Kimi K3.1 Pro vs Grok 4.7: ความแม่นยำเท่ากัน แต่ค่าใช้จ่ายสูงกว่า 72%

ในข้อสอบวิเคราะห์ข้อมูลแบบส่วนตัว 43 ข้อที่สร้างขึ้นบนคลังข้อมูลฟาร์มกังหันลมแบบสังเคราะห์ Kimi K3.1 Pro และ Grok 4.7ได้ 42 คะแนนทั้งคู่ ไม่มีโมเดลใดเคยเห็นคำถามเหล่านี้มาก่อน และข้อมูลถูกสร้างขึ้นเพื่อไม่ให้คำตอบใดถูกจดจำได้ คะแนนเท่ากัน อันดับเดียวกัน — เสมอกันในอันดับที่สามจาก 34 โมเดลที่ทดสอบ ใบแจ้งหนี้ไม่เหมือนกัน: การรันของ Kimi มีค่าใช้จ่าย $13.47 และของ Grok มีค่าใช้จ่าย $7.85

ตัวเลขคู่นั้นคือสิ่งที่มีประโยชน์ที่สุดที่ใครก็ตามเคยเผยแพร่เกี่ยวกับการเปรียบเทียบนี้ เพราะมันเป็นการเทียบแบบตัวต่อตัวเพียงกรณีเดียวที่ทั้งสองโมเดลถูกรันโดยคนกลุ่มเดียวกัน ในวันเดียวกัน กับคำตอบชุดเดียวกัน เกือบทุกอย่างอื่นที่หมุนเวียนอยู่ไม่ว่าจะเป็นเบนช์มาร์กจากผู้ค้าที่ผลิตภายใต้สแคฟโฟลด์ที่ต่างออกไป หรือการเปรียบเทียบที่แอบใช้ Kimi K3 แทน Kimi K3.1 Pro อย่างเงียบ ๆ ดังนั้นบทความนี้จึงเริ่มจากสิ่งที่การทดสอบที่เป็นกลางแสดงให้เห็น แล้วแยกความแตกต่างที่มีอยู่จริงออกจากความแตกต่างที่เป็นผลมาจากคนที่รันการทดสอบ

สองโมเดล สองการเดิมพันที่แตกต่างกันอย่างสิ้นเชิง

Kimi K3.1 Pro เปิดตัวเมื่อวันที่ 23 ตุลาคม 2026 ในฐานะรุ่นสืบทอดที่ผ่านการ post-train ต่อจาก Kimi K3 มากกว่าที่จะเป็นสถาปัตยกรรมใหม่ Moonshot AI ยังคงโครงสร้างหลักแบบ mixture-of-experts ขนาด 2.8 ล้านล้านพารามิเตอร์ หน้าต่างบริบท 1,048,576 โทเค็น และการรองรับภาพและวิดีโอแบบเนทีฟไว้เช่นเดิม และทุ่มงบประมาณของการเปิดตัวครั้งนี้ไปกับการเรียนรู้แบบเสริมกำลัง (reinforcement learning) ในโดเมนของเอเจนต์และงานวิชาชีพ โดยสัญญาว่าจะเปิดน้ำหนักโมเดลเต็มรูปแบบภายในวันที่ 4 พฤศจิกายน 2026

Grok 4.7 เปิดตัวก่อนหน้านี้หนึ่งเดือน เมื่อวันที่ 21 กันยายน 2026 โดย xAI เป็นโมเดลแบบ proprietary ซึ่งใช้ฐานพารามิเตอร์ประมาณ 2.1 ล้านล้านพารามิเตอร์ตามที่มีรายงาน ซึ่ง xAI ยังไม่ได้ยืนยัน รองรับหน้าต่างอินพุต 500,000 โทเคน พร้อมเพดานเอาต์พุต 450,000 โทเคน และคงราคาของ Grok 4.6 ไว้ จุดตัดความรู้คือมิถุนายน 2026 โดยมีการฝึกเสริมจนถึงเดือนสิงหาคม

• ราคา — Kimi K3.1 Pro อินพุต $2.00 / เอาต์พุต $10.00 ต่อหนึ่งล้านโทเค็น; Grok 4.7 $2.00 / $6.00 และจะเพิ่มเป็น $4.00 / $12.00 เมื่อพรอมต์เกิน 200K โทเค็น

