GPT-6.1 Sol 对比 Kimi K3.1 Pro：同为 $2/$10，三个指数点的差距，以及单任务成本上 2.9 倍的鸿沟

Kimi K3.1 Pro与GPT-6.1 Sol的标价相同，而这是它们最不有趣的地方。Moonshot于2026年10月23日发布K3.1 Pro，定价为每百万输入token 2.00美元、每百万输出token 10.00美元；OpenAI于9月29日发布Sol，价格完全相同。在Artificial Analysis上，K3.1 Pro得分55，在221个模型中位列第四；Sol得分52。两款模型的能力相差3分，但完成一项任务的成本却相差近3倍——K3.1 Pro为2.11美元，Sol为0.72美元。这种倒挂，而非标价，才是决策依据。

以下测量数据来自 Artificial Analysis，该机构在公开配置下运行这两个模型，并计入各自消耗的 token 数；数据还来自两家厂商各自的文档和发布声明，查阅日期为 2026 年 10 月 27 日。厂商数据已按此标注。这一区分在此比平时更重要，因为两家公司正在就模型应如何消耗 token 押下相反的赌注。

价格相同。发票则不同。

按 token 计价是一种单价，而单价只有乘以消耗量才会变成账单。这两个模型的消耗方式差异很大。Artificial Analysis 的每任务成本核算显示，K3.1 Pro 完成一项 Intelligence Index 任务需花费 2.11 美元，而 Sol 为 0.72 美元——在相同的标价费率下相差 2.9 倍。原因在于输出量。K3.1 Pro 是一个始终进行推理的模型，每次回答会输出多得多的 token，而输出是价目表中更贵的那一半，为每百万 token 10.00 美元。

Moonshot 自己的发布材料也承认了这一点。该模型是 Kimi K3 的后训练版本，强化学习算力被大幅扩展，公司称其收益来自更长、更审慎的推理，而不是来自更大的基础模型。更长的推理恰恰会产生更多输出 token。能力提升与成本上升，是同一事实的两种度量方式。

输入 / 输出 — 两个模型均为每百万 $2.00 / $10.00。

• 缓存输入 — Kimi K3.1 Pro $0.20，享 90% 折扣；GPT-6.1 Sol $0.10，享 95% 折扣。

• 每项索引任务成本——在 Artificial Analysis v4.3.2 上为 2.11 美元，相比之下为 0.72 美元。

• 独立指数——55 对 52；K3.1 Pro 在 221 个中排名第四，Sol 紧随其后。

• 输出速度 — 47.9 token/秒，对比 69.2 token/秒，两者均为 Artificial Analysis 的测量结果。

• 上下文与输出上限 — K3.1 Pro 的输入为 1,048,576；Sol 的输入为 1,050,000，输出为 128,000。

• 架构 — K3.1 Pro 总参数为 2.8 万亿，其中激活参数为 1040 亿；OpenAI 未公布 Sol 的参数数量。

• 权重 — K3.1 Pro 目前为专有模型，Moonshot 承诺在11月4日前开放权重；Sol 为专有模型，未宣布开放。

三个指数点能买什么

综合评分上三点的差距是有意义的，但并非决定性的，而各项子分数才体现出差异的具体形态。Artificial Analysis 在 Terminal-Bench 4.0 上将 K3.1 Pro 列为 67 分，是其测过的所有模型中最高的，而 Sol 为 56.1 分。在专业工作评估 GDPval-AA 上，K3.1 Pro 以 1,846 Elo 位居第三，比其前代高出 312 分。在 AutomationBench-AA 上，它从 58% 提升到 73%。在 Humanity's Last Exam 上，它从 47% 提升到 52%。在 AA-Omniscience 上的幻觉率从 53% 下降到 44%。

这些是两款模型各自最强的独立成绩。Sol 的独立表现更为均衡：综合得分 52，没有任何单项评测领先全场，而单任务成本处于其价位段最优。诚实的解读是：在多项智能体与专业工作评测上，K3.1 Pro 是能力更强的模型，而 Sol 是更高效的模型。这两种说法都不是定论，因为能力只有在实际运行的规模下才会转化为价值。

Moonshot 自家发布时的说法比独立评审委员会走得更远，应被视为厂商宣称。该公司称，在其运行的 14 项测试中，有 6 项取得最高分，包括 SWE Marathon 的 51.7 和 HLE-with-tools 的 70.0。其 Terminal-Bench 4.0 数值为 65.7%，略低于 Artificial Analysis 测得的 67%——这是厂商数字反而更保守的罕见情况，正因其不寻常才值得注意。薄弱点是 Terminal-Bench Science 0.1 的 38.1，而 GPT-6 Astra 为 68.1。K3.1 Pro 并非用于高难度科学推理的模型，Moonshot 也没有这样宣称。

速度与冗长法案

Artificial Analysis 测得 K3.1 Pro 的输出速度为每秒 47.9 个 token，并称其明显偏慢；Sol 则为每秒 69.2 个。结合输出量上的差异，这意味着在 K3.1 Pro 上运行长时间的智能体循环时，每一步都会既消耗更多实际耗时，也花费更多金钱。对于交互式编程——开发者需要等待每一轮响应——延迟差异会是用户最先抱怨的问题。对于批处理评估——没有任何环节需要等待——则只有成本才重要。

