Kimi K3.1 Pro vs Claude Opus 5.5: ครึ่งหนึ่งของอัตราค่าบริการ แต่ตามหลัง 0.7 คะแนนในเบนช์มาร์กหนึ่งรายการ

Kimi K3.1 Pro กับ Claude Opus 5.5 เป็นโมเดลประเภทเดียวกันที่ขายในราคาเพียงครึ่งเดียวเป๊ะ โมเดลเรือธงรุ่นใหม่ของ Moonshot ราคา $2.00 ต่อหนึ่งล้านโทเค็นอินพุต และ $10.00 ต่อหนึ่งล้านโทเค็นเอาต์พุต ส่วนของ Anthropic ราคา $4.00 และ $20.00 ทั้งคู่รับบริบทได้หนึ่งล้านโทเค็น ทั้งคู่คิดก่อนตอบเสมอ และบนเบนช์มาร์กเดียวที่ทั้งสองบริษัทเผยแพร่ ทั้งคู่ห่างกัน 0.7 คะแนน: 65.7% สำหรับ Kimi K3.1 Pro เทียบกับ 66.4% สำหรับ Claude Opus 5.5 บน Terminal-Bench 4.0 นั่นคือข้อโต้แย้งทั้งหมดสำหรับผู้ท้าชิงในตัวเลขสามตัว และมันเป็นข้อโต้แย้งที่แข็งแรง — พร้อมข้อควรระวังสองประการที่ตัดสินว่ามันใช้ได้กับเวิร์กโหลดของคุณหรือไม่: คะแนนทั้งสองถูกสร้างภายใต้การตั้งค่าที่ต่างกัน และ 2× เป็นราคาต่อโทเค็น ไม่ใช่ราคาต่องานที่ทำเสร็จ

Kimi K3.1 Pro เปิดตัวเมื่อวันที่ 24 ตุลาคม 2026 หนึ่งวันหลังจากวิดีโอทีเซอร์ที่เปิดเผยชื่อของมัน Claude Opus 5.5 พร้อมใช้งานทั่วไปตั้งแต่ 22 กันยายน ทั้งสองไม่ใช่การทดลองใหม่ในห้องแล็บ: Opus 5.5 คือโมเดลระดับ Opus รุ่นปัจจุบันที่ Anthropic เปิดให้ใช้งานตั้งแต่ปลายเดือนกันยายน และ Kimi K3.1 Pro เป็นเวอร์ชันที่ผ่าน post-training ของ Kimi K3 ไม่ใช่สถาปัตยกรรมใหม่ สิ่งนี้ทำให้การเปรียบเทียบครั้งนี้ชัดเจนเป็นพิเศษสำหรับหน้าเปรียบเทียบโมเดลกับโมเดล — การ์ดราคาของทั้งสองเผยแพร่แล้ว ผู้จำหน่ายทั้งสองรายเผยแพร่ตาราง benchmark และไม่มีโมเดลใดซ่อนอยู่หลังรายการรอ

เรตการ์ดทั้งสองใบ ทีละบรรทัด

มีห้าบรรทัดที่สำคัญ และหนึ่งในนั้นทำให้รูปแบบแตกไป

• อินพุต — $2.00 ต่อล้านโทเค็นบน Kimi K3.1 Pro เทียบกับ $4.00 บน Claude Opus 5.5 ครึ่งหนึ่งพอดี

• เอาต์พุต — $10.00 เทียบกับ $20.00 เป็นครึ่งหนึ่งพอดี และเอาต์พุตคือรายการที่ครองสัดส่วนหลักในงานแบบเอเจนติกและงานด้านการให้เหตุผล ซึ่งโมเดลเขียนมากกว่าอ่านมาก

• การอ่านแคช — $0.20 ทั้งสองราย นี่คือความผิดปกติ: ผู้ให้บริการทั้งสองรายมีราคาตรงกันถึงระดับเซนต์สำหรับการอ่านคำนำหน้าที่แคชไว้ ซึ่งเป็นรายการที่มีสัดส่วนdominant สำหรับเอเจนต์ที่ทำงานยาวนานและอ่านรีโพซิทอรีซ้ำทุกเทิร์น