• อินพุตแบบแคช — $0.20 บน Kimi เทียบกับ $0.50 บน Grok ซึ่งเป็นการกลับทิศที่สำคัญยิ่งกว่าราคาที่เป็นหัวข้อหลัก สำหรับเอเจนต์ที่อ่านรีโพซิทอรีเดิมซ้ำในทุกเทิร์น

• บริบท — 1,048,576 โทเค็น เทียบกับ 500,000 Kimi ยังอนุญาตให้มีโทเค็นเอาต์พุตได้สูงสุด 943,718 ในการตอบกลับครั้งเดียว ซึ่งไม่ใช่คุณสมบัติเท่าใดนัก แต่เป็นข้อความที่บอกว่าโมเดลนี้ถูกสร้างมาเพื่ออะไร

• รูปแบบข้อมูล — รับข้อความ รูปภาพ และวิดีโอ แล้วส่งออกเป็นข้อความบน Kimi; รับข้อความ รูปภาพ และไฟล์ แล้วส่งออกเป็นข้อความบน Grok

• การควบคุมการให้เหตุผล — Kimi ให้เหตุผลโดยค่าเริ่มต้นพร้อมระดับความพยายามที่เลือกได้; Grok มีให้เลือก low, medium, high และ xhigh และไม่อนุญาตให้ปิดการให้เหตุผล

• ความเปิดกว้าง — น้ำหนักโมเดลถูกสัญญาไว้ว่าจะเปิดให้ภายในวันที่ 4 พฤศจิกายนบน Kimi; ส่วน Grok เปิดให้ใช้ผ่าน API เท่านั้นและจะเป็นเช่นนั้นต่อไป

พื้นที่เป็นกลาง และมันช่างบางเพียงใด

ข้อสอบของ Plotly เป็นการเปรียบเทียบที่ชัดเจนที่สุดเท่าที่มี เป็นแบบทดสอบส่วนตัว 43 ข้อบนคลังข้อมูลกังหันลมสังเคราะห์ แบ่งเป็นคำถามด้านการวิเคราะห์ คำขอที่กำกวม คำขอที่เป็นไปไม่ได้ กับดักทางสถิติ การตรวจสอบคุณภาพข้อมูล และรูปแบบที่ถูกฝังไว้ห้าแบบที่นักวิเคราะห์ที่ดีควรค้นพบได้เองโดยไม่มีใครบอก Kimi K3.1 Pro ผ่าน 42 ข้อ เพิ่มขึ้นจาก 35 ข้อของ Kimi K3 Grok 4.7 ก็ผ่าน 42 ข้อเช่นกัน ทั้งสองยังตามหลัง GPT-6.1 Sol และ GPT-6 Astra ซึ่งได้ 43 ข้อ

รายละเอียดเบื้องหลังผลเสมอคือจุดที่โมเดลทั้งสองแตกต่างกัน Kimi ค้นพบรูปแบบที่ฝังไว้ทั้งห้าแบบ และจับปัญหาคุณภาพข้อมูลได้ครบทั้งสามปัญหา — แถวซ้ำ, วันที่สุดท้ายที่หายไป, และความแตกต่างระหว่างกังหันที่ปลดระวางแล้วกับกังหันที่ผลิตได้ศูนย์จริง ๆ การพลาดเพียงครั้งเดียวของมันคือข้อผิดพลาดตรงขอบเขต: มันนับวัน-เทอร์ไบน์ 2,775 วันจากช่วงก่อนการติดตั้งเฟิร์มแวร์เป็น "เฟิร์มแวร์อื่น" ซึ่งทำให้ค่าเฉลี่ยเปลี่ยนไปประมาณ 0.0003 และอยู่นอกเกณฑ์ความคลาดเคลื่อนของการทดสอบเพียงเล็กน้อย นั่นคือความล้มเหลวด้านความแม่นยำตรงขอบของคำนิยาม ไม่ใช่ความล้มเหลวด้านการให้เหตุผล

การทดสอบที่เป็นกลางครั้งที่สองชี้ไปในทางตรงกันข้าม ในการประเมินด้านบัญชีของ DualEntry Grok 4.7 จบด้วยอันดับสองร่วมที่ 88.1% ขณะที่ Kimi K3.1 Pro อยู่อันดับสี่ที่ 86.1% Kimi เป็นโมเดลที่ประหยัดที่สุดต่องานในการรันนั้นที่ $0.079 แต่ก็เป็นหนึ่งในโมเดลที่ช้าที่สุดที่ 125.6 วินาทีต่องาน การทดสอบที่เป็นกลางสองครั้ง สองผลที่ใกล้เคียงกันมาก และลำดับสลับกันระหว่างทั้งสอง นั่นคือสิ่งที่การเปรียบเทียบกับคู่แข่งอย่างแท้จริงดูเป็น และนั่นคือสิ่งที่การรายงานข่าววันเปิดตัวส่วนใหญ่ไม่ได้เป็น

