GPT-6.1 Sol 对比 Kimi K3：下载确实存在，但它仍然不是便宜的选择

Kimi K3就是通常能终结这类争论的反例。Moonshot AI 于 2026 年 7 月发布了这个 2.8 万亿参数的模型，并公开了权重——moonshotai/Kimi-K3已在 Hugging Face 上，无门禁，下载量超过一百万，最近一次修订是在 9 月。所以这里没有“原则上开放，但出于安全加固而暂扣”的星号说明，也没有需要熬过去的两周延迟。GPT-6.1 Sol由 OpenAI 于 2026 年 9 月 29 日发布，是闭源且仅提供 API 的，而且永远都会如此。在独立榜单上，可下载模型得分为 43.6，而闭源模型为 51.8；前者每完成一个索引任务花费 2.00 美元，后者为 0.72 美元。开放权重本应是廉价的退路；在这一组合中，它们却是交易中昂贵的一方，而原因并不在许可证。

每个模型是什么

Kimi K3 是一款稀疏混合专家模型，总参数量达 2.8 万亿，每个 token 大约激活 1040 亿——约占 3.7%。它拥有 1,048,576 个 token 的上下文窗口，接收文本和图像作为输入，并返回文本。已发布的检查点是一个 FP8 产物，而且是一次真正意义上的大体量下载；在自有硬件上进行生产部署是集群层面的决策，而非工作站层面的决策。Moonshot 的架构主张是一种混合线性注意力方案，据其称在长上下文解码中要快得多，此外还有残差与路由方面的工作，正是这些才让一个 2.8 万亿参数的模型得以能够被服务。

GPT-6.1 Sol 是 Open​AI 的中端更新版本——定位低于 GPT-6 Astra、高于 GPT-6 Luna——拥有 1,050,000 token 的上下文窗口、128,000 token 的输出上限，支持文本、图像和文件输入，知识截止日期为 2026 年 4 月 30 日。推理档位从 low 到 max，并以 medium 为默认值；而 none 这一档此前 GPT-6 Sol 尚可接受，如今则被直接拒绝，Open​AI 自家的迁移说明建议开发者改用 low。其价格为每百万 token 输入 2.00 美元、输出 10.00 美元，缓存输入为 0.10 美元。

每个维度一行，每行均包含两侧：

• 输入 — GPT-6.1 Sol 每 1M $2.00，对比 Kimi K3 每 1M $3.00
• 输出 — GPT-6.1 Sol 每 1M $10.00，对比 Kimi K3 每 1M $15.00
• 缓存输入 — GPT-6.1 Sol 每 1M $0.10，对比 Kimi K3 每 1M $0.30
• 上下文窗口 — 1,050,000 个 token 对比 1,048,576 个 token；相差 0.1%，无关紧要
• 最大输出 — 两者均为 128,000 个 token
• 总参数与激活参数 — 未披露，对比总计 2.8 万亿，每个 token 激活 1040 亿
• 模态 — 输入文本、图像和文件，输出文本，对比输入文本和图像，输出文本
• 权重 — 闭源，仅 API，对比开源、无门槛、下载量超过 100 万
• 长上下文条款 — 当输入 token 超过 272,000 时，对整个请求重新定价，输入和缓存为 2 倍，输出为 1.5 倍；对比已发布价目卡上没有同等条款
• 智能指数，独立，最大努力 — 51.8 对比 43.6
• 每项指数任务成本，独立 — $0.72 对比 $2.00
• 指数运行中的输出 token — 6700 万对比 1.6 亿，而其对比类别的榜单中位数为 1.4 亿

K3 赢下的那一项评测，以及它为何重要

在算术之前，先说例外，因为它是真实存在的。在 Artificial Analysis v4.3.2 上以最大努力逐项评估打分，GPT-6.1 Sol 在十项中领先七项，且没有任何并列，但赢得长上下文推理评估的模型是 K3：

