Kimi K3.1 Pro vs Claude Opus 5.5: programación y costes

Los resultados de programación no señalan un modelo para todas las tareas. En la tabla Terminal-Bench 4.0 de Moonshot, Kimi obtiene 65.7% y Claude 66.4%; las pruebas CAD y de documentos financieros siguientes favorecen modelos distintos.

Fuentes: ³

Resultados publicados por el proveedor. La metodología detalla las configuraciones y las fuentes.

Otras evaluaciones de tareas publicadas por Moonshot

BenchCAD evalúa escribir código CAD a partir de imágenes: Claude obtiene 96.2% frente a 92.7% de Kimi. OfficeQA Pro v2 evalúa preguntas sobre documentos financieros: Kimi obtiene 64.4 frente a 62.2 de Claude. Las configuraciones publicadas difieren; son resultados de tareas, no una prueba de endpoints en iguales condiciones.³

Una aplicación creada para Claude puede necesitar cambios en cómo describe las herramientas e interpreta las respuestas. En una aplicación con poco uso, ese trabajo puede superar un ahorro pequeño en tokens.

En un asistente de programación, compara el tiempo hasta obtener un parche útil, incluidas las pruebas, no solo hasta el primer mensaje en streaming. Aquí no se citan mediciones temporales de endpoints con condiciones idénticas.

Fuentes: ⁷

Los precios comparan Kimi en Novita con la API de Anthropic. El código usa el endpoint Kimi de Novita.⁸²

Fuentes: ¹²

El ejemplo de caché nueva usa las tarifas de escritura de 5 minutos. El prefijo se cobra una vez como escritura y debe ser apto para caché. El ejemplo de caché activa supone una lectura posterior correcta.

Cada fila fija las cantidades de entrada y salida para calcular el coste de tokens. La lectura de caché requiere un acierto. Herramientas, ejecución de Sandbox, almacenamiento, red e impuestos se cobran aparte; se excluyen descuentos negociados y procesamiento por lotes.

Claude usa precios estándar globales de Anthropic, no Fast, inferencia solo en EE. UU. ni una cotización de reventa de Novita.

Fuentes: ²

Las páginas de Novita abrevian los límites Kimi como 1M. Su catálogo público especifica 1,048,576 tokens tanto de contexto como de salida máxima; la tabla usa esos valores exactos. Compartir la etiqueta 1M entre proveedores no demuestra límites idénticos.¹⁸

Los valores de contexto y salida máxima son límites publicados, no una promesa de poder agotar ambos en una solicitud. Aplica las reglas de contexto total y generación del endpoint.

Fuentes: ¹⁷⁸

Una opción práctica es probar Kimi en un tipo de tarea antes de cambiar toda la aplicación. Amplía su uso solo si cumple los mismos requisitos de respuesta con un coste total menor.

Para comparar programación, Novita Agent Sandbox es una opción que ofrece un entorno separado para ejecutar código generado y pruebas. La aplicación controla los comandos permitidos y la ejecución se cobra aparte del modelo. Las preguntas sobre documentos no necesitan Sandbox salvo que también se ejecute código.

Explorar Novita Agent Sandbox · Crear un entorno de ejecución reproducible

Fuentes: ⁵⁶

Este ejemplo pide a Kimi en Novita un plan breve de implementación. No llama a Claude ni ejecuta el plan.

La generación está limitada a 1,024 tokens, incluidos los tokens de razonamiento que contabilice el endpoint. Ante una respuesta vacía o detenida por el límite de tokens, el código muestra un aviso y no solicita otra respuesta automáticamente. Revisa el uso antes de ampliar el límite.

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)

Fuentes: ⁴

Fuentes: ¹²³⁴⁷