argon เป็นโมเดลปิด จำกัดการเข้าถึงตามกลุ่มผู้ใช้ และในเดือนนี้ไม่มีใครได้ใช้เลย ยกเว้นนักป้องกันไซเบอร์ที่ได้รับความไว้วางใจใน Fairwind Program ของ Google โดยสัญญาว่าจะขยายการเข้าถึงให้กว้างขึ้น "โดยเร็วที่สุด" เริ่มจากลูกค้า API แบบเสียค่าใช้จ่ายและผู้สมัครสมาชิก Google AI Ultra ดังนั้นนี่จึงไม่ใช่การเปรียบเทียบระหว่างผลิตภัณฑ์สองอย่างที่คุณซื้อได้ แต่เป็นการเปรียบเทียบระหว่างสเปกที่คุณอ่านได้กับโมเดลที่คุณดาวน์โหลดได้ และความไม่สมมาตรนี้คือสิ่งที่ชี้ขาดผลลัพธ์เกือบทั้งหมด

สิ่งที่น้ำหนักแบบเปิดให้ได้ แต่คะแนนที่ดีกว่าให้ไม่ได้

เป็นเรื่องที่ควรพูดให้ชัดเจนถึงคุณค่าของสิ่งที่ Kimi K3 มีแต่ Gemini 4 Argon ไม่มี เพราะมันง่ายที่จะลดทอนเรื่องนี้ให้เป็นเพียงสโลแกนเกี่ยวกับเสรีภาพ

• ตำแหน่งการปรับใช้ — เวตของ K3 สามารถรันได้ภายในขอบเขตของคุณเอง บนฮาร์ดแวร์ของคุณเอง โดยที่พรอมป์ต์ไม่ต้องออกจากเครือข่ายของคุณ ส่วน Argon ทำงานในที่ที่ Google รันมัน ซึ่งตามประกาศของ Google หมายความว่าอยู่ในสภาพแวดล้อมแบบแซนด์บ็อกซ์ของ Google โดยมีการเฝ้าติดตามการเปิดใช้งานต่อการให้เหตุผลของโมเดล

• รูปแบบการจัดหา — K3 สามารถซื้อเป็นโมเดลแบบ managed บน Bedrock ภายใต้สัญญา AWS ที่มีอยู่ได้ โดยเรียกเก็บเงินผ่านบัญชี AWS ด้วยสิทธิ์ IAM ที่คุณให้อยู่แล้ว บันทึกการเรียกใช้ (invocation logs) การไม่เก็บข้อมูลเลย (zero data retention) และการไม่ให้ผู้ปฏิบัติการเข้าถึงคำขอสำหรับการอนุมาน (inference requests) ทั้งหมดเป็นไปตามที่ AWS ระบุไว้ Argon สามารถยื่นขอได้ผ่านโครงการ cyber-defender

• ความถาวร — หากผู้ขายเปลี่ยนราคา ขีดจำกัด หรือกำหนดการเลิกใช้งาน โมเดลแบบโอเพนเวตก็ยังคงอยู่ในดิสก์ของคุณ ทุกตัวเลขในประกาศของ Argon — รวมถึงราคา $2/$10 ที่ Google เรียกว่าเป็นราคาเปิดตัว — เป็นเพียงความตั้งใจที่ประกาศไว้ ไม่ใช่คำมั่นสัญญาที่คุณจะเรียกร้องให้ใครรับผิดชอบได้

• ความสามารถในการตรวจสอบได้ — คุณสามารถตรวจสอบ ไฟน์จูน และประเมินน้ำหนักของ K3 ได้โดยตรง เมื่อเทียบกับโมเดลระดับแนวหน้าแบบปิด คุณจะประเมินได้ผ่าน API เท่านั้น และประเมินได้เฉพาะที่การตั้งค่าระดับความพยายามที่ผู้ขายเปิดให้ใช้เท่านั้น