• การเขียนแคช — Kimi เรียกเก็บ $2.00 สำหรับรายการแคชอายุห้านาที และ $4.00 สำหรับหนึ่งชั่วโมง; Anthropic เรียกเก็บ $5.00 และ $8.00 Kimi ก็ถูกกว่าในส่วนนี้เช่นกัน และถูกกว่ามากกว่าครึ่ง

• รุ่นเร็ว — Kimi K3.1 Pro Highspeed ราคา $4.00 และ $20.00 ให้ความเร็วเอาต์พุตประมาณสองถึงสามเท่า โหมดเร็วของ Anthropic บน Opus 5.5 ราคา $8.00 และ $40.00 ที่สูงสุด 2.5× ความสัมพันธ์แบบเดียวกัน และการเพิ่มขึ้นเป็นสองเท่าแบบเดียวกัน

ดังนั้น การคำนวณสำหรับคำขอแบบผสมจึงเป็นเรื่องง่ายมาก คำขอที่อ่านโทเค็นอินพุตหนึ่งล้านโทเค็นและเขียนโทเค็นเอาต์พุต 200,000 โทเค็นมีค่าใช้จ่าย $4.00 บน Kimi K3.1 Pro และ $8.00 บน Opus 5.5 เอเจนต์ที่อ่านบริบทขนาดหนึ่งล้านโทเค็นซ้ำโดยมีอัตราแคชฮิต 70% จะจ่าย $0.74 สำหรับอินพุตบน Kimi เทียบกับ $1.34 บน Opus หรือ $2.74 เทียบกับ $5.34 เมื่อรวมเอาต์พุตแล้ว การประหยัดมาจากอินพุตใหม่และเอาต์พุต ไม่ได้มาจากการแคช เพราะการแคชมีค่าใช้จ่ายเท่ากันทั้งสองระบบ

สิ่งที่ตารางราคาไม่ได้บอกคุณคือแต่ละโมเดลใช้โทเคนไปจำนวนเท่าใด Kimi K3.1 Pro ตั้งค่าเริ่มต้นไว้ที่ระดับการคิดเหตุผลสูงสุด คือ max ส่วน Claude Opus 5.5 ตั้งค่าเริ่มต้นไว้ที่ medium โมเดลที่คิดที่ระดับ max โดยค่าเริ่มต้นจะเขียนโทเคนการคิดต่อคำตอบโดยเฉลี่ยมากกว่าโมเดลที่คิดที่ระดับ medium ดังนั้นราคา 2× ที่โฆษณาไว้จึงเป็นราคาต่อโทเคน ไม่ใช่ราคาต่องานที่ทำเสร็จ และช่องว่างที่แท้จริงนั้นขึ้นอยู่กับว่างานของคุณต้องใช้การคิดเพิ่มเติมของ Kimi มากแค่ไหน Moonshot ไม่ได้เผยแพร่ตัวเลขโทเคนต่องานที่จะช่วยตัดสินเรื่องนี้ได้

เบนช์มาร์กเพียงตัวเดียวที่ทั้งสองแล็บพิมพ์ออกมา และเหตุใดจึงไม่ใช่การวัด

Terminal-Bench 4.0 คือสิ่งที่ใกล้เคียงที่สุดกับมาตรวัดร่วมในการเปิดตัวทั้งสองครั้งนี้ และแม้แต่ตรงนี้ ตัวเลขทั้งสองก็ไม่ได้เกิดขึ้นด้วยวิธีเดียวกัน

