GPT-6.1 Sol 對決 Kimi K3：下載確實存在，而且它仍然不是便宜選項

Kimi K3通常是終結這類爭論的反例。Moonshot AI 在 2026 年 7 月推出了這款 2.8 兆參數的模型，並公開了權重——moonshotai/Kimi-K3就在 Hugging Face 上，無須申請即可取用，下載次數超過一百萬，最後一次修訂在九月。所以這裡沒有「原則上開放，但為安全強化而暫緩釋出」這種但書，也沒有兩週的等待期要熬。GPT-6.1 Sol，由 OpenAI 於 2026 年 9 月 29 日發布，是封閉的、僅提供 API，而且永遠都會是如此。而在獨立排行榜上，可下載的模型拿下 43.6 分，封閉模型則是 51.8 分，但每完成一項索引任務的成本是 2.00 美元對上 0.72 美元。開放權重本應是那個廉價的逃生出口；在這組對比中，它卻是這筆交易裡昂貴的那一方，而原因不在於授權條款。

每個模型是什麼

Kimi K3 是一款稀疏混合專家模型，總參數達 2.8 兆，而每個 token 約有 1,040 億個參數——約 3.7%——處於啟用狀態。它具備 1,048,576 個 token 的上下文視窗，以文字和圖像作為輸入，並回傳文字。已發布的檢查點是 FP8 成品，而且是名副其實的大型下載檔；要在自家硬體上進行正式環境部署，屬於叢集層級的決策，而非工作站層級的決定。Moonsh​oot 的架構主張是一套混合線性注意力方案，聲稱在長上下文解碼時速度大幅提升，再加上殘差與路由方面的工程，才讓一個 2.8 兆參數的模型得以提供服務。

GPT-6.1 Sol 是 OpenAI 的中階更新版——位階低於 GPT-6 Astra、高於 GPT-6 Luna——具備 1,050,000 個詞元的上下文視窗、128,000 個詞元的輸出上限，支援文字、圖像與檔案輸入，知識截止日為 2026 年 4 月 30 日。推理強度提供從 low 到 max 的選項，並以 medium 為預設值；none 這個前代 GPT-6 Sol 仍接受的層級則已直接不予支援，而 OpenAI 自家的遷移說明也建議開發者改用 low。其定價為每百萬詞元 2.00 美元與 10.00 美元，快取輸入則為 0.10 美元。

每個維度一行，每一行兩側都要顯示：

• 輸入 — GPT-6.1 Sol 每 100 萬 $2.00 對比 Kimi K3 每 100 萬 $3.00
• 輸出 — GPT-6.1 Sol 每 100 萬 $10.00 對比 Kimi K3 每 100 萬 $15.00
• 快取輸入 — GPT-6.1 Sol 每 100 萬 $0.10 對比 Kimi K3 每 100 萬 $0.30
• 上下文視窗 — 1,050,000 個 token 對比 1,048,576 個 token；0.1% 的差異，無關緊要
• 最大輸出 — 兩者皆為 128,000 個 token
• 總參數與啟用參數 — 未公開 對比 總計 2.8 兆、每個 token 啟用 1,040 億
• 模態 — 輸入文字、圖像與檔案，輸出文字 對比 輸入文字與圖像，輸出文字
• 權重 — 封閉，僅限 API 對比 開放、無須審核、下載量超過 100 萬
• 長上下文條款 — 輸入超過 272,000 個 token 時，整筆請求的輸入與快取以 2 倍計價、輸出以 1.5 倍計價 對比 公布價目表上無同等條款
• Intelligence Index，獨立，最高投入 — 51.8 對比 43.6
• 每項指數任務成本，獨立 — $0.72 對比 $2.00
• 指數執行時的輸出 token 數 — 6,700 萬 對比 1.6 億，而其比較類別在排行榜上的中位數為 1.4 億

K3 勝出的那項評測，以及它為何重要

在算術之前，先說例外，因為它是真實的。在 Artificial Analysis v4.3.2 上以最大努力逐項評估計分時，GPT-6.1 Sol 在十項中領先七項，且沒有任何平手，但贏得長上下文推理評估的模型是 K3：