• AA-LCR v1.1——Kimi K3 0.887 对 GPT-6.1 Sol 0.830。在专为长输入推理构建的评测上领先六分。
• SciCode——Kimi K3 0.595 对 GPT-6.1 Sol 0.542。K3 在科学编程方面同样领先。
• Terminal-Bench 4.0——Kimi K3 0.126 对 GPT-6.1 Sol 0.561。反方向出现 43 分的差距，也是这组对比中悬殊最大的一项。
• Humanity's Last Exam——Kimi K3 0.469 对 GPT-6.1 Sol 0.529。
• AA-Omniscience——Kimi K3 19.7 对 GPT-6.1 Sol 41.5；在事实可靠性上，两者不属于同一类模型。
• GDPval-AA v2.1——Kimi K3 Elo 1536.5 对 GPT-6.1 Sol Elo 1575.1。
• MMMU-Pro——Kimi K3 0.805 对 GPT-6.1 Sol 0.860。
• AutomationBench-AA、GDP.pdf、CritPt——K3 分别为 0.583、0.22 和 0.234；Sol 分别为 0.649、0.310 和 0.317。

AA-LCR 的结果是值得认真对待的那个，因为它是唯一一个与每任务成本说法相矛盾的数字，并且它指向一种工作负载，其中看似便宜的答案在两个方向上都是错的。如果你的流量是超长输入、适度的生成答案，以及对稳定前缀的大量复用——也就是冗长从未有机会造成影响的那种形态——那么 K3 将顶级长上下文得分、图像输入和可下载检查点结合在一起，比 Sol 更合适，而且索引运行的每任务成本数字并不适用于你。这就是“开放权重值得溢价”的诚实版本：有时开放模型就是更适合这项工作的模型，而在这里，它在一个维度上就是如此。

同样值得点明的是，这两项胜利有什么共同之处。K3 在那些可以通过一次长时间的阅读或推理来回答的任务上很强，而在那些必须拆成许多小步骤来执行并加以核查的任务上则较弱。43 分的 Terminal-Bench 差距与 22 分的 omniscience 差距，是同一个发现从两个角度看到的景象：持续性的智能体式执行，并非这个 checkpoint 所优化的方向。

算术，这才是真正决定结果的东西

K3 的费率卡在每一项上都是 Sol 的 1.5 倍，而其每完成一个索引任务的实测成本是 2.8 倍，1.5 与 2.8 之间的差距完全可以用 token 量来解释。董事会自己的测量结果是，在同一套十项评估中，K3 使用了 1.6 亿个 token，而 Sol 为 6700 万个。K3 以 1.5 倍的价格产出了 2.4 倍的输出，而 2.4 × 1.5 = 3.6——董事会给出的 2.00 美元对 0.72 美元这个数字比纯比率稍微好看一些，因为输入和缓存的贡献略微抵消了它，但方向是无可争议的。

Moonsh​oot 自家的营销宣传与此相抵触，其方式值得仔细琢磨。该公司声称 K3 比其前代输出更少的 token，而架构层面的工作——注意力方案、残差设计——正是直指长上下文解码成本。这两点都可能是真的，同时该模型在通用套件上仍然比基准中位数冗长一倍。这两种说法针对的是不同的事：相对于上一代 Kimi 的效率，以及相对于整个领域的效率。只有第二种才是你被计费所依据的标准，也是独立董事会所衡量的那一个。

缓存会缓和这一点。两种缓存输入价格均为各自模型非缓存输入价格的十分之一——K3 为 $0.30，Sol 为 $0.10——因此缓存这一行并不会改变排序，但它确实意味着，请求密集、回答精简的工作负载会将差距缩小到大致相当于价目表比例，而非实测任务比例。而 Sol 的长上下文条款则走向相反：当输入超过 272,000 个 token 时，它会将整个请求重新定价为 $4.00 和 $15.00，缓存价为 $0.20，这是 K3 的固定价目表唯一完全胜出的区间。这值得了解，原因有两点，因为这也是 K3 的长上下文得分在本次对比中表现最佳的区间。