ผล 66.4% ของ Anthropic ถูกวัดที่ระดับความพยายาม xhigh ซึ่งสูงกว่าค่าเริ่มต้น medium ของโมเดลหนึ่งระดับ บนฮาร์เนสของ Anthropic เอง โดยเปิดระบบจัดเส้นทางด้านความปลอดภัยไว้ บริษัทเผยแพร่ตารางและระบุไว้เช่นนั้น ส่วน 65.7% ของ Kimi ปรากฏในเอกสารเปิดตัวของ Moonshot ที่การตั้งค่าสูงสุดซึ่งเป็นค่าเริ่มต้นของโมเดล บนฮาร์เนสที่บริษัทควบคุมเองเช่นกัน ตารางเปิดตัวอ้างถึง Opus 5.5 ที่ 66.4% ซึ่งเป็นตัวเลขเดียวกับที่ Anthropic เผยแพร่ โดยไม่ระบุว่า Moonshot รันซ้ำเองหรืออ้างอิงตัวเลขนั้นมา ช่องว่าง 0.7 จุดระหว่างตารางที่ผู้พัฒนารันเองสองตาราง ซึ่งใช้ระดับความพยายามต่างกันและสแคฟโฟลดิงต่างกัน ไม่ใช่การวัดความแตกต่างระหว่างโมเดล แต่เป็นข้อความที่บอกว่าทั้งสองใกล้กันพอที่การเลือกฮาร์เนสจะชี้ขาดลำดับได้

ข้อมูลอีกสองจุดชี้ไปในทิศทางเดียวกัน การประเมินอิสระของ Opus 5.5 บนเบนช์มาร์กเดียวกัน จาก Artificial Analysis ตามที่มีรายงานตอนเปิดตัว อยู่ที่ 59.6% — ต่ำกว่าตัวเลขของ Anthropic เองเจ็ดจุด โดยเป็นการกำหนดค่าที่รวมการกำหนดเส้นทางเพื่อความปลอดภัยฝั่งเซิร์ฟเวอร์ไว้ด้วย และเอกสารของ Moonshot เองยังคงมีตัวยึดตำแหน่งแบบตรงตัวว่า "[xx.x%]" สำหรับคะแนน Terminal-Bench และเบนช์มาร์กวิทยาศาสตร์ของตนในวันเปิดตัว ขณะที่โพสต์การตลาดมีตัวเลขเหล่านั้นอยู่ ไม่มีข้อเท็จจริงใดพิสูจน์สิ่งใดเกี่ยวกับคุณภาพเชิงเปรียบเทียบ ทั้งสองอย่างแสดงให้เห็นว่าตารางเบนช์มาร์กในวันเปิดตัวเป็นศิลปะทางการตลาดก่อนสิ่งอื่นใด

ในจุดที่ผู้ขายเห็นพ้องกัน เรื่องราวก็สอดคล้องกัน: Kimi K3.1 Pro ใกล้เคียงกับ Opus 5.5 ในงานที่ทั้งสองวัด และนำหน้ารุ่นก่อนของตัวเองอย่างมาก ชุดทดสอบการเขียนโค้ดระยะยาวของ Moonshot ขยับจาก 55.95% เป็น 61.2% คะแนน CAD แบบไม่มีเครื่องมืออยู่ที่ 72.8 เทียบกับ 73.0 ของ Opus และอัตราการสร้างข้อมูลเท็จบนชุดทดสอบยากของผู้ขายเองลดลงจาก 23.4% เป็น 8.3% เมื่อใช้เครื่องมือ ซึ่งตัวเลขนี้ หากยังคงอยู่เมื่อประเมินภายนอก ก็มีความสำคัญต่องานที่ใช้เอกสารจำนวนมากมากกว่าคะแนน benchmark ใด ๆ

ปุ่มปรับระดับความพยายามคือความแตกต่างที่แท้จริงระหว่างผลิตภัณฑ์ทั้งสอง

โมเดลทั้งสองมีฟิลด์ระดับความพยายามในการให้เหตุผล แต่ทั้งคู่เห็นไม่ตรงกันว่าฟิลด์นี้มีกี่ระดับและค่าที่ตั้งไว้อยู่ที่ระดับใด