ที่ซึ่งความแตกต่างนั้นมีอยู่จริง

การเขียนไม่ใช่การแข่งขันที่สูสี ToneBench ซึ่งให้คะแนนฉบับร่างเทียบกับโจทย์ 10 ข้อ โดยมีผู้ตัดสิน 4 คนต่อฉบับร่าง จัดให้ Kimi K3.1 Pro อยู่ที่ 2,205 Elo และอันดับ 7 จาก 83 การตั้งค่า เทียบกับ Grok 4.7 ที่ 1,904 และอันดับ 25 ช่วงความเชื่อมั่น 95% ไม่ทับซ้อนกัน: 2,166–2,246 เทียบกับ 1,855–1,962 Kimi ชนะ 9 จาก 10 สคริปต์ และ 7 จาก 9 ตัวชี้วัดย่อย โดยช่องว่างกว้างที่สุดอยู่ที่การยึดตามความยาว (95.4 เทียบกับ 78.7) และสัญญาณภาพ (84.9 เทียบกับ 78.8) ชัยชนะของ Grok นั้นแคบและจำกัดอยู่ที่โทนและธรรมเนียมของ YouTube ที่ $0.251 เทียบกับ $0.215 ต่อสคริปต์ นี่ไม่ใช่การตัดสินใจด้านต้นทุน

งานเขียนโค้ดและงานแบบเอเจนต์คือจุดที่หลักฐานยุ่งเหยิง และเป็นจุดที่การเปรียบเทียบส่วนใหญ่ทำให้เข้าใจผิด xAI รายงานว่า Grok 4.7 ทำได้ 37.6–38.0% บน Terminal-Bench 4.0 Moonshot รายงานว่า Kimi K3.1 Pro ทำได้ 65.7% บนเบนช์มาร์กเดียวกัน ตัวเลขเหล่านี้ห่างกัน 28 คะแนน และไม่ได้หมายความว่า Grok มีความสามารถเพียงครึ่งหนึ่งของอีกตัว เพราะคะแนน Terminal-Bench เปลี่ยนแปลงได้หลายสิบคะแนน ขึ้นอยู่กับ harness เวลาจำกัด และจำนวนครั้งที่อนุญาตให้ลอง 65.7% กับ 38.0% ที่เกิดขึ้นจากห้องแล็บคนละแห่งคือการวัดสองแบบที่ต่างกันแต่ใช้ชื่อเดียวกัน

หลักฐานด้านการเขียนโค้ดที่เป็นอิสระซึ่งมีอยู่นั้นสนับสนุน Grok แต่เป็นหลักฐานเกี่ยวกับ Kimi K3 ไม่ใช่ K3.1 Pro บน SWE-bench Verified ที่รันผ่านโครง mini-agent มาตรฐาน Grok 4.7 ทำได้ 95.6% เทียบกับ 93.4% ของ Kimi K3 ยังไม่มีใครเผยแพร่ตัวเลขเทียบเท่าสำหรับ K3.1 Pro ตัวเลขระยะยาวของ Moonshot เอง — 61.2% บน Kimi Code Bench 3.0 Long-horizon เทียบกับ 55.95% สำหรับ K3 และ 51.7% บน SWE Marathon เทียบกับ 45.6% สำหรับ Claude Opus 5.5 — บ่งชี้ว่าการ post-training ช่วยได้ แต่ทั้งหมดนั้นคือผู้ขายที่ตรวจการบ้านของตัวเองบน benchmark ที่ตัวเองสร้าง

บริบทแบบยาวคือช่องว่างด้านความสามารถเพียงหนึ่งเดียวที่ไม่จำเป็นต้องใช้ benchmark หนึ่งล้านโทเคนเทียบกับห้าแสนโทเคนคือสองเท่า และราคาแบบ cache-hit ของ Kimi ต่ำกว่าครึ่งหนึ่งของ Grok หาก workload เป็น monorepo ชุดสัญญา หรือตั๋วสนับสนุนตลอดหนึ่งปี การเปรียบเทียบก็ถูกตัดสินก่อนจะอ่านคะแนนใด ๆ