开放权重在这里究竟有什么价值

三件事，值得把它们分开来说，因为“开放权重”通常被当作一个论点来使用，而它其实是三个。

第一点是你可以离开。如果 Moonsh​oot 被收购、更改未来版本的许可证、弃用 K3 或提高其 API 价格，你已下载的检查点仍会继续运行。这对本实验室而言并非假设：Moonsh​oot 曾在较早一次发布后的约 48 小时内暂停了新订阅，以保护现有付费客户的服务质量，这生动地证明了 API 访问权是一项政策决定，而非一种固有属性。这些都不会出现在每任务成本表格中，而这一切都是真实存在的。

第二点是，你可以固定版本。一个固定的修订版，经过微调，运行在你能控制的边界内，是能展示给审计人员看的东西，而 API 无法提供这一点。对于受监管的流量来说，这比费率卡更有价值。

第三种——通常被默认的那一种——是它会更便宜。事实并非如此。这个检查点是一个 2.8 万亿参数的 FP8 产物，而公开的部署指南是围绕多加速器配置而非单节点来设计的。已经在运营这类集群的团队在这里有一个真正的选择，而且整个账本会彻底改变，因为一个 token 的边际成本变成了电费。而没有这类集群的团队，则是在把 API 账单与一笔资本性采购做比较，而 API 账单会以很大差距胜出。诚实的总结是：这里的开放权重给你的是离开的能力，而不是廉价运行的能力。

两者都在同一个键上，而这正是让这笔交易有用的部分

Kimi 在 OpenRouter 上按 OpenRouter 自己的标价，每百万 token 为 $3.00 和 $15.00，费率未变，与厂商价目卡一致——而 GPT-5.2 也已按 OpenRouter 自己的价格在我们这边落地，每百万输入 token 为 $2.00 和 $15.00，272-token 档位完全按所列价格透传。两者都没有任何加价。OpenRouter 透传厂商标价，而不是加价，因此 Moonshot 的费率变化和 OpenAI 的费率变化都会在厂商端出现的同一天出现在我们这边，无需第二份合同，也没有中间经销商。

对这两个模型来说，这一点比大多数组合都更重要，原因是二者属于不同的失效模式。GPT-6.1 Sol 是你在需要持续执行、工具循环和事实可靠性时运行的模型；Kimi K3 则是你在处理超长输入、想要最佳长上下文得分，并且想要一个检查点来对冲别人的商业决策时运行的模型。它们不是相互竞争的选择，而是同一条流量上的两条路线。把两者放在同一个端点后面，在它们之间自动故障转移，并制定规则将长输入工作转给 K3、执行工作转给 Sol——这才能把“我们有一个开放权重后备方案”从设计文档里的一句话，变成凌晨三点、在一次正在失败的呼叫中真正能起作用的东西。

每个所属的地方

• 终端智能体、仓库级编码、多步骤执行 —— GPT-6.1 Sol，在 Terminal-Bench 4.0 上领先 43 分。这差距可不小。
• 在幻觉代价高昂之处给出答案 —— GPT-6.1 Sol，在 AA-Omniscience 上领先 22 分。
• 超长输入，配以简短的生成答案 —— Kimi K3。本次对比中最高的长上下文推理得分、图像输入，以及一种根本无从发挥的冗长。
• 自托管，或是一套你必须能够冻结的推理栈 —— Kimi K3，而且前提是你已经在自行运营硬件。检查点就是交付物；运行它的经济账则是另一回事。
• 对冲供应商更改条款的风险 —— Kimi K3，而这是 GPT-6.1 Sol 无论出价多高都无法回应的一条论据。
• 按价目表来做选择 —— 在本次对比中，K3 和 Sol 都不是便宜的那个选项，而在 GPT-6 系列中，两者也都不是便宜的选项。如果决定因素是账单金额，你想要的模型在价格表上更靠下的位置，而不是在这张表上。