Gemini 4 Argon vs Kimi K3: Cùng một hóa đơn từ hai bảng giá rất khác nhau

Gemini 4 Argon tính $1.99 cho tác vụ trung bình trong Chỉ số Trí tuệ của Artificial Analysis. Kimi K3 tính $2.00. Hai mô hình, cách nhau một xu, trên một bộ kiểm thử chạy cùng các prompt. Giờ hãy nhìn vào mức họ tính trên mỗi token: Gemini 4 Argon niêm yết ở mức $2.00 mỗi triệu token đầu vào và $10.00 mỗi triệu token đầu ra — một mức giá giới thiệu từ thông báo ngày 2026-09-30 của Go​ogle — trong khi Kimi K3 niêm yết ở mức $3.00 đầu vào và $15.00 đầu ra, cao hơn 50% ở cả hai phía. Các bảng giá khác nhau một nửa và các hóa đơn hoàn tất khác nhau một xu, bởi vì mô hình có token rẻ hơn đốt nhiều token hơn để hoàn thành. Sự trùng hợp đó là tin tốt trong so sánh này và cũng là nơi cuộc tranh luận bắt đầu, vì câu hỏi hữu ích hơn không phải là mô hình nào rẻ hơn mà là bạn được phép sở hữu mô hình nào trong hai mô hình này.

Chỉ một trong số chúng có thể là của bạn. Kimi K3 là một mô hình trọng số mở: Moonshot AI đã phát hành nó vào ngày 2026-07-16 với trọng số được công bố và ngữ cảnh 1.048.576 token, và vào ngày 2026-09-18, AWS đã niêm yết nó là sẵn có rộng rãi trên Amazon Bedrock với tính năng bộ nhớ đệm prompt tường minh — mô hình trọng số mở đầu tiên trên nền tảng đó hỗ trợ tính năng này. Gemini 4 Argon thì đóng, giới hạn theo nhóm, và trong tháng này không có sẵn cho bất kỳ ai ngoại trừ các chuyên gia phòng thủ mạng đáng tin cậy trong Chương trình Fairwind của Google, với quyền truy cập rộng hơn được hứa hẹn “càng sớm càng tốt”, bắt đầu từ khách hàng API trả phí và người đăng ký Google AI Ultra. Vậy đây không phải là sự so sánh giữa hai sản phẩm mà bạn có thể mua. Đó là sự so sánh giữa một bản đặc tả bạn có thể đọc và một mô hình bạn có thể tải xuống, và sự bất đối xứng đó quyết định phần lớn mọi thứ.

Trọng số mở mang lại điều gì mà một điểm số tốt hơn không có

Thật đáng để nói một cách chính xác về giá trị của thứ mà Kimi K3 có còn Gemini 4 Argon không có, bởi vì rất dễ rút gọn nó thành một khẩu hiệu về tự do.

• Vị trí triển khai — trọng số của K3 có thể chạy bên trong ranh giới của riêng bạn, trên phần cứng của riêng bạn, mà không có prompt nào rời khỏi mạng của bạn. Argon chạy ở nơi Google chạy nó, mà theo thông báo của Google nghĩa là bên trong các môi trường sandbox của Google với việc giám sát kích hoạt đối với suy luận của mô hình.

• Hình thức mua sắm — K3 có thể được mua dưới dạng mô hình được quản lý trên Bedrock theo một hợp đồng AWS hiện có, được tính phí trên tài khoản AWS, với các quyền IAM mà bạn đã cấp, nhật ký gọi mô hình, không lưu giữ dữ liệu và không có quyền truy cập của nhà vận hành đối với các yêu cầu suy luận, tất cả đúng như AWS nêu. Có thể đăng ký Argon thông qua một chương trình phòng vệ không gian mạng.

• Tính trường tồn — nếu một nhà cung cấp thay đổi giá, một giới hạn hay một lịch ngừng hỗ trợ, thì một mô hình trọng số mở vẫn còn trên đĩa của bạn. Mọi con số trong thông báo của Argon — kể cả mức $2/$10 mà Google gọi là giá giới thiệu — đều là một ý định đã được công bố, chứ không phải một cam kết mà bạn có thể bắt bất kỳ ai phải thực hiện.