ทำไมใบแจ้งหนี้จึงแตกต่าง

ช่องว่างด้านต้นทุน 72% ในการทดสอบ Plotly ไม่สามารถอธิบายได้ด้วยตารางราคาเพียงอย่างเดียว ราคาเอาต์พุตของ Kimi สูงกว่า 67% ดังนั้นหากจำนวนโทเค็นเท่ากันก็จะแพงกว่า — แต่ไม่ถึง 72% ในการทดสอบที่ทั้งสองโมเดลให้คุณภาพคำตอบเท่ากัน ส่วนที่เหลือมาจากปริมาณข้อความที่พวกมันเขียนและจำนวนการเรียกที่ใช้เพื่อไปถึงจุดนั้น

Kimi เรียกใช้โมเดลโดยเฉลี่ยประมาณ 7.5 ครั้งต่อคำถาม และใช้เวลามัธยฐาน 2.5 นาทีต่อคำถาม ซึ่งช้าที่สุดเป็นอันดับสองจาก 34 โมเดล; ประมาณ 90% ของเวลานั้นเป็นการตอบสนองของโมเดลมากกว่าการรัน SQL ในคำถามที่มีรูปแบบซ่อนอยู่ Kimi เรียกใช้เครื่องมือประมาณ 73 ครั้ง การทดสอบอิสระของ Grok ในที่อื่นพบว่า Grok ใช้โทเค็นเอาต์พุตต่องานประมาณสองเท่าของที่ Grok 4.6 ใช้ ซึ่งหักล้างกันไปในทางตรงข้าม ผลสุทธิในการสอบครั้งนี้คือ Grok ใช้จ่ายเป็นดอลลาร์ต่อคำตอบที่ถูกต้องน้อยลง แม้จะใช้โทเค็นต่อขั้นตอนมากขึ้นก็ตาม

การคำนวณสำหรับเอเจนต์ที่ใช้งานจริงมีลักษณะแบบนี้ ลองพิจารณางานหนึ่งที่อ่านอินพุต 100K โทเค็น เขียนเอาต์พุต 8K และทำงาน 20 รอบ

• Kimi K3.1 Pro แบบไม่ใช้แคช — 20 เทิร์น ที่อินพุต $0.20 บวกเอาต์พุต $0.08 คิดเป็นประมาณ $5.60 ต่องาน

• Grok 4.7 ไม่ใช้แคช — รูปแบบเดียวกันที่อินพุต $0.20 บวกเอาต์พุต $0.048 อยู่ที่ประมาณ $4.96 ต่องาน

• Kimi K3.1 Pro, แคชฮิต 70% — อินพุตลดลงเหลือ $0.074 ต่อรอบ ทำให้ค่าใช้จ่ายของงานนี้อยู่ที่ประมาณ $3.08

• Grok 4.7, แคชฮิต 70% — อินพุตลดลงเหลือ $0.095 ต่อรอบ ทำให้งานนี้มีค่าใช้จ่ายประมาณ $2.86

ดังนั้น Grok ชนะในกรณีของเอเจนต์แม้จะมีอัตราแคชสูง เพราะโทเค็นเอาต์พุตมีอิทธิพลเหนือกว่าและคิดราคาถูกกว่า 40% สำหรับโทเค็นเหล่านั้น Kimi จะแซงได้ก็ต่อเมื่อเอาต์พุตมีขนาดเล็กเมื่อเทียบกับอินพุต ลองพิจารณาการเรียกดึงข้อมูลที่มีอินพุต 100K และเอาต์พุต 1K ที่แคช 70%: Kimi มีค่าใช้จ่าย $0.084 และ Grok $0.101 ซึ่ง Kimi ชนะ 17% จุดตัดไม่ใช่อัตราเปอร์เซ็นต์แคช — แต่เป็นอัตราส่วนอินพุตต่อเอาต์พุต งานที่เน้นการอ่านควรใช้ Kimi งานที่เน้นการเขียนควรใช้ Grok และคำแนะนำที่ตรงไปตรงมาคือให้วัดอัตราส่วนของคุณเองแทนที่จะเชื่อตัวอย่างของผู้ขายรายใดรายหนึ่ง