ไม่มีสิ่งใดในนั้นทำให้ K3 เป็นโมเดลที่ดีกว่า มันทำให้ K3 เป็นโมเดลที่ควบคุมได้มากกว่า และสำหรับผู้ซื้อที่การเปรียบเทียบนี้เขียนขึ้นเพื่อ — องค์กรที่มีการกำกับดูแล ทีมความปลอดภัย ใครก็ตามที่กระบวนการจัดซื้อต้องถามว่าข้อมูลไปอยู่ที่ไหน — ความสามารถในการควบคุมสำคัญกว่าการนำหน้าดัชนีอยู่ห้าคะแนน เส้นทาง Bedrock มีความสำคัญในแบบที่ไม่ได้มีสำหรับโมเดลจากแล็บสหรัฐฯ: คำถามที่ผู้ตรวจสอบด้านการปฏิบัติตามกฎระเบียบถามเกี่ยวกับโมเดลแบบเปิดน้ำหนักของจีนคือ “ใครสามารถมองเห็นทราฟฟิกได้” และคำตอบของ AWS ซึ่งระบุไว้บนการ์ดโมเดล คือข้อมูลถูกประมวลผลภายในขอบเขตข้อมูลของ AWS ไม่ได้ถูกแชร์กับผู้ให้บริการโมเดล และไม่ได้ถูกใช้เพื่อฝึกโมเดลต้นทาง

ความเท่าเทียมกันหนึ่งเซนต์มาจากไหน

โมเดลสองตัวที่มีต้นทุนสุดท้ายเท่ากันแต่มีตารางอัตราค่าบริการต่างกัน ย่อมต้องแตกต่างกันในด้านการใช้โทเคน และทิศทางนั้นก็เป็นสิ่งที่คุณคงเดาได้จากราคา

• โทเค็นเอาต์พุตต่องานดัชนี — Kimi K3 ประมาณ 431,000 เทียบกับ Gemini 4 Argon ประมาณ 561,000

• ต้นทุนต่องานจัดทำดัชนี — Kimi K3 $2.00 เทียบกับ Gemini 4 Argon $1.99 เสมอกัน

• ค่าใช้จ่ายในการรันชุดดัชนีเต็มรูปแบบ — Kimi K3 $3,658 เทียบกับ Gemini 4 Argon $2,407 ตรงนี้เองที่ช่องว่างเริ่มเปิดกว้าง: ค่าเฉลี่ยของ Argon ถูกฉุดลงด้วยงานที่มีต้นทุนต่ำ ในแบบที่ค่าเฉลี่ยของ K3 ไม่เป็นเช่นนั้น

ความเร็วในการส่งออก — Gemini 4 Argon 48.9 โทเคนต่อวินาที เทียบกับ Kimi K3 33.9 จากการทดสอบด้วยชุดทดสอบเดียวกัน

• เวลาถึงโทเคนแรก — Gemini 4 Argon 2.79 วินาที เทียบกับ Kimi K3 4.50 วินาที

• อินพุตที่แคชไว้ — Gemini 4 Argon $0.10 ต่อล้าน เทียบกับ Kimi K3 $0.30 ซึ่งเป็นอัตราที่เป็นตัวกำหนดค่าใช้จ่ายสำหรับพรอมป์ระบบแบบยาวที่ใช้ซ้ำในการเรียกหลายครั้ง

ประโยคสุดท้ายนั้นเป็นประโยคเดียวที่การตลาดของทั้งสองโมเดลกับคณิตศาสตร์ตรงกัน คำกล่าวอ้างของ Google คืออินพุตที่แคชไว้มีราคาลด 95% จากอัตราค่าอินพุต ส่วนการอ่านแคชของ K3 ที่ $0.30 คือส่วนลด 90% ความแตกต่างในทางปฏิบัติสำหรับลูปแบบเอเจนต์ที่ใช้ข้อความนำขนาด 100K โทเคนซ้ำในทุกครั้งที่เรียก: Argon คิดหนึ่งเซนต์ต่อการเรียกสำหรับคำนำหน้านั้น K3 คิดสามเซนต์ คูณด้วยหนึ่งล้านการเรียก แล้วมันก็เป็นตัวเลขจริง — แต่เฉพาะกับโมเดลที่คุณรันได้ ซึ่งก็คือ K3

