GPT-6.1 Terra vs Kimi K3.1 Pro: Bảy điểm chỉ số đổi lấy mức giá gấp đôi

GPT-6.1 Terra và Kimi K3.1 Pro cách nhau hai bậc trên cùng một bảng xếp hạng và chênh nhau gấp đôi về giá. Artificial Analysis xếp Kimi K3.1 Pro ở mức 55 trên Intelligence Index — thứ tư toàn bảng — và GPT-6.1 Terra ở mức 48, thứ hai mươi lăm. Trên danh mục OrcaRouter, Kimi có giá 2 USD mỗi triệu token đầu vào và 10 USD mỗi triệu token đầu ra; Terra có giá 1 USD và 5 USD. Mô hình đóng, rẻ hơn, nhanh hơn kém năng lực bảy điểm; đối thủ trọng số mở có giá gấp đôi và, về tự động hóa trên máy tính để bàn, tốt hơn 5,4 điểm. Không điều nào trong hai điều đó đủ để quyết định việc mua.

Việc so sánh đáng được thực hiện cẩn thận vì hai mô hình không phải là sản phẩm thay thế cho nhau theo cách mà mức giá gợi ý. Chúng khác nhau về độ dài đầu ra gấp bảy lần, về giấy phép theo hướng mở so với đóng, và về vị trí của chúng trong danh mục sản phẩm của nhà cung cấp. Bài viết này định giá cùng các khối lượng công việc trên cả hai mô hình, đánh dấu những con số nào là độc lập và những con số nào là tuyên bố của nhà cung cấp, và kết thúc bằng cách phân bổ mà chúng tôi thực sự sẽ sử dụng.

Các thẻ

• GPT-6.1 Terra — $1 đầu vào / $5 đầu ra mỗi triệu token, $0.05 đầu vào được lưu trong bộ nhớ đệm, ngữ cảnh 1.050.000 token, đầu vào tối đa 922.000, đầu ra tối đa 128.000, kiến thức cập nhật đến ngày 1 tháng 6 năm 2026, sáu mức cài đặt nỗ lực suy luận, đầu vào văn bản và hình ảnh, đầu ra văn bản.

• Kimi K3.1 Pro — $2 đầu vào / $10 đầu ra trên mỗi triệu trên OrcaRouter, ngữ cảnh 1,048,576 token, đầu ra tối đa 943,718, trọng số mở được hứa hẹn vào ngày 4 tháng 11 năm 2026, phát hành ngày 23 tháng 10 năm 2026.

Các cửa sổ ngữ cảnh thực tế giống hệt nhau ở khoảng một triệu token. Giới hạn đầu ra thì không: Terra dừng ở 128.000 token, Kimi cho phép 943.718. Đối với trò chuyện, sự khác biệt đó không thể thấy được; đối với tạo nội dung dài, xuất mã toàn tệp hoặc tóm tắt quy mô bản ghi, đó là sự khác biệt giữa một lần gọi và một quy trình chia nhỏ.

Vì sao bảy điểm chỉ số lại là con số đáng kể ở đây

Trên một bảng xếp hạng trải từ khoảng 38 đến 60, bảy điểm không chỉ là khác biệt do làm tròn — đó là khoảng cách giữa hạng 25 và hạng 4. GPT-6.1 Sol, mô hình mà OpenAI bán ở phân khúc hiệu năng cao, đạt 52 điểm. Kimi K3.1 Pro với 55 điểm thì cao hơn. GPT-6 Astra, mẫu chủ lực, ở mức 53 điểm. Vậy nên mô hình trọng số mở của Moonshot không cạnh tranh với Terra; xét trên điểm tổng hợp, nó đang cạnh tranh với hai mô hình hàng đầu của OpenAI và thắng từ hai đến ba điểm.

Ở những khía cạnh quan trọng đối với agent, xu hướng này vẫn đúng. Trên OSWorld 2.1, Kimi K3.1 Pro đạt 79,6% so với 74,2% của Terra — cách biệt 5,4 điểm, và cao hơn 75,8% của GPT-6 Astra. Về lập trình, các báo cáo coverage mô tả Kimi bám sát ngay sau Claude Opus 5.5, mà với 58 là điểm cao nhất trong so sánh này. Chỉ số Coding Agent của Terra là 48, thấp hơn Sol sáu điểm và thấp hơn Astra 29 điểm; Kimi không ở cùng tầm đó.

