DeepSeek V4.1 Flash (1017) vs Kimi K3
どんなときに、どちらを選ぶか
この 2 つでは deepseek-v4.1-flash-1017 のほうが大幅に安価です。100 万トークンあたりの入力料金は $0.3、出力料金は $1.2 で、kimi-k3 はそれぞれ $3、$15 です。入力で 10 倍、出力で 12.5 倍、キャッシュ読み取りでも 50 倍の料金差があり、キャッシュ読み取り料金は $0.006 に対して $0.3 です。テキストや画像に加えて動画入力が必要な場合や、1 回の応答で長い出力が必要な場合は、kimi-k3 を選んでください。kimi-k3 は 1048576 トークンのコンテキストに加え、最大出力も同じ 1048576 トークンで、DeepSeek モデルの 393216 トークンを上回ります。また、kimi-k3 は推論を無効にできないため、推論トークンには常に同モデルの高い出力料金が適用される点にも注意してください。
ベンチマーク
DeepSeek V4.1 Flash (1017)：ベンダーがベンチマークスコアを公表していません。
ベンダー公表値： Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
料金
| DeepSeek V4.1 Flash (1017) | Kimi K3 | Δ | |
|---|---|---|---|
| 入力 / 100 万トークン | $0.3 | $3 | 0.1× |
| 出力 / 100 万トークン | $1.2 | $15 | 0.08× |
| キャッシュ読み取り / 100 万トークン | $0.006 | $0.3 | 0.02× |
| キャッシュ書き込み | 追加料金なし | - | - |
ビルド時点の現行カタログの料金です。最新の料金表は各モデルのページに掲載しています。
両モデルの位置：100 万トークンあたりの入力料金（この課金単位のチャットモデル全 79 件、対数スケール）
対応機能
| DeepSeek V4.1 Flash (1017) | Kimi K3 | |
|---|---|---|
| ツール呼び出し | あり | あり |
| 思考の制御 | あり（ベンダーは調整用パラメータを公表していない） | 常時オン |
| 構造化出力 | - | あり |
| プロンプトキャッシュ | 自動（暗黙的） | 自動（暗黙的） |
| キャッシュ保持時間 | no fixed TTL (evicted when unused) | 公表なし |
| キャッシュ対象の最小プレフィックス | 公表なし | 公表なし |
仕様
| DeepSeek V4.1 Flash (1017) | Kimi K3 | |
|---|---|---|
| 入力モダリティ | テキスト 画像 | テキスト 画像 動画 |
| 出力モダリティ | テキスト | テキスト |
| リリース | 2026-10-17 | 2026-07-16 |
| コンテキストウィンドウ | 1M | 1M |
| 最大出力 | 393K | 1M |
| 思考パラメータ | - | reasoning_effort (top-level; the thinking object is not accepted) |
| 指定可能な値 | - | reasoning_effort
|
| デフォルト | - | max |
仕様は各ベンダーのドキュメントから転記しています。ベンダーが公表していない項目は、推測で埋めずに省いています。 出典の一覧： DeepSeek V4.1 Flash (1017) · Kimi K3
1 つのプロンプトを両モデルで実行（ゲートウェイ経由で測定）
DeepSeek V4.1 Flash (1017) 合格 · 3 sentences
Enabling reasoning caused each request to generate additional internal reasoning tokens, which are billed like output tokens and can be several times longer than the final answer. Those extra tokens raise cost per call, and longer responses plus occasional retries pushed total usage to roughly double. We can control this with reasoning-effort limits, token budgets, caching, and spend monitoring by use case.
出力 253 tok (+178 思考) レイテンシ 5.4 s
Kimi K3 合格 · 3 sentences
Reasoning models don't just answer questions—they "think" first, generating long internal chains of step-by-step logic before producing a response. Those hidden thinking steps are billed as output tokens (the most expensive kind, typically 3–5x the price of input tokens), and a single query can generate thousands of them even when the visible answer is only a paragraph long. So you're paying for dramatically more compute per request: the bill doubled because the model does far more work behind the scenes, not because usage increased.
出力 755 tok (+637 思考) レイテンシ 20.8 s
指示への忠実さ（ちょうど 3 文という、数えて確かめられる条件）、読み手に合わせた書き分け（CFO 向けの語り口）、そして下のトークンメーターに表れる、表示されない思考への課金の差。
DeepSeek V4.1 Flash (1017) 合格 · 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` starts at `0` and is incremented only when two adjacent items match, so it counts equal adjacent pairs rather than run length; a run of length `k` is recorded as `k - 1`. Consequently, a single-element input returns `0`, and a run ending at the last index—especially a one-element final run—is undercounted or never counted. The fix initializes every run to length `1`, increments on a match, resets to `1` on a mismatch, updates `best` each iteration, and handles the empty input separately.