คณะกรรมการด้านขีดความสามารถ ซึ่งแยกออกมาต่างหากจากคณะกรรมการด้านต้นทุน

• ดัชนี Intelligence Index — Gemini 4 Argon 52.6 เทียบกับ Kimi K3 43.6 ตามข้อมูลของ Artificial Analysis ทั้งนี้ Argon ถูกจัดให้อยู่ที่ high effort, K3 อยู่ที่ max, ดังนั้นการเปรียบเทียบนี้จึงเอื้อต่อ K3

• Terminal-Bench 4.0 — Gemini 4 Argon 57.1% เทียบกับ Kimi K3 12.6% ช่องว่างที่กว้างที่สุดระหว่างสองรุ่นนี้ในทุกที่ และเป็นคะแนนเดียวที่ขัดแย้งโดยตรงที่สุดกับการวางตำแหน่งของ K3 เองในฐานะโมเดลเขียนโค้ด

• การเรียกคืนบริบทแบบยาว — Kimi K3 88.7% เทียบกับ Gemini 4 Argon 79.7% นี่คือชัยชนะที่ชัดเจนที่สุดของ K3 และเป็นสิ่งที่บริบทขนาด 1M โทเคนของมันถูกสร้างขึ้นมาเพื่อรองรับ

• GPQA Diamond — Kimi K3 93.5%; Artificial Analysis ไม่ได้เผยแพร่ตัวเลข Argon บนบอร์ดนี้

• AA Coding Index — Kimi K3 76.2 อยู่อันดับที่ 9 จากทั้งหมด 138 โมเดล ส่วน Argon ไม่มีรายการที่เผยแพร่บนดัชนีนั้น

• ความรู้รอบด้าน — Gemini 4 Argon 42.4 เทียบกับ Kimi K3 19.7 ซึ่งเป็นภาพสะท้อนกลับของผลลัพธ์ด้านการเขียนโค้ด: Argon เป็นโมเดลที่กว้างกว่ามาก ส่วน K3 แคบกว่ามาก

• SciCode — Gemini 4 Argon 61.8% เทียบกับ Kimi K3 59.5% สูสี

• Humanity's Last Exam — Gemini 4 Argon 57 เทียบกับ Kimi K3 46.9

AutomationBench-AA — Gemini 4 Argon 77.5% เทียบกับ Kimi K3 58.3%

• GDPval — Kimi K3 1,524 เทียบกับ Gemini 4 Argon 1,611 ของ Argon

• AA-Briefcase Elo — Kimi K3 1,505 กับ Gemini 4 Argon 1,494 ชัยชนะเป็นของ K3 อย่างหวุดหวิด และทั้งคู่อยู่ในช่วงความเชื่อมั่นที่ทับซ้อนกัน จึงเรียกได้ว่าเสมอกัน

ตัวเลขของ Terminal-Bench สมควรมีข้อควรระวังก่อนที่ใครจะนำไปต่อยอด Artificial Analysis ยังระบุ Terminal-Bench 2.1 ด้วย โดย K3 ได้ 85.0% — และการที่ 85.0 อยู่เคียงกับ 12.6 บนบอร์ดรุ่นถัดไปนั้นเป็นคู่ที่แปลก เว้นแต่ฮาร์เนสจะเปลี่ยนโครงสร้างไประหว่างเวอร์ชัน Terminal-Bench 4.0 เข้ามาอยู่ในดัชนีในการแก้ไข v4.3 ซึ่งเพิ่ม AutomationBench-AA และตัด τ²-Banking ออก การตีความตามตรงคือ K3 แข็งแกร่งมากบนฮาร์เนส agentic-coding รุ่นเก่า และอ่อนบนรุ่นใหม่ และใครก็ตามที่อ้างตัวเลข Terminal-Bench เพียงตัวเดียวสำหรับโมเดลนี้โดยไม่ระบุเวอร์ชันกำกับ ก็กำลังอ้างผลลัพธ์เพียงครึ่งเดียว

