Probé Kimi K3.1 Pro, GPT-6 Astra y Opus 5.5 con el mismo prompt: el precio por token engaña

Kimi K3.1 Pro cuesta 5 veces menos por token que GPT-6 Astra. En mi prueba salió apenas un 26% más barato. La diferencia entre esas dos cifras es lo más útil que dejó el lanzamiento de la semana pasada, y casi nadie la está mirando.

El 23 de octubre Moonshot presentó Kimi K3.1 Pro y en pocas horas X se llenó de comparaciones que lo llamaban «el asesino de Astra». La mayoría comparaba precio por token y minutos, y declaraba la calidad a ojo. Así que hice la prueba con nuestras propias cifras.

Las reglas de la prueba

Le di a los tres modelos el mismo encargo, palabra por palabra: un único archivo HTML con una escena 3D animada de un faro en un acantilado durante una tormenta nocturna, con olas, lluvia, rayos, el haz de luz girando y una cámara que vuelve al inicio cada 20 segundos.

• Kimi K3.1 Pro corrió en OpenCode.
• GPT-6 Astra corrió en Codex CLI, con esfuerzo medium.
• Claude Opus 5.5 corrió en Claude Code.
• Cada uno empezó en una carpeta vacía, en un solo intento y sin correcciones.

El primer intento de Opus se cortó por un error de red, sin dejar archivos. Lo reinicié desde cero. Las cifras de abajo son del intento que terminó.

Los resultados

• Kimi K3.1 Pro: US$0,93 y 12,7 minutos.
• GPT-6 Astra: US$1,26 y 4,8 minutos.
• Opus 5.5: US$2,99 y 16,4 minutos.

El costo es el de lista: los tokens que registró cada agente multiplicados por el precio oficial de cada proveedor. En el caso de Kimi lo comparé contra el saldo real de la cuenta, que bajó US$0,94, prácticamente lo mismo. Opus y Astra corrieron con suscripción, así que su cifra es el equivalente a lo que costaría por API.

El más barato no fue el más rápido. El más rápido no fue el más barato. Y el más caro también fue el más lento.

Por qué el precio por token no predice la factura

Por millón de tokens, Kimi cobra US$2 de entrada y US$10 de salida. Astra cobra US$10 y US$50. Con esos números, Kimi debería haber costado una quinta parte. No pasó, por una razón simple: escribió mucho más.

• Kimi generó unos 50.000 tokens de salida: 24.000 de respuesta y 26.000 de razonamiento.
• Astra terminó con unos 10.800.
• Opus generó unos 90.400.

Kimi escribió 4,6 veces más que Astra. Tokens baratos, pero muchos. Y la salida es lo que más pesa en la cuenta: fue el 53% del costo de Kimi, el 43% del de Astra y el 61% del de Opus.

Artificial Analysis ve el mismo patrón a gran escala. En su índice describe a Kimi K3.1 Pro como «muy verboso»: usó 150 millones de tokens de salida para completar sus pruebas, frente a una mediana de 87 millones. GPT-6 Astra usó 60 millones y Opus 5.5, 260 millones.

¿Mata a Astra? ¿Alcanza a Opus?

En el índice independiente de Artificial Analysis, Kimi K3.1 Pro marca 55 puntos, GPT-6 Astra 53 y Opus 5.5 58. Con eso:

• «Asesino de Astra» es exagerado. Queda apenas por encima en el índice, y en mi prueba Astra fue 2,6 veces más rápido. Lo que sí se sostiene es que es un rival de Astra que sale más barato.
• «Todavía no al nivel de Opus» se sostiene, por poco. Opus va adelante en el índice y también en la tabla del propio Moonshot: 66,4% contra 65,7% en Terminal-Bench 4.0. Ningún modelo de pesos abiertos había llegado tan cerca.

Dos matices. El 53 de Astra en Artificial Analysis corresponde a su variante Max, y yo lo corrí con esfuerzo medium. Y las cifras de Terminal-Bench las publica Moonshot, no un tercero.

Lo que esta prueba no dice

Es una sola tarea, en un solo intento. No es un benchmark. Tampoco medí cuál escena quedó mejor: no hubo una evaluación ciega de la calidad visual, y no voy a declarar un ganador a ojo, que es justo lo que critico arriba.

Lo que sí deja claro es el método. Antes de cambiar de modelo para ahorrar, corre tu tarea real con los candidatos y mide tres cosas: el costo final, el tiempo y los tokens de salida. El precio por token es solo una de las variables de la cuenta.

Los precios salen de las páginas oficiales de Kimi, OpenAI y Anthropic. Los puntajes y la verbosidad, de las fichas de Artificial Analysis de Kimi K3.1 Pro, GPT-6 Astra y Claude Opus 5.5. Terminal-Bench 4.0, del anuncio de Moonshot. Todo consultado el 23 de octubre de 2026; la prueba se corrió ese mismo día.