出力 1300 tok (+1095 思考) レイテンシ 11.8 s
Kimi K3 合格 · 8/8 cases
```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 ``` The bug is a fencepost error: `cur` counts *matching adjacent pairs* rather than *items in the run*, because it starts at 0 and only increments when `xs[i] == xs[i - 1]`. A run of length L contains L−1 equal pairs, so every run was undercounted by exactly one. For a single-element list (a run of length 1) the loop never runs and the function returns 0 instead of 1; likewise any run ending at the last index — e.g. the two `2`s in `[1, 2, 2]` — reported 1 instead of 2, making it look like no run existed at all. […]
出力 1837 tok (+1547 思考) レイテンシ 47.2 s
修正が本当に正しいか（実行して確かめられる）、説明の密度、範囲の限られたタスクでのトークン効率。
DeepSeek V4.1 Flash (1017) 合格 · 5/5 fields, guidance "withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":11,"guidance":"withheld pending the Q4 close"}
出力 1375 tok (+1337 思考) レイテンシ 12.2 s
Kimi K3 合格 · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
出力 924 tok (+863 思考) レイテンシ 25.9 s
スキーマの遵守（存在しないフィールドを作らない）、ハルシネーションを誘う条件への耐性（guidance は明示的に伏せてある）、構造化出力の実現方法の違い。
DeepSeek V4.1 Flash (1017) 合格 · 120 words, 0 banned, 1 question
Today we’re introducing Cross-Provider Prompt Cache in the API gateway. It stores identical prompt requests once and serves cached responses across supported model providers, reducing duplicate calls, latency, and spend. Teams can set cache keys by model, temperature, system prompt, and custom metadata, then choose TTLs per route or workspace. The gateway handles provider fallback while keeping cached results consistent with your policy. Is your team paying twice for the same prompt? Cross-Provider Prompt Cache helps you answer that. Configure it in the gateway dashboard, inspect hit rates by provider, and invalidate entries on demand. Existing gateway routes need no code changes; enable the feature and define your caching rules. Cross-Provider Prompt Cache is available for all API gateway customers.
出力 2487 tok (+2335 思考) レイテンシ 17.1 s
Kimi K3 合格 · 120 words, 0 banned, 1 question
Meet Prompt Cache, a new API gateway capability that stores prompt responses and serves them across OpenAI, Anthropic, Google, and Azure endpoints. It matches requests by model, prompt hash, tools, temperature, and tenant policy, so repeated work returns fast while sensitive contexts stay isolated. Teams set TTLs, stale rules, encryption scopes, and bypass flags per route. Analytics show hit rate, latency saved, token spend avoided, and drift risk by provider. What changes for developers? Keep one integration, add cache headers, and watch fallback logic respect consent, residency, and audit needs. During rollout, canary keys compare fresh answers with cached copies before promotion. Prompt Cache cuts vendor calls, steadies p95 latency, and gives platform owners controls for cost, quality, and compliance.
出力 1527 tok (+1354 思考) レイテンシ 37.9 s
制約の遵守（語数の上限、禁止語リスト、疑問文はひとつだけ）、文体の癖、長さの制御。
1 行の変更で切り替え
以下のどのタブにも両方のモデル ID が入っています。書き換えるのはハイライトされた 2 行だけで、エンドポイント、キー、リクエスト形式はすべて同じです。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="deepseek-v4.1-flash-1017",
# model="kimi-k3", # この行のコメントを外し、上の行をコメントアウト
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "deepseek-v4.1-flash-1017",
// model: "kimi-k3", // この行のコメントを外し、上の行をコメントアウト
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "deepseek-v4.1-flash-1017",
# "model": "kimi-k3", # この行のコメントを外し、上の行をコメントアウト
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "deepseek-v4.1-flash-1017",
// Model: "kimi-k3", // この行のコメントを外し、上の行をコメントアウト
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("deepseek-v4.1-flash-1017")
// .model("kimi-k3") // この行のコメントを外し、上の行をコメントアウト
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));よくある質問
DeepSeek V4.1 Flash (1017) と Kimi K3 ではどちらが安いですか？
入力 / 100 万トークンは DeepSeek V4.1 Flash (1017) のほうが安くなります（$0.3 対 $3、10 倍の差）。ほかの行では逆になることもあります。料金の全体は上の表に掲載しており、実際のコストは利用の内訳によって変わります。
DeepSeek V4.1 Flash (1017) と Kimi K3 の A/B テストは、実装を 2 つ用意せずにできますか？
はい。どちらも同じ OpenAI 互換エンドポイントから 1 つの API キーで利用できます。切り替えはモデル名の文字列を 1 行変えるだけなので、トラフィックの一部をそれぞれに振り分けて、請求額を直接比較できます。
DeepSeek V4.1 Flash (1017) と Kimi K3 はプロンプトキャッシュに対応していますか？
はい。どちらのモデルも、キャッシュ読み取りは通常の入力単価より安く課金されます。そのため、同じプレフィックスを繰り返し使うワークロードでは、定価から見込まれるよりコストが下がります。キャッシュ読み取りの正確な単価は、上の料金表に掲載しています。