Claude Haiku 5.5 vs Kimi K3.1 Pro

vs

Cuál usar y cuándo

Hasta 100000 tokens de entrada, la salida cuesta $0.5 y $10 por millón de tokens (claude-haiku-5-5 y kimi-k3.1-pro). Con claude-haiku-5-5, por encima de 100000 tokens de entrada se aplica la tarifa superior a toda la solicitud. Frente a claude-haiku-5-5, evalúa kimi-k3.1-pro para sesiones largas de programación con capturas y respuestas estructuradas.

Precios

Claude Haiku 5.5 Kimi K3.1 Pro Δ
Entrada / 1M tokens $0.1 $2 0.05×
Salida / 1M tokens $0.5 $10 0.05×
Lectura de caché / 1M tokens $0.01 $0.2 0.05×
Escritura en caché 1.25x (5m) / 2x (1h) - -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada. La tabla principal muestra las tarifas base. La longitud de la entrada puede cambiar la tarifa aplicada a toda la solicitud. Cada página de modelo detalla los tramos.

Claude Haiku 5.5 · Precios por longitud de entrada

Toda la solicitud usa la tarifa del tramo de longitud de entrada. Precios en USD por millón de tokens.

Tokens de entradaEntradaSalida
0 - 100.000 $0.1 $0.5
100.001 - 1.000.000 $0.5 $2.5

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 86 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

Claude Haiku 5.5 Kimi K3.1 Pro
Uso de herramientas sí sí
Control del razonamiento configurable

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí sí
Caché de prompts explícito (tú marcas el prefijo) implícito (automático)
Duración de la caché 5m default, 1h option no publicado
Prefijo mínimo en caché 512 tokens no publicado

Especificaciones

Claude Haiku 5.5 Kimi K3.1 Pro
Modalidades de entrada texto imagen texto imagen
Modalidades de salida texto texto
Lanzamiento 2026-10-07 2026-10-23
Corte de conocimiento 2026-06 -
Ventana de contexto 1.000.000 1.048.576
Salida máxima 128.000 1.048.576
Parámetro de razonamiento output_config.effort -
Valores aceptados
output_config.effort
  • low
  • medium
  • high
  • xhigh
  • max
-
Valor por defecto medium -

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Claude Haiku 5.5 · Kimi K3.1 Pro

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Claude Haiku 5.5 superado · 3 sentences

Enabling reasoning makes the model generate a long internal chain of thought before its answer, and those thinking tokens are billed as output tokens, which cost several times more than input tokens. The model often produces many times more output per request than it did without reasoning, so the per-call cost rises even when the visible answer looks about the same length. Because that extra spend scales with every request, the bill roughly doubled, and we can control it by setting reasoning budgets, using reasoning only for tasks that need it, or routing simpler requests to a non-reasoning model.

salida 332 tok (+159 razonamiento) latencia 2.9 s

Kimi K3.1 Pro superado · 3 sentences

Enabling reasoning makes the model generate extra internal “thinking” tokens before responding, and these are typically billed at output-token rates even though users never see them. If request volume and pricing stayed flat but reasoning substantially increased tokens per request, the total bill could double. Compare pre- and post-change usage reports for reasoning tokens, then control costs with lower reasoning effort, token budgets, cheaper models, and selective use on tasks where the quality gain justifies the spend.

salida 471 tok (+366 razonamiento) latencia 14.3 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

Claude Haiku 5.5 superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that `cur` counts adjacent equal *pairs*, not run *elements*. A run of k equal items produces k−1 matching pairs, so the function returns one less than the true length, and a single-element input produces no pairs at all, so it returns 0 instead of 1. Resetting `cur` to 0 on a mismatch compounds this by starting every run one step behind. The fix starts both `cur` and `best` at 1 (a non-empty list always has a run of at least one element), resets `cur` to 1 on a mismatch, and updates `best` after every element rather than only inside the equal-branch. The empty-list guard keeps the function from returning 1 for `[]`. […]

salida 1012 tok (+591 razonamiento) latencia 6.0 s

Kimi K3.1 Pro superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: best = max(best, cur) cur = 1 return max(best, cur) ``` The original `cur` counts matching adjacent pairs rather than items: it starts at 0, so a singleton returns 0, and a run of `k` equal items is recorded as only `k - 1`. Its bookkeeping also never correctly finalizes the current run’s length at end of input. The fix starts every run at 1, records its length when a mismatch ends it, and takes a final `max` after the loop so a run ending at the last index is included; empty input returns 0.

salida 2984 tok (+2785 razonamiento) latencia 70.1 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

Claude Haiku 5.5 superado · 5/5 fields, guidance "Formal guidance withheld pending the Q4 "

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": 11, "guidance": "Formal guidance withheld pending the Q4 close" } ``` Notes: The text gives revenue as 412 but doesn't state the currency, so I left `revenue_usd_m` as null. Growth is "eleven and change," so 11 is an approximation.

salida 725 tok (+572 razonamiento) latencia 4.6 s

Kimi K3.1 Pro superado · 5/5 fields, guidance null

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":null}

salida 454 tok (+410 razonamiento) latencia 12.0 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Claude Haiku 5.5 superado · 120 words, 0 banned, 1 question

**Introducing Prompt Cache Sync, the newest feature in GatewayOne.** Teams routing requests across OpenAI, Anthropic, and Google have often paid to process the same long system prompts again and again. Now the gateway stores those prompts once and reuses them wherever they appear, regardless of provider. Repeated context is matched by content hash, so cached prefixes return faster and cost less, with no changes to your application code. How much could this save your team? Enable Prompt Cache Sync from the dashboard, and your next billing report will show the difference. Cache entries follow your existing retention settings and can be purged per project at any time. Availability begins this week for all Scale and Enterprise plans worldwide. Start today.

salida 2164 tok (+1929 razonamiento) latencia 9.9 s

Kimi K3.1 Pro superado · 120 words, 0 banned, 1 question

Meet Prompt Cache, our new API gateway feature for caching prompts and responses across model providers. It cuts token spend, lowers latency, and keeps applications responsive during traffic surges. Define cache keys, expiration rules, and tenant boundaries in one policy, then apply them to OpenAI, Anthropic, Gemini, or custom models without changing application code. Encryption, redaction, and immediate purges help protect sensitive data, while metrics reveal hit rates, savings, and performance by endpoint and provider. Need a faster way to handle repeated requests? Serve eligible results from cache and preserve your existing routing, fallback, and retry behavior. Available today in beta, Prompt Cache gives platform teams controls for cost, speed, and reliability, with no extra infrastructure to deploy or maintain.

salida 2740 tok (+2576 razonamiento) latencia 55.8 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="claude-haiku-5-5",
    # model="kimi-k3.1-pro",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Claude Haiku 5.5 o Kimi K3.1 Pro?

La tabla principal muestra las tarifas base. La longitud de la entrada puede cambiar la tarifa aplicada a toda la solicitud. Cada página de modelo detalla los tramos.

¿Puedo hacer pruebas A/B de Claude Haiku 5.5 frente a Kimi K3.1 Pro sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Claude Haiku 5.5 y Kimi K3.1 Pro caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones