Kimi K3.1 Pro so với DeepSeek V4.1 Flash: Mười sáu điểm chỉ số đổi lấy mức giá gấp mười ba lần

DeepSeek V4.1 Flash có giá 0,15 USD cho mỗi triệu token đầu vào và 0,60 USD cho mỗi triệu token đầu ra trong danh mục của chúng tôi. Kimi K3.1 Pro có giá 2,00 USD và 10,00 USD — gấp 13 lần về đầu vào, gấp 17 lần về đầu ra. Trên chỉ số độc lập, mức giá đó mua được 16 điểm: Artificial Analysis chấm Kimi K3.1 Pro 55 điểm và DeepSeek V4.1 Flash 39 điểm. Nó cũng mua được một kiểu mô hình khác — DeepSeek nhanh hơn 2,5 lần và dài dòng hơn gấp đôi, nên khoảng cách theo token và khoảng cách theo tác vụ không phải là cùng một con số. Đây là đánh đổi năng lực trên chi phí rõ ràng nhất trong danh mục hiện tại, và phần thú vị là nó không chỉ về cùng một hướng trên mọi tác vụ.

Cả hai mô hình đều có ngữ cảnh một triệu token, đều nhận hình ảnh và đều tạo đầu ra hàng trăm nghìn token. Một mô hình là sản phẩm chủ lực tiên phong của một phòng thí nghiệm Trung Quốc, ra mắt vào tháng 10; mô hình còn lại là mô hình nhỏ trong họ kiến trúc của DeepSeek, ra mắt ngày 10 tháng 9 năm 2026 và được định vị là sản phẩm kế nhiệm dành cho môi trường sản xuất của các mô hình Flash trước đó. Việc so sánh thực chất là về giá trị của 16 điểm chỉ số đối với một khối lượng công việc cụ thể — và về bài benchmark duy nhất mà mô hình rẻ hơn giành chiến thắng.

Bảng giá cước và chi phí thực tế của một khối lượng công việc thực

• Đầu vào — 2,00 đô la mỗi triệu token trên Kimi K3.1 Pro so với 0,15 đô la trên DeepSeek V4.1 Flash.

• Đầu ra — $10.00 so với $0.60.

• Cửa sổ ngữ cảnh — 1,048,576 token trên cả hai.

• Đầu ra tối đa — 943.718 token trên Kimi K3.1 Pro, 384.000 trên endpoint cơ sở của V4.1 Flash và 393.216 trên bản snapshot 1017. Cả hai đều đủ lớn để độ dài đầu ra không còn là ràng buộc.

• Trọng số và kích thước — DeepSeek V4.1 Flash là mô hình mixture-of-experts 552 tỷ tham số với 16 tỷ tham số hoạt động, được công bố trên Hugging Face theo giấy phép MIT. Kimi K3.1 Pro thuộc lớp 3T và trọng số của nó được cam kết phát hành trước ngày 4 tháng 11, còn giấy phép thì chưa được công bố.

• Tốc độ — 181 token đầu ra mỗi giây trên nhà cung cấp của bên đánh giá đối với DeepSeek, so với 73.5 đối với Kimi K3.1 Pro. Đối với công việc khối lượng lớn, đây là khác biệt lớn thứ hai sau giá.

Các phép tính ở quy mô lớn thật tàn nhẫn. Một lần gọi đọc một triệu token đầu vào và ghi 200.000 token đầu ra tốn $4,00 trên Kimi K3.1 Pro và 27 xu trên DeepSeek V4.1 Flash. Một quy trình chạy hằng đêm xử lý 2.000 tài liệu dài mỗi tháng, mỗi tài liệu 50.000 token đầu vào và 5.000 token đầu ra, tốn khoảng $300 trên Kimi và $21 trên DeepSeek. Với phân loại, trích xuất, viết lại và tóm tắt ở quy mô lớn, khoảng cách 16 điểm hiếm khi lộ ra theo cách khách hàng nhận thấy; còn hóa đơn thì có.

Hai lưu ý khiến đó chưa phải toàn bộ câu chuyện. Artificial Analysis, đơn vị đã đo cả hai mô hình thông qua một nhà cung cấp thay vì theo giá niêm yết, ghi nhận DeepSeek V4.1 Flash ở mức 0,295 USD đầu vào và 1,20 USD đầu ra trên mỗi triệu token — gấp đôi mức giá trong danh mục của chúng tôi, đồng thời là lời nhắc rằng con số rẻ nhất trong một phép so sánh là con số không ai thực sự trả. Quan trọng hơn, chi phí trên mỗi tác vụ của mô hình này là 0,48 USD so với 2,11 USD của Kimi K3.1 Pro: tiết kiệm 4,4 lần, chứ không phải 15 lần như giá token hàm ý, bởi DeepSeek đã tạo ra 250 triệu token đầu ra trong lượt chạy chỉ số so với 150 triệu của Kimi. Tính dài dòng tiêu hao lợi thế về giá, và cả hai mô hình đều cao hơn đáng kể so với mức trung vị.

Mười sáu điểm không phải là sai số làm tròn.

Cùng một khoảng cách không quan trọng đối với một công việc phân loại lại cực kỳ quan trọng với bất kỳ thứ gì có kế hoạch trong đó. Chỉ số độc lập là điểm trung bình trên mười bài đánh giá bao trùm kiến thức, suy luận và công việc tác tử; khoảng cách 16 điểm trên mức trung bình đó nghĩa là phần khó nhất của phân bố không hề sát nhau. Trên bảng công bố khi ra mắt của Moonshot, Kimi K3.1 Pro đạt 61,2% ở lập trình dài hạn và 65,7% ở Terminal-Bench 4.0; hạng Flash hoàn toàn không xuất hiện ở các hàng đó.

