GPT-6.1 Sol 對比 Kimi K3.1 Pro：同為 $2/$10、相差三個指數點，任務成本卻相差 2.9 倍

Kimi K3.1 Pro與GPT-6.1 Sol的價格相同，而這是它們最不有趣的地方。Moonshot 於 2026 年 10 月 23 日發布 K3.1 Pro，每百萬輸入 token 收費 2.00 美元、每百萬輸出 token 收費 10.00 美元；OpenAI 於 9 月 29 日發布 Sol，價格完全相同。在 Artificial Analysis 上，K3.1 Pro 得分 55，在 221 個模型中排名第四；Sol 得分 52。兩者能力相差三分，但完成一項任務的成本卻相差近三倍——K3.1 Pro 為 2.11 美元，Sol 為 0.72 美元。這個倒掛，而非標價，才是決策關鍵。

下列測量數據來自 Artificial Analysis——它在公開的組態設定下運行這兩個模型，並計入各自耗用的 token——以及兩家供應商自身的文件與發布時的主張，後者查閱於 2026 年 10 月 27 日。供應商提供的數字會標明為供應商數據。這項區別在此比往常更重要，因為這兩家公司對於模型應如何耗用 token 下了相反的賭注。

價格相同。發票則否。

按 token 計價只是一種單價，而單價唯有乘上用量才會成為帳單。這兩個模型的用量差異很大。Artificial Analysis 的逐任務成本核算顯示，K3.1 Pro 完成一項 Intelligence Index 任務需 $2.11，而 Sol 則為 $0.72——在相同的牌價下相差 2.9 倍。原因在於輸出量。K3.1 Pro 是始終進行推理的模型，每次回答產生的 token 明顯更多，而輸出是價目表中較昂貴的那一半，每百萬 token 要價 $10.00。

Moonshot 自家的發布資料也承認了這件事的樣貌。該模型是 Kimi K3 的後訓練版本，並大幅擴展了強化學習算力，而該公司將這些增益描述為來自更長、更深思熟慮的推理，而非來自更大的基礎模型。更長的推理正是產生更多輸出 token 的原因。能力提升與成本增加，是同一事實的兩種衡量方式。

• 輸入／輸出 — 兩個模型均為每百萬 $2.00／$10.00。

• 快取輸入 — Kimi K3.1 Pro $0.20，享 90% 折扣；GPT-6.1 Sol $0.10，享 95% 折扣。

• 每個索引任務的成本 — 在 Artificial Analysis v4.3.2 上為 $2.11，相較之下為 $0.72。

• 獨立指數 — 55 對 52；K3.1 Pro 在 221 個中排名第四，Sol 緊隨其後。

• 輸出速度 — 每秒 47.9 個詞元，對比 69.2，兩者皆為 Artificial Analysis 的測量結果。

• 上下文與輸出上限 — K3.1 Pro 為 1,048,576 輸入；Sol 為 1,050,000 輸入與 128,000 輸出。

• 架構 — K3.1 Pro 總參數達 2.8 兆，其中 1,040 億為活躍參數；OpenAI 並未公布 Sol 的參數數量。

• 權重 — K3.1 Pro 目前為專有模型，Moonshot 承諾於 11 月 4 日前開放權重；Sol 為專有模型，尚未宣布開放。

三個指數點能買到什麼？

在綜合評分上，三分差距有意義但不具決定性，而各項組成部分的得分才是差異輪廓所在。Artificial Analysis 將 K3.1 Pro 在 Terminal-Bench 4.0 上列為 67 分，是其測量過的模型中最高，而 Sol 為 56.1 分。在專業工作評估 GDPval-AA 上，K3.1 Pro 以 1,846 Elo 位居整體第三，比其前代高出 312 分。在 AutomationBench-AA 上，它從 58% 提升至 73%。在 Humanity's Last Exam 上，它從 47% 進步到 52%。在 AA-Omniscience 上的幻覺率從 53% 降至 44%。

這些是兩個模型各自最強且獨立的數據。Sol 的獨立評測表現較為平均：綜合分數 52，且沒有任何單一評測項目領先全場，而每項任務成本則是同價位帶中最佳的。誠實的解讀是：K3.1 Pro 在多項代理式與專業工作評測上能力更強，而 Sol 更有效率。這兩種說法都不是定論，因為能力唯有在你實際運行的規模下才會轉化為價值。

Moonshot 自家的發布說法比獨立評測委員會更進一步，應被視為其主張。該公司回報，在其跑過的十四項測試中，有六項拿下最高分，包括 SWE Marathon 的 51.7 與 HLE-with-tools 的 70.0。其 Terminal-Bench 4.0 數字為 65.7%，略低於 Artificial Analysis 測得的 67%——這是廠商數字反而較保守的罕見情況，正因為不尋常而值得注意。弱點是 Terminal-Bench Science 0.1 的 38.1，對比 GPT-6 Astra 的 68.1。K3.1 Pro 並非用於艱深科學推理的模型，而 Moonshot 也未如此宣稱。

速度與冗長法案

Artificial Analysis 測得 K3.1 Pro 的輸出速度為每秒 47.9 個 token，並稱其明顯偏慢；Sol 則為 69.2。結合輸出量差異來看，這意味著在 K3.1 Pro 上執行長時間的代理迴圈，每一步不僅耗費更多實際時間，也更花錢。在互動式編碼中，開發者要等待每一輪回應，延遲差異是用戶最先抱怨的問題。在批次評估中，沒有任何環節需要等待，只有成本才是關鍵。