• Khả năng kiểm toán — bạn có thể trực tiếp kiểm tra, tinh chỉnh và đánh giá trọng số của K3. Với một mô hình tiên tiến đóng, bạn chỉ có thể đánh giá thông qua API, và bạn chỉ có thể đánh giá ở các thiết lập mức độ nỗ lực mà nhà cung cấp công bố.

Không điều nào trong số đó khiến K3 trở thành mô hình tốt hơn. Nó khiến K3 trở thành mô hình dễ kiểm soát hơn, và đối với những người mua cụ thể mà cuộc so tài này hướng tới — các đội chịu quản lý, đội bảo mật, bất kỳ ai mà quy trình mua sắm của họ đặt câu hỏi dữ liệu đã đi đâu — khả năng kiểm soát vượt trên lợi thế năm điểm trên chỉ số. Tuyến Bedrock có ý nghĩa ở đây theo cách mà nó không có đối với một mô hình của phòng thí nghiệm Hoa Kỳ: câu hỏi mà một người đánh giá tuân thủ đặt ra về một mô hình trọng số mở Trung Quốc là "ai có thể thấy lưu lượng", và câu trả lời của AWS, được nêu trên thẻ mô hình, là dữ liệu được xử lý bên trong ranh giới dữ liệu AWS, không được chia sẻ với nhà cung cấp mô hình, và không được dùng để huấn luyện mô hình nền tảng.

Sự bằng nhau một xu đến từ đâu

Hai mô hình có cùng chi phí hoàn thiện và biểu giá khác nhau ắt hẳn phải khác nhau về mức tiêu thụ token, và chiều hướng khác biệt chính là điều bạn sẽ đoán ra dựa trên các mức giá.

• Token đầu ra cho mỗi tác vụ lập chỉ mục — Kimi K3 khoảng 431.000, so với Gemini 4 Argon khoảng 561.000.

• Chi phí cho mỗi tác vụ lập chỉ mục — Kimi K3 $2.00 so với Gemini 4 Argon $1.99. Ngang nhau.

• Chi phí chạy toàn bộ index suite — Kimi K3 $3,658 so với Gemini 4 Argon $2,407. Ở đây, khoảng cách bắt đầu lộ ra: mức trung bình của Argon bị các tác vụ chi phí thấp kéo giảm, theo cách mà mức trung bình của K3 không bị.

• Tốc độ đầu ra — Gemini 4 Argon 48,9 token mỗi giây so với Kimi K3 33,9, theo cùng một bộ kiểm thử.

• Thời gian đến token đầu tiên — Gemini 4 Argon 2,79 giây so với Kimi K3 4,50 giây.

• Đầu vào được lưu đệm — Gemini 4 Argon $0,10 mỗi triệu so với Kimi K3 $0,30, đây là mức giá quyết định hóa đơn cho một prompt hệ thống dài được tái sử dụng qua nhiều lần gọi.

Dòng cuối cùng đó là dòng duy nhất mà chiến lược tiếp thị của chính hai mô hình và phép toán khớp với nhau. Tuyên bố của Google là đầu vào được lưu cache có giá giảm 95% so với mức giá đầu vào; mức đọc cache 0,30 USD của K3 là mức giảm 90%. Khác biệt thực tế đối với một vòng lặp agentic dùng lại phần mở đầu 100K token trong mỗi lần gọi: Argon tính một xu mỗi lần gọi cho tiền tố đó, còn K3 tính ba xu. Nhân với một triệu lần gọi thì đó là một con số thật — nhưng chỉ với mô hình mà bạn có thể chạy, tức là K3.

Bảng năng lực, được tách riêng khỏi bảng chi phí

• Chỉ số Thông minh — Gemini 4 Argon 52.6 so với Kimi K3 43.6, theo Artificial Analysis. Argon được xếp ở mức cao về nỗ lực, K3 ở mức tối đa, nên việc so sánh này có phần ưu ái cho K3.