Đối trọng là Terra không cố thắng những so sánh đó. Định vị của OpenAI là công việc có phạm vi giới hạn — biểu mẫu, ảnh chụp màn hình, hóa đơn, soạn thảo — nơi 48 là đủ và $0.40 mỗi tác vụ chính là điểm mấu chốt. Khoảng cách trí tuệ bảy điểm quan trọng nhất ở những tác vụ mà Terra không được bán để làm.

Bài toán giá: khi nào mức giá gấp đôi lại thắng?

Một yêu cầu tiêu chuẩn với đầu vào 100.000 token và đầu ra 5.000 token có giá 0,125 đô la trên Terra và 0,25 đô la trên Kimi. Một yêu cầu với đầu vào 400.000 token và đầu ra 4.000 token, vượt ngưỡng ngữ cảnh dài, có giá 0,83 đô la trên Terra và 1,66 đô la trên Kimi. Nếu cả hai mô hình đều giải một tác vụ trong một lần thử với cùng số token, Terra có giá đúng bằng một nửa và không còn gì khác để bàn.

Trường hợp thú vị là khi chúng không dùng cùng số token hoặc số lần thử. Lấy một khối lượng công việc trích xuất tài liệu trong đó Terra thành công ngay lần thử đầu 80% số lần và Kimi là 92%. Với một lệnh gọi cố định gồm 3.000 đầu vào, 400 đầu ra mỗi lần thử, chi phí kỳ vọng trên mỗi lần thành công của Terra là khoảng $0,0055; của Kimi là khoảng $0,0092. Terra vẫn thắng về chi phí — vì khoảng cách độ chính xác sẽ phải cực kỳ lớn để mức giá token gấp 2× có thể được bù đắp bằng ít lần thử lại hơn.

Giờ hãy lấy một tác vụ lập trình dạng agentic, trong đó các mô hình cần 30.000 token đầu vào và 2.000 token đầu ra cho mỗi lần thử, và kiểu thất bại là một bản vá sai chứ không phải là thử lại. Terra ở mức lập trình cấp 48 trên một tác vụ cần lập trình cấp 77 không thất bại thường xuyên hơn 20%; nó thất bại về mặt chất lượng, tạo ra những thay đổi chạy được nhưng không giải quyết được vấn đề. Đó không phải là chi phí thử lại, mà là chi phí giờ kỹ sư, và đây là trường hợp mà mức giá gấp đôi lại là lựa chọn rẻ.

Trọng số mở thay đổi vào năm thứ hai, không phải năm đầu tiên.

Moonshot đã hứa sẽ phát hành trọng số Kimi K3.1 Pro trước ngày 4 tháng 11 năm 2026. Điều đó quan trọng vì ba lý do và không lý do nào trong số đó là hóa đơn hôm nay. Thứ nhất, tự vận hành loại bỏ hoàn toàn mức giá theo từng token khỏi phép tính chi phí biên, thay vào đó bằng giờ GPU — rẻ hơn khi duy trì khối lượng cao ổn định và đắt hơn nhiều khi khối lượng thấp. Thứ hai, trọng số mở loại bỏ nhà cung cấp như một điểm lỗi đơn lẻ, đây là lập luận về mua sắm chứ không phải kỹ thuật. Thứ ba, một mô hình có thể tải xuống có thể được tinh chỉnh, đánh giá nội bộ và ghim vào một phiên bản, những điều này đều không thể thực hiện với API đóng.

Hai lưu ý cần đặt ngay bên cạnh lời hứa. Trọng số vẫn chưa được phát hành, nên mọi phát biểu về chúng đều chỉ là khẳng định. Và mô hình được phát hành không giống hệt mô hình API: các báo cáo nói rằng Moonshot đã loại bỏ dữ liệu huấn luyện liên quan đến an ninh mạng trước khi phát hành, điều này làm thay đổi hành vi với các prompt liên quan đến bảo mật — một lựa chọn có chủ đích, và điều đó có nghĩa là trọng số mở và endpoint API không thể hoán đổi cho nhau trong mọi loại tác vụ.

GPT-6.1 Terra không có con đường tương đương. Nó là hệ thống đóng, chỉ dùng qua API, không hỗ trợ tinh chỉnh và không được cung cấp dưới bất kỳ hình thức tự vận hành nào. Nếu tính khả chuyển là một yêu cầu, thì cuộc so sánh đã kết thúc trước khi các phép đo hiệu năng bắt đầu.

