Gemini 3.8 Flash vs Kimi K3.1 Pro

vs

Cuál usar y cuándo

La salida cuesta $3.75 y $10 por millón de tokens en el tramo base (gemini-3.8-flash y kimi-k3.1-pro, respectivamente). Elige gemini-3.8-flash para combinar imágenes con audio o vídeo en una sola solicitud. Frente a gemini-3.8-flash, evalúa kimi-k3.1-pro para sesiones largas de programación con capturas y respuestas estructuradas.

Benchmarks

Kimi K3.1 Pro: el proveedor no ha publicado resultados de benchmarks.

Sobre la mediaNinguno mejorGemini 3.8 Flash12 / 175 / 17
Gemini 3.8 Flash Kimi K3.1 Pro otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
DeepSWE 1.1
73.7%
N/A
BioMysteryBench hard
ningún otro modelo puntuó más alto 56.5%
N/A
OSWorld 2.0 Partial score, batch tool enabled
59%
N/A
HealthBench Professional
52.1%
N/A
Finance Agent v2
ningún otro modelo puntuó más alto 61.4%
N/A
Legal Agent Benchmark
10%
N/A
GPQA Diamond
95.3%
N/A
CharXiv (RQ) no tools
ningún otro modelo puntuó más alto 86.2%
N/A

Publicado por los proveedores: Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Alibaba (Qwen) Anthropic Anthropic Anthropic Anthropic ByteDance DeepSeek DeepSeek Google Google Google Google MiniMax Moonshot OpenAI OpenAI OpenAI OpenAI OpenAI OpenAI OpenAI Tencent Z.ai Z.ai Z.ai Z.ai

Precios

Gemini 3.8 Flash Kimi K3.1 Pro Δ
Entrada / 1M tokens $0.75 $2 0.38×
Salida / 1M tokens $3.75 $10 0.38×
Lectura de caché / 1M tokens $0.075 $0.2 0.37×

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

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)

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacidades

Gemini 3.8 Flash Kimi K3.1 Pro
Uso de herramientas sí sí
Control del razonamiento

sí

el proveedor no publica cómo ajustarlo

sí

el proveedor no publica cómo ajustarlo

Salida estructurada sí sí
Caché de prompts implícito + explícito implícito (automático)
Duración de la caché no publicado no publicado
Prefijo mínimo en caché 4,096 tokens no publicado

Especificaciones

Gemini 3.8 Flash Kimi K3.1 Pro
Modalidades de entrada texto imagen audio vídeo texto imagen
Modalidades de salida texto texto
Lanzamiento 2026-09-02 2026-10-23
Corte de conocimiento 2026-03 -
Ventana de contexto 1.048.576 1.048.576
Salida máxima 65.536 1.048.576

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: Gemini 3.8 Flash · 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

Gemini 3.8 Flash superado · 3 sentences

When we enabled reasoning, the model began generating hidden "thinking tokens" to work through logic step-by-step before producing a final answer. Because AI vendors bill for every single token processed—visible or not—this internal deliberation dramatically inflated our billable volume per query. In short, while our total number of user requests remained flat, the cost per transaction doubled to buy higher accuracy on complex tasks.

salida 705 tok (+624 razonamiento) latencia 6.4 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

Gemini 3.8 Flash superado · 8/8 cases

Here is the corrected function: ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` ### Explanation of the Bug The original function counted equal-neighbor transitions rather than the actual items making up each run. Because `cur` started at `0` (and was reset to `0` on mismatches), every run was undercounted by one: single-element lists returned `0` because the loop never executed, and any subsequent run—including those ending at the last index—recorded a count of $N - 1$ instead of $N$. The fix handles empty input upfront, initializes both `cur` and `best` to `1` (since any single element forms a run of length 1), and resets `cur` to `1` whenever a new run begins.

salida 1393 tok (+1149 razonamiento) latencia 10.1 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

Gemini 3.8 Flash superado · 5/5 fields, guidance null

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

salida 3989 tok (+3932 razonamiento) latencia 30.4 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

Gemini 3.8 Flash superado · 120 words, 0 banned, 1 question

Why pay multiple model providers for the exact same output? Introducing Universal Prompt Cache, our latest API gateway capability engineered to cut compute expenses and drop inference latency. When your application makes a call, the gateway inspects a central memory layer before routing traffic to external LLMs. If an identical query was previously processed by OpenAI, Anthropic, or Mistral, our gateway returns that response immediately. This shared cache eliminates duplicate token fees and insulates your production apps from vendor rate limits or unexpected downtime. Developers can easily customize expiration settings, enforce strict data privacy controls, and configure invalidation logic across every endpoint. Stop wasting your budget on repeated queries. Enable prompt caching in your dashboard to accelerate your pipeline today.

salida 3833 tok (+3688 razonamiento) latencia 21.8 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="gemini-3.8-flash",
    # 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, Gemini 3.8 Flash o Kimi K3.1 Pro?

Gemini 3.8 Flash es más barato en Entrada / 1M tokens ($0.75 frente a $2, una diferencia de 2.7×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de Gemini 3.8 Flash 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 Gemini 3.8 Flash 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