Kimi K3.1 Pro vs Claude Opus 5.5: Programmierung und Kosten

Die Coding-Ergebnisse sprechen nicht für ein Modell bei jeder Aufgabe. In Moonshots Tabelle für Terminal-Bench 4.0 erzielt Kimi 65.7% und Claude 66.4%; die CAD- und Finanzdokumenttests unten fallen zugunsten unterschiedlicher Modelle aus.

Quellen: ³

Vom Anbieter veröffentlichte Ergebnisse. Einstellungen und Quellen sind in der Methodik beschrieben.

Weitere von Moonshot veröffentlichte Aufgabenbewertungen

BenchCAD prüft das Schreiben von CAD-Code aus Bildern: Claude erreicht 96.2%, Kimi 92.7%. OfficeQA Pro v2 prüft Fragen zu Finanzdokumenten: Kimi erzielt 64.4, Claude 62.2. Die veröffentlichten Bewertungseinstellungen unterscheiden sich; dies sind Aufgabenergebnisse und kein Endpunkttest unter gleichen Bedingungen.³

Eine auf Claude ausgelegte Anwendung braucht möglicherweise Anpassungen beim Beschreiben von Tools und beim Verarbeiten der Antworten. Bei geringem Nutzungsvolumen kann dieser Aufwand eine kleine Tokenersparnis übersteigen.

Vergleichen Sie bei einem Coding-Assistenten die Zeit bis zu einem nutzbaren Patch einschließlich Tests, nicht nur bis zur ersten Streaming-Nachricht. Hier werden keine Endpunkt-Zeitmessungen unter gleichen Bedingungen zitiert.

Quellen: ⁷

Die Preise vergleichen Kimi bei Novita mit der Anthropic-API. Das Codebeispiel nutzt den Kimi-Endpunkt von Novita.⁸²

Quellen: ¹²

Das Beispiel mit neuem Cache nutzt die Preise für 5-Minuten-Schreibvorgänge. Der geeignete Präfix wird einmal als Cache-Schreibvorgang berechnet. Das Beispiel mit warmem Cache setzt einen späteren erfolgreichen Lesezugriff voraus.

Jede Zeile verwendet feste Eingabe- und Ausgabemengen zur Berechnung der Tokenkosten. Cache-Lesen setzt einen Treffer voraus. Tools, Sandbox-Laufzeit, Speicher, Netzwerk und Steuern fallen separat an; individuelle Rabatte und Batch-Verarbeitung sind ausgeschlossen.

Claude-Werte nutzen Anthropics globale Standard-API-Preise, nicht Fast, reine US-Inferenz oder einen Novita-Wiederverkaufspreis.

Quellen: ²

Novitas Modellseiten kürzen die Kimi-Grenzen mit 1M ab. Der öffentliche Katalog nennt für Kontext und maximale Ausgabe jeweils 1,048,576 Tokens; die Tabelle nutzt diese exakten Werte. Dieselbe 1M-Bezeichnung belegt keine identischen Grenzen bei verschiedenen Anbietern.¹⁸

Kontext und maximale Ausgabe sind veröffentlichte Grenzen, keine Zusage, beide in einer Anfrage vollständig auszuschöpfen. Beachten Sie Gesamt-Kontext- und Generierungsregeln des Endpunkts.

Quellen: ¹⁷⁸

Testen Sie Kimi für eine Aufgabenart, bevor Sie die ganze Anwendung umstellen. Übertragen Sie weitere Aufgaben erst, wenn es dieselben Anforderungen an die Ausgabe zu geringeren Gesamtkosten erfüllt.

Für einen Codevergleich bietet Novita Agent Sandbox optional eine getrennte Umgebung für generierten Code und Tests. Die Anwendung bestimmt erlaubte Befehle; Laufzeit- und Modellkosten werden getrennt berechnet. Reine Dokumentfragen benötigen keine Sandbox, sofern dabei kein Code ausgeführt wird.

Novita Agent Sandbox ansehen · Eine reproduzierbare Ausführungsumgebung erstellen

Quellen: ⁵⁶

Dieses Beispiel bittet Kimi auf Novita um einen kurzen Umsetzungsplan. Es ruft Claude nicht auf und führt den Plan nicht aus.

Die Generierung ist auf 1,024 Tokens begrenzt, einschließlich aller vom Endpunkt gezählten Reasoning-Tokens. Bei einer leeren oder durch das Tokenlimit beendeten Antwort gibt der Code einen Hinweis aus und fordert nicht automatisch eine weitere Antwort an. Prüfen Sie die Nutzung, bevor Sie das Limit erhöhen.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["NOVITA_API_KEY"],
    base_url="https://api.novita.ai/openai/v1",
)

for model in ["moonshotai/kimi-k3.1-pro"]:
    reply = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": "Review a repository bug fix: list the implementation steps and acceptance tests."}],
        max_tokens=1024,
    )
    choice = reply.choices[0]
    content = choice.message.content or ""
    print(model, "finish_reason:", choice.finish_reason)
    print("usage:", reply.usage)
    if choice.finish_reason == "length" or not content.strip():
        print("No complete answer. Inspect usage and adjust the generation budget before another request.")
    else:
        print(content)

Quellen: ⁴

Quellen: ¹²³⁴⁷