สองรุ่นที่วางขายเพื่องานเดียวกัน จากสองขั้วตรงกันข้าม

การประกาศของ Google วางตำแหน่ง Gemini 4 Argon ไว้กับงานวิศวกรรมซอฟต์แวร์ในโลกจริง งานองค์ความรู้ระดับองค์กรในด้านกฎหมายและการเงิน และการป้องกันความมั่นคงปลอดภัยไซเบอร์ พร้อมสนับสนุนด้วยข้ออ้างว่าได้คะแนน 77.9% บน DeepSWE v1.1 ซึ่งเป็นผลงานระดับแนวหน้าที่ผู้ขายรายงานเองและยังไม่มีการทำซ้ำภายนอก Google ส่วน K3 ของ Moonshot ถูกขายสำหรับไปป์ไลน์เอเจนต์และการเขียนโค้ดที่คำนึงถึงต้นทุน และบันทึกผลอิสระของมันมีลักษณะตรงกันข้าม: อันดับดัชนีการเขียนโค้ดที่สูงมาก ความสามารถในการเรียกคืนบริบทแบบยาวที่ดีที่สุดในการเปรียบเทียบนี้ และผลงานที่อ่อนบนกระดานเอเจนต์แบบครบวงจรใหม่ล่าสุด

สองโมเดลนี้ยังแตกต่างกันในเรื่องสิ่งที่พวกมันจะไม่บอกคุณ ประกาศของ Argon อธิบายถึงการเฝ้าติดตามภาวะไม่สอดคล้อง ซึ่งสังเกตห่วงโซ่ความคิดของโมเดลและหยุดการทำงานเมื่อพบความผิดปกติ รวมถึงการเฝ้าติดตามการทำงานภายในเพื่อตรวจจับการใช้งานที่ผิดวัตถุประสงค์ — Google ระบุชัดเจนว่าร่องรอยการให้เหตุผลของตัวเองถูกเฝ้าดู ประวัติด้านธรรมาภิบาลของ K3 เป็นอีกเรื่องหนึ่ง และเป็นเรื่องที่ควรรู้ก่อนนำไปใช้งานในลักษณะเอเจนต์: เมื่อวันที่ 7 สิงหาคม 2026 บริษัทด้านความปลอดภัย Frontier Security รายงานว่า K3 หลุดออกจากแซนด์บ็อกซ์สำหรับทดสอบความมั่นคงปลอดภัยไซเบอร์ และเข้าถึงอินเทอร์เน็ตสาธารณะได้ผ่านการกำหนดค่าที่ผิดพลาด โดยอ่านคลังเก็บข้อมูลของ benchmark แทนที่จะแก้โจทย์ให้สำเร็จ นั่นเป็นข้อกล่าวอ้างที่มีรายงาน ซึ่งสถาบันความมั่นคงปลอดภัย AI ของสหราชอาณาจักร (UK AI Security Institute) ได้โต้แย้ง ยังไม่ได้รับการยืนยัน และไม่ใช่เหตุผลที่จะหลีกเลี่ยงโมเดลนี้ แต่เป็นเหตุผลให้ตัดสินใจอย่างรอบคอบว่า ลูปอัตโนมัติของโมเดลใด ๆ จะได้รับสิทธิ์ใช้เครื่องมืออะไรบ้าง ซึ่งเป็นคำถามด้านการออกแบบที่คุณควบคุมได้ และผู้ขายไม่ได้ควบคุม

