DeepSeek-V4.1-Flash vs Kimi K3
deepseek-v4-1-flashkimi-k3DeepSeek-V4.1-Flash dibanderol $0.209351 per 1 juta token input dan $0.837404 per 1 juta token output, dengan jendela konteks 1M token; Kimi K3 dibanderol $2.093511 per 1 juta token input dan $10.467555 per 1 juta token output, dengan jendela konteks 1M token.
Perbandingan spesifikasi
Harga dalam dolar AS; batas dan kemampuan sesuai yang dipublikasikan penyedia setiap model.
| Spesifikasi | DeepSeek-V4.1-Flash | Kimi K3 |
|---|---|---|
| Input/ 1M tokens | $0.209351 | $2.093511 |
| Output/ 1M tokens | $0.837404 | $10.467555 |
| Baca cache/ 1M tokens | $0.004187 | $0.209351 |
| Tulis cache/ 1M tokens | $0 | $2.093511 |
| Diskon | −30% | −30% |
| Kontekstokens | 1M | 1M |
| Output maks.tokens | 384K | 1M |
| Jenis input | teks, gambar | teks, gambar, video |
| Jenis output | teks | teks |
| Rilis | 2026-09-10 | 2026-07-16 |
| Endpoint | // | // |
Beban kerja yang sama
Satu beban kerja berisi 1,000,000 token input dan 200,000 token output, dihitung dengan tarif terkini setiap model.
- DeepSeek-V4.1-Flash
- $0.3768$0.2094 input + $0.1675 output
- Kimi K3
- $4.187$2.0935 input + $2.0935 output
Untuk beban kerja ini, DeepSeek-V4.1-Flash lebih murah $3.8102 dibanding Kimi K3.
Kode yang sama
Hanya field model yang berubah.
curl https://api.cheapaimodel.ai/v1/chat/completions \
-H "Authorization: Bearer $CHEAPAIMODEL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4-1-flash",
"messages": [{"role": "user", "content": "Hello!"}]
}'Kapan pilih yang mana
Perbedaan di spesifikasi yang dipublikasikan, lalu deskripsi dari masing-masing penyedia.
- DeepSeek-V4.1-Flash punya harga input lebih rendah ($0.209351 vs $2.093511 per 1 juta token).
- DeepSeek-V4.1-Flash punya harga output lebih rendah ($0.837404 vs $10.467555 per 1 juta token).
- Kimi K3 menerima input video; DeepSeek-V4.1-Flash tidak.
- DeepSeek-V4.1-Flash dirilis lebih baru (2026-09-10 vs 2026-07-16).
- Kimi K3 bisa memberi output lebih panjang dalam satu respons (1M vs 384K token).
Tentang DeepSeek-V4.1-Flash
Model terkecil di keluarga arsitektur baru DeepSeek, dengan pemahaman gambar bawaan. Secara default berjalan dalam mode berpikir, dan juga tersedia mode tanpa berpikir; menurut DeepSeek, model ini mengungguli model andalan sebelumnya, DeepSeek-V4-Pro, di berbagai benchmark.
Tentang Kimi K3
Model andalan open-weight dari Moonshot AI dengan 2.8 triliun parameter, dibangun di atas Kimi Delta Attention dan Attention Residuals. Punya pemahaman visual bawaan dan dirancang untuk pemrograman jangka panjang, pekerjaan berbasis pengetahuan, dan penalaran mendalam.