Kimi K3.1 Pro มีสามระดับ: low, high และ max โดยมี max เป็นค่าเริ่มต้น Claude Opus 5.5 มีห้าระดับ: low, medium, high, xhigh และ max โดยมี medium เป็นค่าเริ่มต้น ทั้งสองโมเดลไม่อนุญาตให้ผู้เรียกปิดการคิด Kimi กำหนดค่าการสุ่มแบบตายตัว — temperature 1.0, top-p 0.95, n เป็น 1 — และปฏิเสธค่าอื่น ดังนั้น effort จึงเป็นเพียงตัวปรับพฤติกรรมเดียวที่มันมีให้ Anthropic เปิดให้ตั้งค่า temperature ได้ แต่คงให้ adaptive thinking เปิดอยู่เสมอ ดังนั้น effort จึงเป็นเพียงตัวปรับเดียวที่เปลี่ยนปริมาณการคิดของโมเดล

ค่าเริ่มต้นกำลังทำงานจริง ๆ Kimi มาพร้อมค่าเริ่มต้นที่ตรงไปตรงมาแต่มีค่าใช้จ่ายสูง: ทุกคำขอที่ไม่ผ่าน reasoning_effort จะต้องจ่ายสำหรับการตั้งค่าที่ลึกที่สุด Opus มาที่ระดับกลาง และสงวนสองระดับบนสุดไว้สำหรับผู้เรียกที่ขอ หากคุณย้ายเวิร์กโหลดและไม่เปลี่ยนอย่างอื่น คุณได้เปลี่ยนทั้งโมเดลและงบประมาณการคิดของมัน ซึ่งเป็นวิธีที่พบบ่อยที่สุดวิธีหนึ่งที่ทำให้ "โมเดลที่ถูกกว่า" กลับไม่ได้ถูกกว่าจริง ๆ ตารางของ Anthropic เองแสดงขนาดของผลกระทบนั้นภายในโมเดลเดียว: CursorBench 4.0 ได้ 57.8% ที่ xhigh และ 52.5% ที่ medium ขณะที่ FrontierCode เปลี่ยนไป 0.2 คะแนนระหว่างการตั้งค่าสองแบบเดียวกัน ความไวต่อระดับความพยายามขึ้นอยู่กับแต่ละเวิร์กโหลด และไม่มีโมเดลการ์ดใดคาดเดาของคุณได้

กับดักด้านการใช้งานหนึ่งข้อใช้กับทั้งสองกรณี การสลับระดับความพยายามกลางบทสนทนาจะทำให้การเข้าถึงแคชแบบ prefix-cache ที่มีอยู่เดิมกลายเป็นโมฆะ ดังนั้นเอเจนต์ที่เพิ่มระดับความพยายามกลางเซสชันที่ยาวนานจะต้องเสียค่าใช้จ่ายในการอ่านทุกอย่างที่เคยแคชไว้ใหม่ทั้งหมด ควรตัดสินใจเลือกระดับก่อนที่เซสชันจะเริ่ม ไม่ใช่ระหว่างที่กำลังดำเนินอยู่

สิ่งที่ผู้จำหน่ายแต่ละรายทำกับโมเดลเมื่อคุณไม่ได้มองอยู่

ทั้งสองแล็บได้ปล่อยโมเดลที่พฤติกรรมเมื่อได้รับอินพุตบางอย่างไม่ใช่พฤติกรรมที่คุณขอไว้ และทั้งคู่ก็อธิบายเรื่องนี้อย่างเปิดเผย

{{1}}เอกสารเปิดตัว Opus 5.5 ของ Anthropic{{/1}} ระบุว่า {{2}}งานที่เกี่ยวข้องกับไซเบอร์ส่วนใหญ่{{/2}} อาจถูกเปลี่ยนเส้นทางไปยัง {{3}}Claude Opus 4.8{{/3}} และ {{4}}งานด้านชีววิทยาและการพัฒนาโมเดลฟรอนเทียร์{{/4}} อาจถูกส่งต่อไปยัง {{5}}Opus 5{{/5}} แทน {{6}}การส่งต่อไปยังโมเดลอื่นเหล่านี้เกิดขึ้นฝั่งเซิร์ฟเวอร์{{/6}}: คำตอบจะส่งกลับมาจากโมเดลอื่น และสัญญาณเดียวที่ผู้เรียกใช้ได้รับคือเนื้อหา สำหรับงานที่เกี่ยวเนื่องกับความปลอดภัย นี่คือการเปลี่ยนแปลงขีดความสามารถจริง ไม่ใช่เพียงหมายเหตุเชิงนโยบาย