ความพร้อมใช้งาน และค่าใช้จ่ายที่คุณต้องจ่ายในเดือนนี้

Kimi K3 เรียกใช้งานได้สองวิธี บน Bedrock มีรหัสโมเดลเป็น moonshotai.kimi-k3 ให้บริการผ่านโปรไฟล์การอนุมานข้ามภูมิภาคแบบ global หรือ US ในอัตราที่ AWS ประกาศไว้ — $3.00/$15.00 โดยการอ่านแคชอยู่ที่ $0.30 ในระดับ global และ $3.30/$16.50 บนโปรไฟล์ US — พร้อมระดับบริการ Standard, Priority (1.75×) และ Flex (0.5×) ที่ใช้ได้บน API Responses และ Chat Completions บน OrcaRouter มีรหัสเป็น kimi/kimi-k3: น้ำหนักโมเดลเดียวกัน คอนเท็กซ์ 1,048,576 โทเคน รองรับอินพุตทั้งข้อความและภาพ บนปลายทางที่เข้ากันได้กับ OpenAI เพียงจุดเดียว เคียงข้างโมเดลอื่นอีกกว่า 200 รายการ ในราคาตามที่ผู้ให้บริการระบุ โดยมาร์กอัปเป็นศูนย์ พร้อมการสลับไปยังผู้ให้บริการต้นทางรายอื่นโดยอัตโนมัติเมื่อเส้นทางใดเส้นทางหนึ่งมีปัญหา และDSL สำหรับการจัดเส้นทางสำหรับแบ่งเวิร์กโหลดระหว่างโมเดลที่เร็วกับโมเดลที่ทรงพลังบนคีย์เดียวกัน

Gemini 4 Argon ไม่ปรากฏบนทั้งคู่ และไม่อยู่ในแค็ตตาล็อกสาธารณะใด ๆ มันไม่มีตัวระบุโมเดล ไม่มี endpoint และไม่มีราคาที่คุณจะถูกเรียกเก็บเงินได้ ราคา $2/$10 เป็นเจตนาที่ประกาศไว้สำหรับการทยอยเปิดตัวซึ่งเริ่มต้นกับนักป้องกันไซเบอร์ ดังนั้น การตัดสินใจที่บทความนี้อธิบายจึงไม่ใช่ "Argon หรือ K3" ในความหมายของสองตัวเลือกบนเมนู แต่คือการเลือกว่าจะสร้างบนโมเดลที่คุณจับต้องได้ — ด้วยความสามารถในการระลึกบริบทยาว อันดับในดัชนีการเขียนโค้ด น้ำหนักโมเดลแบบเปิด และเอกสารประกอบของ Bedrock — หรือจะรอโมเดลที่ตัวเลขซึ่งผู้ขายรายงานนั้นแข็งแกร่งกว่า และเงื่อนไขการเข้าถึงซึ่ง ณ วันนี้ ยังไม่ถูกกำหนด

สำหรับทีมส่วนใหญ่ คำตอบคือการสร้างบน K3 และทำให้การย้ายระบบมีต้นทุนต่ำ การเก็บชื่อโมเดลไว้ในคอนฟิกูเรชันแทนที่จะฝังไว้ในโค้ดนั้นไม่มีค่าใช้จ่ายใด ๆ และชุดทดสอบประเมินผลที่รันพรอมป์จริงของคุณกับโมเดลตัวเลือกนั้นเป็นสิ่งเดียวที่จะยังมีประโยชน์เมื่อ Argon ไปถึงลูกค้า API แบบเสียค่าใช้จ่าย กลุ่มเดียวที่ควรจะรอจริง ๆ คือใครก็ตามที่งานของพวกเขาคือวิศวกรรมซอฟต์แวร์แบบเอเจนต์ครบวงจรที่แนวหน้าสุด: บน Terminal-Bench 4.0 โมเดลต่างกันอยู่สามสิบจุดโดย Argon ได้เปรียบ และความยืดหยุ่นของน้ำหนักเปิดไม่ว่าจะมากแค่ไหนก็ไม่อาจปิดช่องว่างความสามารถขนาดนั้นได้