ความเร็วเปลี่ยนรูปร่างของระบบ ไม่ใช่แค่ค่าใช้จ่าย

จากการวัดของเราเอง ค่ามัธยฐานของเวลาถึงโทเคนแรกของ Kimi K3.1 Pro อยู่ที่ 6.9 วินาที ที่ความเร็ว 48 โทเคนต่อวินาที ส่วน Grok 4.7 ในการทดสอบโดยบุคคลที่สาม มีเวลาถึงโทเคนแรกประมาณ 1.3 วินาที และความเร็วราว 61 โทเคนต่อวินาที สำหรับผลิตภัณฑ์แชต ความแตกต่างนี้เห็นได้ชัด สำหรับเอเจนต์ที่เรียกใช้ต่อเนื่องกัน 20 ครั้ง นี่คือความแตกต่างระหว่างงานที่รู้สึกว่าเกิดขึ้นทันทีกับงานที่รู้สึกว่าพัง และนี่คือเหตุผลที่แท้จริงซึ่งทำให้การเปรียบเทียบเครื่องมือเขียนโค้ดหลายครั้งยกชัยชนะให้ Grok แม้ว่า Kimi จะมีคะแนนด้านการเขียนที่ดีกว่าก็ตาม

การควบคุมการให้เหตุผลยิ่งทำให้เรื่องนี้ซับซ้อนขึ้น Grok ให้คุณปรับระดับความพยายามได้ตั้งแต่ low ถึง xhigh และคิดค่าบริการตามนั้น ที่การตั้งค่า low นั้น ToneBench วัดได้ 1,815 Elo ในราคา $0.064 ต่อสคริปต์ ซึ่งเป็นหนึ่งในสี่ของต้นทุนในการตั้งค่า medium Kimi ให้เหตุผลเป็นค่าเริ่มต้น และการตั้งค่าความพยายามของมันเป็นเครื่องมือที่หยาบกว่า โดยการสุ่มถูกกำหนดตายตัวที่ temperature 1.0 และ top_p 0.95 — ค่าที่มันไม่ยอมรับทางเลือกอื่น หากไปป์ไลน์ต้องพึ่งพาความแน่นอนแบบ low-temperature นั่นคือคำถามด้านความเข้ากันได้ที่ต้องเคลียร์ก่อนจะ benchmark อะไรก็ตาม

อันไหนที่ควรอยู่ในโปรดักชัน

เลือก Kimi K3.1 Pro เมื่องานเป็นแบบบริบทขนาดยาวและเน้นเอกสารหนาแน่น เช่น การตรวจสัญญา การวิจัยทางการเงิน การวิเคราะห์คลังโค้ดหลายไฟล์ และการตรวจสอบคุณภาพข้อมูล ซึ่งโมเดลต้องสังเกตว่าอะไรหายไป มากกว่าตอบเฉพาะสิ่งที่ถูกถาม หน้าต่างขนาด 1M แคชราคาถูก และรายงานของ Moonshot เกี่ยวกับการลดลงของข้อกล่าวอ้างที่โมเดลกุขึ้นจาก 23.4% เหลือ 8.3% เมื่อใช้เครื่องมือ ล้วนชี้ไปในทิศทางเดียวกัน ทั้งยังเป็นเพียงตัวเดียวในสองตัวที่จะดาวน์โหลดได้ ซึ่งสำคัญหากภาระงานไม่สามารถออกจากโครงสร้างพื้นฐานของคุณได้

เลือก Grok 4.7 เมื่อ latency เป็นส่วนหนึ่งของผลิตภัณฑ์ เช่น ผู้ช่วยเขียนโค้ดแบบโต้ตอบ, IDE agents, การใช้เครื่องมือที่ลูกค้าเห็น ซึ่งการหยุดชะงักหกวินาทีถูกมองว่าเป็นข้อบกพร่อง มันมีค่าใช้จ่ายฝั่งเอาต์พุตถูกกว่า ถึงโทเค็นแรกเร็วกว่า และหลักฐานด้านการเขียนโค้ดที่เป็นอิสระ — แม้จะบางเบา — ก็อยู่ข้างมัน หน้าต่าง 500K ของมันไม่ถือเป็นข้อจำกัดสำหรับงานในรีโพซิทอรีส่วนใหญ่ แม้จะเป็นเช่นนั้นสำหรับบางงาน

คำตอบที่ชวนไม่สบายใจสำหรับใครก็ตามที่ต้องการผู้ชนะเพียงคนเดียว คือสองโมเดลนี้เสมอกันในการทดสอบที่เป็นกลางเพียงรายการเดียวที่ทั้งคู่เคยทำ และการตัดสินชี้ขาดขึ้นอยู่กับอัตราส่วนอินพุตต่อเอาต์พุตและงบความหน่วงของคุณ สิ่งเหล่านี้เป็นคุณสมบัติที่คุณวัดได้ภายในบ่ายเดียว และไม่มีโพสต์เปิดตัวใดบอกคุณได้ว่าค่าเหล่านี้เป็นเท่าใด