Moonshot เลือกเส้นทางที่แตกต่างออกไป โดยนำข้อมูลที่เกี่ยวข้องกับไซเบอร์ออกจากทั้งขั้น mid-training และขั้นการเรียนรู้แบบเสริมกำลัง แต่ยังคงการเขียนโค้ดทั่วไปไว้ และรายงานต้นทุนของการทำเช่นนั้นว่า คะแนน adversarial coding ลดลงจาก 90.5% บนเช็กพอยต์ที่ยังไม่มีการลดทอน มาอยู่ที่ 81.0% บนโมเดลที่เปิดตัวจริง บริษัทอธิบายว่านี่เป็นการจำกัดความสามารถด้านไซเบอร์เชิงรุกโดยเจตนา และกล่าวว่าจะค่อยๆ ยกเพดานนี้ขึ้น Kimi K3.1 Pro ไม่ได้เปลี่ยนเส้นทางคำขอของคุณ แต่เพียงอ่อนกว่าในหมวดหมู่นั้นหมวดเดียว โดยมีส่วนต่างที่ผู้ขายของตัวเองเผยแพร่

แบบไหนจะดีกว่าขึ้นอยู่กับสิ่งที่คุณกำลังสร้าง หากคุณต้องการผลลัพธ์ที่แน่นอนจากโมเดลที่คุณเลือก การถอยไปใช้ตัวสำรองโดยไม่แจ้งนั้นแย่กว่าจุดอ่อนที่เปิดเผย หากคุณต้องการผลลัพธ์ที่ดีที่สุดเท่าที่จะเป็นไปได้สำหรับงานที่ผู้ให้บริการจำกัดการเข้าถึง การใช้ตัวสำรองอาจยังดีกว่าการถูกปฏิเสธ — แต่ตอนนี้คุณกำลังวัดประสิทธิภาพของสองโมเดลทั้งที่คิดว่ากำลังใช้โมเดลเดียว

วันที่ชี้ขาดคำถามเรื่องโมเดลแบบเปิดน้ำหนัก

Kimi K3.1 Pro ถูกขายในฐานะโมเดลแบบเปิดน้ำหนัก (open-weight) และน้ำหนักโมเดลยังไม่ออกมา Moonshot กล่าวว่าจะปล่อยน้ำหนักแบบเต็มภายในวันที่ 4 พฤศจิกายน 2026 จนถึงตอนนั้น คอลัมน์ open-weight ในการเปรียบเทียบใด ๆ ก็เป็นเพียงคำสัญญา และองค์กร Hugging Face ที่โฮสต์ Kimi K3 ไม่มีอะไรใหม่ไปกว่า K3 ณ วันที่ 24 ตุลาคม

Claude Opus 5.5 ไม่มีแผนเปิดเผยน้ำหนักโมเดล และจะไม่มีวันมี สำหรับใครก็ตามที่การติดตั้งใช้งานไม่สามารถเรียกใช้ API ที่โฮสต์ไว้ได้ การเปรียบเทียบก็จบเพียงเท่านั้นไม่ว่าราคาจะเป็นอย่างไร: ฝั่งหนึ่งคือผลิตภัณฑ์ที่คุณอาจดาวน์โหลดได้ในอีกสิบเอ็ดวัน อีกฝั่งคือการเช่าใช้ สำหรับคนอื่น ๆ ทั้งหมด วันที่ 4 พฤศจิกายน คือวันที่การเปรียบเทียบราคากลายเป็นทางเลือกเชิงสถาปัตยกรรมจริง ๆ แทนที่จะเป็นเรื่องการจัดซื้อจัดจ้าง