• AA-LCR v1.1 — Kimi K3 0.887 對 GPT-6.1 Sol 0.830。在專為長輸入推理打造的評測中領先六個百分點。
• SciCode — Kimi K3 0.595 對 GPT-6.1 Sol 0.542。K3 在科學程式設計上也同樣領先。
• Terminal-Bench 4.0 — Kimi K3 0.126 對 GPT-6.1 Sol 0.561。反方向出現 43 個百分點的差距，也是這組對比中落差最大的一項。
• Humanity's Last Exam — Kimi K3 0.469 對 GPT-6.1 Sol 0.529。
• AA-Omniscience — Kimi K3 19.7 對 GPT-6.1 Sol 41.5；在事實可靠性方面，兩者並非同一等級的模型。
• GDPval-AA v2.1 — Kimi K3 Elo 1536.5 對 GPT-6.1 Sol Elo 1575.1。
• MMMU-Pro — Kimi K3 0.805 對 GPT-6.1 Sol 0.860。
• AutomationBench-AA、GDP.pdf、CritPt — K3 分別為 0.583、0.22 和 0.234；Sol 分別為 0.649、0.310 和 0.317。

AA-LCR 的結果才是值得認真看待的那一個，因為它是唯一一個與每次任務成本那套說法相矛盾的數字，而且它指向一種工作負載：在這種負載中，看似便宜的答案在兩個方向上都錯了。如果你的流量是超長輸入、適度生成的回應，以及大量重複使用穩定的前綴——也就是冗長度永遠無法造成傷害的那種形態——那麼 K3 結合頂級長上下文分數、圖像輸入與可下載檢查點的組合，會比 Sol 的更合適，而索引執行的那個每次任務成本數字對你並不適用。這才是「開放權重值得付出溢價」的誠實版本：有時候開放模型就是更適合這項工作的模型，而在這裡，它在某一個軸上是如此。

也值得指出這兩項勝績的共同點。K3 在任務能以一次長時間的閱讀或推理來回答時表現強勁，而在必須以許多小步驟執行並檢查時則較弱。43 分的 Terminal-Bench 差距與 22 分的全知差距，是從兩個角度看到的同一項發現：持續的代理式執行並不是這個檢查點所最佳化的目標。

算術，而這才是真正決定它的關鍵。

K3 的費率表在每一個項目上都是 Sol 的 1.5 倍，而其實測的每完成一項索引任務成本是 2.8 倍，而 1.5 與 2.8 之間的差異完全可由 token 用量解釋。董事會自身的量測結果是：在同一套十項評測中，K3 的輸出 token 為 1.6 億，Sol 則為 6,700 萬。K3 以 1.5 倍的價格產生 2.4 倍的輸出，而 2.4 × 1.5 = 3.6——董事會提出的 $2.00 對 $0.72 數字比純粹比率稍微友善一些，因為輸入與快取的貢獻略微抵銷了它，但方向並無爭議。

Moonsh​oot 自家的行銷宣傳卻與此相悖，而且值得仔細推敲。該公司聲稱 K3 的輸出 token 數量比前代少，而架構上的工夫——注意力機制、殘差設計——正是直接衝著長上下文解碼成本而來。就算該模型在一般評測套件上的冗長程度仍是基準中位數的兩倍，這兩點也都能成立。這兩項說法關乎不同的事：相對於前一代 Kimi 的效率，以及相對於業界整體的效率。只有第二項才是你實際上被計費的依據，也是獨立董事會所衡量的那一項。

快取會緩和這一點。兩種快取輸入費率都是其模型未快取輸入費率的十分之一——K3 為 $0.30，Sol 為 $0.10——因此快取這一項並不會改變排序，但確實意味著請求多、回答少的工作負載會把差距縮小到大致是價目表比率，而非實測任務比率。而 Sol 的長上下文條款則朝反方向作用：輸入超過 272,000 個 token 時，它會把整個請求重新計價為 $4.00 與 $15.00，快取則為 $0.20，這是 K3 的均一價目表唯一徹底勝出的區間。這一點值得知道有兩個原因，因為這也是 K3 的長上下文分數在這次比較中是最佳數字的區間。