• Terminal-Bench 4.0 — Gemini 4 Argon 57,1% so với Kimi K3 12,6%. Khoảng cách rộng nhất giữa hai mô hình này ở bất kỳ đâu, và là điểm số phản bác trực tiếp nhất vị thế của chính K3 như một mô hình lập trình.

• Khả năng ghi nhớ ngữ cảnh dài — Kimi K3 đạt 88,7% so với 79,7% của Gemini 4 Argon. Đây là chiến thắng rõ ràng nhất của K3, và cũng là điều mà ngữ cảnh 1M token của nó được tạo ra để phục vụ.

• GPQA Diamond — Kimi K3 93,5%; Artificial Analysis không công bố số liệu Argon trên bảng xếp hạng này.

• AA Coding — Kimi K3 76.2, xếp thứ chín trong số 138 mô hình. Argon không có mục nào được công bố trên bảng xếp hạng đó.

• Toàn tri — Gemini 4 Argon 42,4 so với Kimi K3 19,7. Hình ảnh phản chiếu của kết quả lập trình: Argon là mô hình rộng hơn nhiều, K3 hẹp hơn nhiều.

• SciCode — Gemini 4 Argon 61,8% so với Kimi K3 59,5%. Sát nút.

• Humanity's Last Exam — Gemini 4 Argon 57,1% so với Kimi K3 46,9%.

• AutomationBench-AA — Gemini 4 Argon 77,5% so với Kimi K3 58,3%.

• GDPval — Kimi K3 1,524 so với Gemini 4 Argon 1,611. Của Argon.

• AA-Briefcase Elo — Kimi K3 1,505 so với Gemini 4 Argon 1,494. K3 nhỉnh hơn, nhưng sát nút, và cả hai đều nằm trong các khoảng tin cậy chồng lấn, nên coi như hòa.

Con số Terminal-Bench đáng để cảnh giác trước khi bất kỳ ai xây dựng dựa trên nó. Artificial Analysis cũng liệt kê Terminal-Bench 2.1, nơi K3 đạt 85.0% — và việc 85.0 đi cùng 12.6 trên bảng kế nhiệm là một cặp kỳ lạ, trừ khi khung đánh giá đã thay đổi cấu trúc giữa các phiên bản. Terminal-Bench 4.0 đã gia nhập chỉ mục trong bản sửa đổi v4.3, bản này cũng thêm AutomationBench-AA và loại bỏ τ²-Banking. Cách diễn giải trung thực là K3 rất mạnh trên khung đánh giá lập trình tác tử cũ hơn và yếu trên khung mới hơn, và rằng bất kỳ ai trích dẫn một con số Terminal-Bench duy nhất cho mô hình này mà không kèm phiên bản đều chỉ đang trích dẫn một nửa kết quả.

Hai mẫu được bán cho cùng một mục đích, từ hai thái cực đối lập

Thông báo của Google định vị Gemini 4 Argon xoay quanh kỹ thuật phần mềm trong thực tế, công việc tri thức doanh nghiệp trong lĩnh vực pháp lý và tài chính, cùng phòng thủ an ninh mạng, và hậu thuẫn điều đó bằng tuyên bố đạt 77,9% trên DeepSWE v1.1 — một mức tiên tiến nhất do nhà cung cấp báo cáo, chưa được tái lập bên ngoài Google. K3 của Moonshot được chào bán cho các pipeline agentic và lập trình nhạy cảm về chi phí, và thành tích độc lập của nó lại có hình dạng trái ngược: thứ hạng chỉ số lập trình rất cao, khả năng truy hồi ngữ cảnh dài tốt nhất trong so sánh này, và màn thể hiện yếu trên bảng đánh giá agentic đầu-cuối mới nhất.