รันทั้งสองโดยไม่ต้องมีสัญญาฉบับที่สอง

นี่คือการจับคู่เดียวที่การลองทั้งสองแบบจัดได้ในราคาถูก OrcaRouter มีkimi/kimi-k3.1-proและgrok/grok-4.7อยู่บนคีย์เดียวกัน ในราคาตามที่ผู้ให้บริการประกาศโดยไม่บวกเพิ่ม ดังนั้น $2.00, $10.00 และ $6.00 ข้างต้นจึงเป็นยอดที่คุณถูกเรียกเก็บจริง ไม่ใช่เวอร์ชันที่ผู้ขายต่อตั้งราคาเอง สิ่งนี้สำคัญกว่าปกติในกรณีนี้ เพราะการตัดสินใจขึ้นอยู่กับพฤติกรรมแคชและเวลาแฝงที่วัดได้ภายในแอปพลิเคชันของคุณเอง — ซึ่งหมายความว่าคุณต้องมีทั้งสองโมเดลอยู่หลังปลายทางเดียวและบิลเดียวเพื่อเปรียบเทียบอย่างยุติธรรม

นอกจากนี้ยังเปลี่ยนแนวทางเรื่องการสลับไปใช้ทางเลือกสำรองด้วย การ failover อัตโนมัติข้ามผู้ให้บริการหมายความว่าการจำกัดอัตราการเรียกใช้งานหรือเหตุขัดข้องของโมเดลหนึ่งจะไม่ทำให้ฟีเจอร์ล่ม และ routing DSL ช่วยให้คุณส่งเส้นทางบริบทแบบยาวไปยัง Kimi และเส้นทางแบบโต้ตอบไปยัง Grok ภายในนโยบายเดียว แทนที่จะต้องดูแลการเชื่อมต่อสองชุด หากคุณยังตัดสินใจไม่เสร็จ นี่เป็นวิธีหนึ่งในการประเมินกับทราฟฟิกโปรดักชันเพียงบางส่วน แทนที่จะเลือกจากตาราง benchmark

อะไรจะทำให้คำตัดสินนี้เปลี่ยนไปได้

สองสิ่ง ทั้งคู่มีวันที่กำหนดไว้ {{1}}สิ่งแรกคือวันที่ 4 พฤศจิกายน{{/1}} เมื่อ Moonshot สัญญาว่าจะเปิดน้ำหนักโมเดลเต็มรูปแบบ {{2}}Kimi K3.1 Pro แบบเปิดน้ำหนักที่คุณภาพระดับนี้เปลี่ยนการประเมินการตัดสินใจสำหรับใครก็ตามที่มีเหตุผลด้านการปฏิบัติตามข้อกำหนดในการโฮสต์เอง และยังเป็นช่วงเวลาที่แล็บอิสระสามารถรันโมเดลได้โดยไม่ต้องมีงบประมาณ API{{/2}}

ข้อที่สองคือการเทียบกันตรงๆ แบบเอเจนต์ที่แท้จริง การเปรียบเทียบด้านการเขียนโค้ดทุกรายการที่แพร่หลายอยู่ตอนนี้ ไม่ว่าจะใช้ Kimi K3 แทน Kimi K3.1 Pro หรือเปรียบเทียบฮาร์เนสของผู้จำหน่ายสองรายราวกับว่าเป็นผลการวัดเดียวกัน ในทันทีที่มีคนรันทั้งสองโมเดลผ่านสแคฟโฟลด์เดียวกันบนงานชุดเดียวกัน — แบบที่ Plotly ทำกับการวิเคราะห์ข้อมูล — คำถามเรื่องการเขียนโค้ดก็จะหมดข้อโต้แย้ง จนกว่าจะถึงตอนนั้น จุดยืนที่ปกป้องได้คือจุดยืนที่น่าเบื่อ: Grok 4.7 สำหรับความเร็วและการเขียนโค้ดแบบโต้ตอบ, Kimi K3.1 Pro สำหรับบริบทขนาดยาว งานเขียน และงานเอกสาร และวัดทั้งสองตัวบนทราฟฟิกของคุณเองก่อนที่ตัวใดตัวหนึ่งจะได้เส้นทางสู่โปรดักชัน