还有一个更快的档位。Moonshot 以每百万 token 4.00 美元输入、20.00 美元输出的价格出售 Highspeed 变体，缓存命中价格保持不变，这让 token 速率翻倍，价格也翻倍。这与 Sol 通过其 2 倍价格的 Fast 模式提供的取舍相同。在这两种情况下，快速档位面向的是对延迟敏感的工作，而不是大体量任务；对于批处理作业，这笔账很少划算。

11月4日，以及开放权重究竟改变了什么

Moonshot 表示，完整权重将于 2026 年 11 月 4 日前发布。若果真如此，K3.1 Pro 将成为 Artificial Analysis 指数上得分最高的开放权重模型，将最佳开源模型与最佳专有模型之间的差距从约十二分缩小至三分。对于任何需要自行托管、微调或在合规边界内运行推理的人来说，这都是一件真正的大事。

对于大多数 API 调用者来说，这算不上一个事件。开放权重改变的是谁能运行模型以及在什么条款下运行；它们不会改变托管价格、速度或能力。一个调用 API 且没有数据驻留限制的团队，从这次权重发布中除了获得第二种采购选择，以及最终更多提供商在同一个检查点上展开竞争之外，什么也得不到。这种竞争是真实存在的，通常表现为价格压力，但这是一个持续数月的影响，而不是 11 月的影响。

Moonshot 的发布说明中还有第二个更具体的警示。该公司表示，它刻意移除了网络与漏洞利用相关的训练数据，以避免拓展攻击性网络能力的开放前沿，并且一个在 xdev-bench-hard 上得分 90.5% 的检查点因此被降至 81%。这是一项带有可衡量能力代价的安全决策，并由供应商披露。如果你的工作是安全工具，那么这是发布材料中最重要的一句话——比指数得分更重要。

三个工作负载，三个答案

• 大批量批处理编码，无延迟要求——GPT-6.1 Sol。每个索引任务 $0.72 对 $2.11，效率差距压过 3 分的能力差异，除非你的任务恰好属于 K3.1 Pro 的智能体得分能转化为更少重试的那类。在假定确实如此之前，先测量重试率。

• 长周期智能体任务，一旦答错代价高昂——Kimi K3.1 Pro。Terminal-Bench 4.0 的领先表现和 GDPval-AA 的排名，是这两个模型所能提供的、最接近“持续多步骤能力”证据的东西；而相对于一次失败轨迹的代价，每任务溢价很小。

• 在人类需要等待的交互式编程中——GPT-6.1 Sol 胜在速度。每秒 69.2 个 token 对比 47.9 个，在编辑器里是肉眼可见的差异，而成本优势只是额外加分项，并非理由。

• 科学或数学推理——在尖端水平上，两者都不行。K3.1 Pro 在 Terminal-Bench Science 0.1 上的 38.1 分是有据可查的短板，而 Sol 在同一测试集上的 57.0 分虽算体面，却远低于 OpenAI 为 GPT-6 Astra 给出的 68.1 分。这是唯一一项工作负载，正确答案是比这两个模型都高一档的那一档。

同时运行两者比选错更划算

两款模型均已上线 OrcaRouter 使用同一个密钥，在各提供商标价基础上 0% 加价，其中 Sol 为 $2.00 和 $10.00，K3.1 Pro 为相同的一对价格，缓存输入分别按 $0.10 和 $0.20 透传。这使决策可逆：可以针对同一份已追踪的流量，将工作负载与两者进行基准测试，并通过路由变更移除落败者，而无需进行合同谈判。

模型融合是唯一一项在这对特定组合上真正立得住、而非通用插件的功能。这两个模型的失败方向正好相反——Sol 简洁而快速，K3.1 Pro 审慎，在长链条智能体轨迹上更强——因此，让两者同时作答并调和其答案的“小组”设计，对于高风险调用来说是合理的：在这类场景下，2.9 倍的成本差异相对于出错的代价微不足道。除此之外，按工作负载路由是更便宜的模式：智能体路径用 K3.1 Pro，高吞吐路径用 Sol，两者共用一个端点。

并非指数的排名

如果问题是哪个模型更好，K3.1 Pro 以三分优势胜出，并在对长时间运行工作至关重要的智能体评测中领先。如果问题是本月该把哪个模型放到高吞吐量的生产路径后面，Sol 在每完成一项任务的成本上以 2.9 倍的优势胜出，在速度上以 1.4 倍的优势胜出，而三分的能力差距并不能抵消这两项优势中的任何一项。

唯一值得记进日程的日期是11月4日。如果权重如期发布，K3.1 Pro 将成为参考级开放权重模型，自托管团队的权衡计算也会随之改变。如果权重延期——而 Moonshot 已经给出了日期，这已经比大多数厂商强了——那么权衡计算就会完全维持现状：标价相同，账单不同，而选择应基于实测任务成本，而不是价格栏里的数字。