在這裡，哪些開放權重才真正值得？

有三件事，而值得把它們分開來看，因為「開放權重」通常被當成一個論點，但它其實是三件事。

第一點是，你可以離開。如果 Moonshoot 被收購、變更未來版本的授權條款、淘汰 K3 或調漲其 API 價格，你已經下載的檢查點仍會繼續運作。對這個實驗室來說，這並非假設性的情境：Moonshoot 曾在某個較早版本發布後約 48 小時內暫停接受新訂閱，以保障既有付費客戶的服務品質，這正是一項活生生的示範，證明 API 存取權是一項政策決定，而不是一項財產。這些全都不會出現在每項任務成本表裡，但全都是真實的。

第二點是你可以把版本鎖定。一個固定、經過微調的修訂版本，運行在你掌控的邊界之內，是能拿給稽核人員看的東西，而這正是 API 無法提供的。對受監管的流量而言，這比一張費率表更有價值。

第三點——也就是通常被假設的那一點——是它會更便宜。事實並非如此。該檢查點是一個 2.8 兆參數的 FP8 產物，而官方公布的部署指引是圍繞多加速器組態、而非單一節點來規劃的。已經在運行這類叢集的團隊，在這裡確實握有一個真實的選項，而且整個盤算會徹底改變，因為每個 token 的邊際成本變成了電力。沒有這類叢集的團隊，則是在拿 API 帳單與資本採購相比，而 API 帳單以大幅差距勝出。誠實的總結是：這裡的開放權重給你的是離開的能力，而不是便宜運行的能力。

兩者都在同一個按鍵上，而這正是讓這項交換變得有用的地方

Kimi K3 已在 OrcaRouter 上，採用 Moonsh​oot 自家的定價——每百萬個 token 3.00 美元與 15.00 美元，快取讀取為 0.30 美元，與供應商的價目表一致——而 GPT-6.1 Sol 在發布當天就以 Open​AI 的價格登上我們的線路，每百萬個 token 2.00 美元與 10.00 美元，快取輸入為 0.10 美元，且 272,000 個 token 的級距完全按照所列價格轉嫁。兩者都沒有被加價。平台直接將供應商定價轉嫁，而非加價，因此 Moonsh​oot 的費率變動與 Open​AI 的費率變動，都會在供應商端出現的同一天出現在我們這邊，無需另一份合約，中間也沒有經銷商。

這一組之所以比大多數組合更值得重視，原因在於這兩個模型分屬不同的失效模式。GPT-6.1 Sol 是你用來進行持續執行、工具迴圈與事實可靠性的模型；Kimi K3 則是你在面對極長輸入時使用的模型，此時你要的是最佳的長脈絡分數，並且想要一個檢查點，作為對他人商業決策的避險。這些並非互相競爭的選項，而是同一股流量上的兩條路徑。把兩者放在同一個端點後面，讓它們之間能自動容錯移轉，並訂下一條規則：把長輸入的工作導向 K3，把執行類工作導向 Sol——這正是把「我們有個開放權重備援」從設計文件裡的一行字，變成凌晨三點、某通正在失敗的通話中真正能運作的東西的關鍵。

每個所屬之處

• 終端機代理、儲存庫規模的程式開發、多步驟執行 — GPT-6.1 Sol，在 Terminal-Bench 4.0 上有 43 分的差距。這可不是勢均力敵。
• 在幻覺代價高昂之處提供答案 — GPT-6.1 Sol，在 AA-Omniscience 上有 22 分的差距。
• 極長輸入搭配簡短的生成答案 — Kimi K3。此比較中最佳的長上下文推理分數、圖像輸入，以及永遠沒機會派上用場的冗長特性。
• 自我託管，或你必須能凍結的推論堆疊 — Kimi K3，而且僅限於你已經自行操作硬體的情況。檢查點才是交付成果；執行它的經濟效益則是另一回事。
• 對供應商變更條款的避險 — Kimi K3，而這是 GPT-6.1 Sol 無論出什麼價格都無法回應的論點。
• 依價目表做選擇 — 在此比較中，K3 和 Sol 都不是便宜的選項，而在 GPT-6 系列中，兩者也都不是便宜的選項。如果帳單是決定性因素，你要的模型在價目表更下方，而不是在這張比較表上。