Cách hiểu thực tế: nếu tác vụ có thể được đặc tả trong một prompt và được kiểm tra bởi một validator, hãy mua mô hình rẻ và dùng khoản tiết kiệm cho các lần thử lại. Nếu tác vụ đòi hỏi phải quyết định làm gì tiếp theo — đọc một bài kiểm thử thất bại, chọn một tệp để sửa, phục hồi sau một lần gọi công cụ bị lỗi — thì 16 điểm chính là khác biệt giữa một agent hoàn thành công việc và một agent bị lặp.

Dòng duy nhất mà mô hình giá rẻ giành chiến thắng

Bảng điểm chuẩn của chính Moonshot có một dòng bất lợi cho chính họ. Trên xdev-bench-hard ở pass@3, một đánh giá lập trình đối kháng do nhà cung cấp tự thực hiện, DeepSeek V4.1 Flash đạt 85,7% so với 81,0% của Kimi K3.1 Pro. Kimi K3, phiên bản tiền nhiệm, đạt 33,3%.

Lý do là {{1}}có thể thấy ở nơi khác trong tài liệu ra mắt{{/1}}: Moonshot đã loại bỏ dữ liệu liên quan đến an ninh mạng khỏi cả giai đoạn huấn luyện trung gian và học tăng cường trước khi phát hành K3.1 Pro, và công bố chi phí. Một checkpoint được huấn luyện mà không có các biện pháp đó đạt 90,5% trên cùng bộ đánh giá; mô hình được phát hành đạt 81,0%. Ngược lại, DeepSeek chưa công bố mức giảm năng lực tương đương, và 85,7% của nó cao hơn mô hình đắt hơn gấp mười ba lần.

Đối với công việc bảo mật phòng thủ — quét, phân loại, soạn thảo bản vá dưới sự xem xét — hàng đó đáng để cân nhắc. Đối với công việc liên quan đến tấn công, các điều khoản của cả hai nhà cung cấp và pháp luật vẫn áp dụng bất kể điểm số.

Bối cảnh và đầu ra thật đáng ngạc nhiên.

Một lưu ý thực tế trước khi phép so sánh trở nên quá gọn gàng: Artificial Analysis đánh dấu V4.1 Flash bản gốc là đã ngừng hỗ trợ, thay bằng bản snapshot V4.1 Flash 1017, checkpoint cố định ngày 17 tháng 10 mà danh mục của chúng tôi cũng cung cấp với cùng mức giá. Con số chỉ số 39 là của mô hình gốc; bản snapshot mới là thứ mà công việc mới nên nhắm tới, và nó có cùng cửa sổ ngữ cảnh với giới hạn đầu ra lớn hơn một chút.

Điều khiến phép so sánh này bớt chênh lệch hơn mức giá gợi ý là mô hình rẻ không đánh đổi mất kho hàng. Ngữ cảnh một triệu token trên một mô hình giá 0,15 đô la nghĩa là các pipeline tăng cường truy xuất trước đây cần chia nhỏ giờ có thể gửi toàn bộ tài liệu. Giới hạn đầu ra 384.000 token nghĩa là một tác vụ hàng loạt có thể yêu cầu viết lại toàn bộ tệp trong một lần gọi.

Thứ nó đánh đổi là độ tin cậy ở các trường hợp biên: khả năng tuân thủ chỉ dẫn với các prompt dài nhiều bước, khả năng khôi phục sau lỗi gọi công cụ, và khả năng giữ một kế hoạch xuyên suốt các lượt. Đó chính xác là những thứ mà ngân sách hậu huấn luyện của Kimi K3.1 Pro đã được dồn vào, và cũng chính xác là những gì một chỉ số tổng quát nén lại thành 16 điểm.

Cách chia công việc

Cả hai mô hình đều có thể được gọi thông qua OrcaRouter với giá niêm yết của nhà cung cấp, không cộng thêm phụ phí — $2.00 và $10.00 cho Kimi K3.1 Pro, $0.15 và $0.60 cho DeepSeek V4.1 Flash — chỉ với một khóa, cùng khả năng tự động chuyển đổi dự phòng nếu một nhà cung cấp bị ngưng phản hồi.

Một cách phân chia bám theo bằng chứng: gửi trích xuất, phân loại, dịch, tóm tắt và soạn thảo bản nháp đầu tiên cho V4.1 Flash, còn lập trình dài hạn, điều phối agent và mọi thứ phải tự khắc phục lỗi của chính nó thì gửi cho Kimi K3.1 Pro. Nếu tỷ lệ phân chia rơi vào mức 80/20 thông thường theo khối lượng token, chi phí pha trộn trên mỗi triệu token giảm xuống khoảng 80 xu — bằng một phần năm mức cơ sở toàn-Kimi — trong khi các tác vụ cần mô hình tiên phong vẫn được dùng nó.

Sai lầm cần tránh là coi mỗi mô hình là lời giải cho cả hai loại việc. Với khoảng cách giá 13 lần, mô hình rẻ không phải là sự thỏa hiệp cho công việc số lượng lớn; đó là lựa chọn đúng. Với khoảng cách 16 điểm chỉ số, nó không phải là thứ thay thế cho 20% khó.