วันนี้วิ่งอะไรดี

นี่คือส่วนที่ตารางราคาไม่ได้ครอบคลุมไว้: ความพร้อมใช้งาน Claude Opus 5.5 สามารถเรียกใช้งานได้ผ่าน OrcaRouter แล้ววันนี้ในราคา $4.00 และ $20.00 ต่อล้านโทเค็น โดยการอ่านจากแคชอยู่ที่ $0.20 — เป็นราคาตามรายการของผู้ให้บริการที่ส่งผ่านมาโดยไม่มีการบวก markup เพิ่ม — ใช้คีย์เดียวกันกับส่วนอื่น ๆ ในสแต็กของคุณ โดยมีค่ามัธยฐานของเวลาถึงโทเค็นแรกที่ 3.86 วินาทีในช่วงเจ็ดวันที่ผ่านมาบนเส้นทางของเรา Kimi K3.1 Pro เข้าร่วมแคตตาล็อกเดียวกันเมื่อวันที่ 24 ตุลาคม ในราคา $2.00 และ $10.00 การอ่านจากแคชที่ $0.20 หน้าต่าง 1,048,576 โทเค็น และเพดานเอาต์พุตที่ประกาศไว้ที่ 943,718 โทเค็น ตอนนี้ทั้งสองให้บริการตอบกลับได้ด้วยคีย์เดียว

การมีทั้งสองตัวอยู่หลังคีย์เดียวคือสิ่งที่ไม่มีการกล่าวถึงในเอกสารของผู้ให้บริการทั้งสองราย เมื่อส่วนต่างราคาอยู่ที่ 2× การตัดสินใจที่สำคัญกว่าการเลือกผู้ชนะคือ นโยบายการจัดเส้นทาง: ส่งปริมาณงานส่วนที่ยากหนึ่งในห้าไปยัง Opus 5.5 ส่งส่วนที่เหลือไปยัง Kimi K3.1 Pro และปล่อยให้ระบบสำรองอัตโนมัติ (failover) รองรับกรณีที่ฝั่งใดฝั่งหนึ่งหยุดชะงัก โมเดลแบบ pass-through คือสิ่งที่ทำให้การคำนวณนั้นโปร่งใสตรงไปตรงมา — แต่ละฝั่งของการแบ่งจะถูกเรียกเก็บตามราคาที่ผู้ให้บริการเผยแพร่เองโดยไม่มีอะไรบวกเพิ่ม ดังนั้นส่วนที่ประหยัดได้ซึ่งคุณคำนวณก็คือส่วนที่คุณได้รับจริง และการเปลี่ยนแปลงราคาที่ผู้ให้บริการรายใดรายหนึ่งจะมีผลที่นี่ในวันเดียวกัน

ซึ่งทำให้การเปรียบเทียบกลับมาที่จุดเริ่มต้น หากงานของคุณส่วนใหญ่เป็นงานที่สองโมเดลวัดผลต่างกันไม่ถึงหนึ่งคะแนน ช่องว่างของราคาก็คือเรื่องทั้งหมด และคำตอบคือโมเดลที่ถูกกว่า หากงานของคุณส่วนใหญ่เป็นการเขียนโค้ดระยะยาว ซึ่ง Opus มีการประเมินอิสระรองรับมาสามเดือน และ Kimi มีตารางจากผู้จำหน่ายที่เผยแพร่เมื่อวานนี้ คะแนน 0.7 ก็ไม่ใช่ตัวเลขที่ควรเชื่อ — ตัวเลขที่ควรเชื่อคือการประเมินของคุณเอง โดยรันที่ระดับความพยายามที่คุณจะใช้งานจริง ตอนนี้ผู้จำหน่ายทั้งสองรายทำให้เรื่องนั้นทำได้ง่าย เพราะทั้งคู่ให้คุณหมุนปรับได้ และทั้งคู่เผยแพร่ว่าการหมุนปรับนั้นมีต้นทุนเท่าไร