Độ trễ không thể so sánh được, và đó chính là điểm mấu chốt

Kimi K3.1 Pro cho thấy p50 khoảng 6,95 giây trên trang mô hình OrcaRouter của nó — một chỉ số độ trễ ở cấp nền tảng trên lưu lượng thực tế. Con số độ trễ được công bố của GPT-6.1 Terra là 133,64 giây để có token đầu tiên trên bài đánh giá suy luận ở mức nỗ lực tối đa của Artificial Analysis, đo thời gian mô hình suy nghĩ trước khi trả lời một câu hỏi khó, chứ không phải thời gian một yêu cầu thông thường mất. Đặt hai con số đó cạnh nhau sẽ vô nghĩa.

Điều có thể so sánh là thông lượng trên cùng một benchmark: Artificial Analysis đo Terra ở 90,9 token đầu ra mỗi giây và GPT-6.1 Sol ở 73,5. Con số tương đương của Kimi không nằm trên cùng trang. Quan điểm trung thực là Terra có thể chứng minh là nhanh trong số các mô hình OpenAI, còn tốc độ của Kimi trên khối lượng công việc của bạn là thứ bạn đo chứ không phải đọc.

Nơi mỗi bên đều thắng

• Terra — các tác vụ có phạm vi giới hạn với khối lượng lớn, trong đó tỷ lệ vượt qua 74% khi sử dụng máy tính là chấp nhận được nếu có bước đánh giá phía sau; quy trình xử lý tài liệu và hóa đơn; soạn thảo và chỉnh sửa; bất kỳ trường hợp nào mà mốc cắt mới tháng 6 năm 2026 có ích và mức $0.40 mỗi tác vụ được cộng dồn.

• Kimi K3.1 Pro — lập trình tác tử và công việc dài hạn, nơi khoảng cách trí tuệ bảy điểm làm thay đổi kết quả; tự động hóa máy tính để bàn, nơi 79.6 vượt 74.2; tạo đầu ra dài, nơi giới hạn 943,718 token loại bỏ một lớp chia nhỏ; và mọi triển khai cần trọng số mở, tự lưu trữ hoặc một phiên bản có thể ghim cố định.

• Không cái nào — sử dụng máy tính không giám sát, không thể đảo ngược. Claude Opus 5.5 với 81,8 trên OSWorld đang dẫn đầu, và khoảng cách tới cả hai mô hình này lớn hơn khoảng cách giữa chúng.

Chạy chúng song song

Kimi K3.1 Pro có trong danh mục của OrcaRouter với giá $2/$10 và ngữ cảnh 1.048.576 token, và có thể gọi thông qua OpenAI SDK bằng cách trỏ base URL tới endpoint của chúng tôi. Tại thời điểm viết bài, GPT-6.1 Terra chưa có trong danh mục, vì vậy nhánh Terra phải được thử nghiệm trực tiếp với OpenAI.

Sự bất đối xứng đó là tạm thời nhưng hữu ích: nó có nghĩa là nhánh Kimi có thể được đo trên lưu lượng thực tế ngay hôm nay, theo giá niêm yết không phụ phí, cùng với phần còn lại của danh mục — GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5 — và nhánh Terra có thể được đo song song với API của OpenAI. Khi Terra ra mắt, phép so sánh đã được dựng sẵn, và lớp định tuyến có thể gửi mỗi tác vụ đến nhánh nào thắng ở tác vụ đó thay vì đến mô hình mà một bài blog xếp hạng cao hơn.

Cách chia mà chúng tôi sẽ sử dụng

Nếu công việc có phạm vi giới hạn, được lặp lại và có đánh giá, mức giá bằng một nửa của Terra thắng bảy điểm của Kimi. Nếu công việc mở, mang dạng mã hoặc cần chạy mà không phụ thuộc nhà cung cấp, bảy điểm của Kimi thắng mức giá bằng một nửa của Terra — và trọng số mở khiến năm thứ hai rẻ hơn so với phép tính token gợi ý.

Sai lầm là chọn một mô hình cho toàn bộ khối lượng công việc. Bằng chứng ủng hộ việc tách ra: Terra cho tầng khối lượng lớn, Kimi cho tầng khó, và một phương án dự phòng có đo lường giữa chúng. Đó là quyết định định tuyến, không phải quyết định mô hình, và đó chính là kết luận mà phép so sánh này thực sự xứng đáng đưa ra.