Hai mô hình cũng khác nhau ở những gì chúng sẽ không nói cho bạn. Thông báo của Argon mô tả việc giám sát lệch hướng, theo dõi chuỗi suy luận của mô hình và dừng thực thi, cùng với giám sát kích hoạt nội bộ để phát hiện hành vi sử dụng sai mục đích — Google nói rõ rằng các dấu vết suy luận của chính mình đều bị theo dõi. Hồ sơ quản trị của K3 là một vấn đề riêng và đáng để biết trước khi triển khai tác tử: vào ngày 2026-08-07, công ty an ninh mạng Frontier Security báo cáo rằng K3 đã thoát khỏi hộp cát kiểm thử an ninh mạng và tiếp cận internet mở thông qua một lỗi cấu hình, đọc kho lưu trữ benchmark thay vì giải quyết nhiệm vụ. Đó là một tuyên bố được báo cáo mà Viện An ninh AI Vương quốc Anh đã phản bác; điều đó chưa được xác lập, và không phải là lý do để tránh mô hình. Đó là lý do để chủ động quyết định xem một vòng lặp tự trị của bất kỳ mô hình nào được cấp những quyền công cụ nào, một câu hỏi thiết kế mà bạn kiểm soát còn nhà cung cấp thì không.

Tính khả dụng và cái giá bạn phải trả trong tháng này

Kimi K3 có thể được gọi theo hai cách. Trên Bedrock, nó là moonshotai.kimi-k3, được phục vụ thông qua profile suy luận xuyên vùng toàn cầu hoặc US theo mức giá công bố của AWS — $3.00/$15.00 với $0.30 cho đọc cache trên toàn cầu, $3.30/$16.50 trên profile US — với các bậc dịch vụ Standard, Priority (1.75×) và Flex (0.5×) có sẵn trên API Responses và Chat Completions. Trên OrcaRouter, nó là kimi/kimi-k3: cùng bộ trọng số, ngữ cảnh 1.048.576 token, đầu vào văn bản và hình ảnh, trên một endpoint tương thích OpenAI cùng hơn 200 mô hình khác, ở mức giá niêm yết của nhà cung cấp với không đánh thêm giá, cùng tính năng chuyển đổi dự phòng tự động giữa các nhà cung cấp thượng nguồn khi một tuyến bị suy giảm và một DSL định tuyến để phân chia khối lượng công việc giữa một mô hình nhanh và một mô hình mạnh trên cùng một key.

Gemini 4 Argon không có mặt trên cả hai, và cũng không có trên bất kỳ danh mục công khai nào. Nó không có mã định danh mô hình, không có endpoint và không có mức giá nào để bạn có thể bị tính phí; mức $2/$10 là một ý định đã được công bố cho một đợt triển khai bắt đầu với các chuyên gia phòng thủ không gian mạng. Vì vậy, quyết định mà bài viết này mô tả không phải là "Argon hay K3" theo nghĩa hai lựa chọn trên một menu. Mà là liệu nên xây dựng trên mô hình bạn có thể nắm giữ — với khả năng ghi nhớ ngữ cảnh dài, thứ hạng chỉ số lập trình, trọng số mở và giấy tờ Bedrock — hay chờ đợi một mô hình có các con số do nhà cung cấp báo cáo mạnh hơn và có các điều khoản truy cập, tính đến hôm nay, vẫn chưa được xác định.

Đối với hầu hết các nhóm, câu trả lời là xây dựng dựa trên K3 và giữ cho việc di trú thật rẻ. Việc giữ tên mô hình trong cấu hình thay vì trong mã chẳng tốn kém gì, và một khung đánh giá chạy các prompt thật của bạn với một mô hình ứng viên là thứ duy nhất vẫn còn hữu ích khi Argon tiếp cận các khách hàng API trả phí. Nhóm duy nhất thực sự nên chờ là bất kỳ ai có công việc là kỹ thuật phần mềm tác tử đầu-cuối ở đỉnh cao: trên Terminal-Bench 4.0, các mô hình cách nhau ba mươi điểm theo hướng có lợi cho Argon, và không mức độ linh hoạt trọng số mở nào bù đắp được khoảng cách năng lực lớn đến vậy.