有一個更快的層級。Moonshot 以每百萬輸入 $4.00、輸出 $20.00 的價格販售 Highspeed 版本，快取命中定價維持不變，這讓 token 速率加倍，價格也加倍。這與 Sol 在其 Fast 模式下以 2 倍價格提供的取捨相同。在這兩種情況下，快速層級都是為延遲敏感的工作而設，而非為大量處理，而且在批次作業上，這筆帳很少划算。

11月4日，以及開放權重究竟改變了什麼

Moonshot 表示，完整權重將於 2026 年 11 月 4 日前發布。若此事成真，K3.1 Pro 將成為 Artificial Analysis 指數上得分最高的開放權重模型，並把最佳開放模型與最佳專有模型之間的差距從約 12 分縮小到 3 分。對任何需要在合規邊界內自行託管、微調或執行推論的人來說，這將是真正的大事。

對大多數 API 呼叫者而言，這並不是一件大事。開放權重改變的是誰能執行模型、以及在什麼條件下執行；它不會改變託管價格、速度或能力。一個呼叫 API、且沒有資料駐留限制的團隊，從權重釋出中得不到什麼，除了一個額外的採購選項，以及最終會有更多供應商在同一個檢查點上競爭。這種競爭確實存在，通常也會以價格壓力的形式顯現，但那是長達數月的效應，而不是十一月就會發生的事。

Moonshot 的發布內容中還有一個更具體的但書。該公司表示，它刻意移除了網路與漏洞利用相關的訓練資料，以避免擴展開放前沿的攻擊性網路能力，並表示因此有一個在 xdev-bench-hard 上得分 90.5% 的檢查點被降至 81%。這是供應商所披露的一項安全決策，且具有可衡量的能力成本。如果你的工作是安全工具，這是發布資料中最重要的一句話——比指數分數更重要。

三種工作負載，三種答案

• 大量批次編碼、無延遲要求 — GPT-6.1 Sol。每項索引任務 $0.72 對比 $2.11，除非你的任務正好是 K3.1 Pro 的代理式評分能轉化為更少重試的那種，否則效率差距會壓過三點的能力差異。在假設它們確實如此之前，先測量重試率。

• 長時間跨度的代理式工作，一旦答錯代價高昂——Kimi K3.1 Pro。Terminal-Bench 4.0 的領先地位與 GDPval-AA 的名次，是這兩款模型最接近「持續多步驟能力」證據的依據；而相對於失敗軌跡的代價，每項任務的溢價並不大。

• 人類需要等待的互動式編碼——GPT-6.1 Sol，論速度。每秒 69.2 個 token 對比 47.9，在編輯器中是肉眼可見的差異，而成本優勢只是附加好處，並非主要理由。

• 科學或數學推理——在最前沿水準上，兩者皆非。K3.1 Pro 在 Terminal-Bench Science 0.1 上的 38.1 是有紀錄的弱點，而 Sol 在同一套測試上的 57.0 雖算體面，卻遠低於 OpenAI 回報 GPT-6 Astra 的 68.1。這是唯一一個正確答案是採用凌駕於兩者之上層級的工作負載。

同時執行兩者比選錯更划算

兩個模型都已上架 OrcaRouter 只需一組金鑰，即可依各供應商的原價零加成使用，其中 Sol 為 $2.00 與 $10.00，K3.1 Pro 為相同的一組價格，快取輸入則分別以 $0.10 與 $0.20 原樣傳遞。這讓決策具備可逆性：工作負載可在同一批追蹤流量上對兩者進行基準測試，而落敗的一方只需調整路由設定即可移除，不必重新談判合約。

模型融合是唯一在這組特定搭配上真正站得住腳的功能，而不是當成通用外掛來用。這兩個模型的失誤方向不同——Sol 簡潔而快速，K3.1 Pro 審慎、在長程代理軌跡上更強——因此，對於代價高昂的決策而言，讓兩者同時作答並調和其答案的評議面板是合理的設計，因為相較於出錯的代價，2.9 倍的成本差異根本微不足道。至於其他所有情況，依工作負載分流是更省成本的模式：代理路徑交給 K3.1 Pro，高流量路徑交給 Sol，兩者共用同一個端點。

不是指數的排名

如果問題是哪個模型更好，K3.1 Pro 以三分勝出，並在對長時間執行工作至關重要的代理式評估中領先。如果問題是這個月要把哪個模型放在高流量的生產路徑後方，Sol 在每完成任務成本上以 2.9 倍勝出，在速度上以 1.4 倍勝出，而三點的能力差距並未縮小這兩項優勢中的任何一項。

唯一值得記進行事曆的日期是 11 月 4 日。如果權重如期上線，K3.1 Pro 就會成為開放權重模型的參考基準，自架團隊的盤算也會隨之改變。如果他們延後——而 Moonshot 至少給了日期，這已經比大多數人強——那麼盤算就會完全停留在今天的位置：同樣的標價、不同的帳單，以及一個應該依據實測任務成本、而非價格欄位上的數字來做的選擇。