Moonshot lança Kimi K3.1 Pro: 55 pontos e $2/$10 por milhão de tokens

A chinesa Moonshot liberou na API o modelo Kimi K3.1 Pro. As tarifas são de $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída. É o mesmo preço do GPT-6.1 Sol, enquanto o Claude Opus 5.5 custa o dobro. No índice independente da Artificial Analysis, o Kimi marcou 55 pontos e ficou atrás apenas do Opus 5.5, com 58. Os pesos continuam fechados, mas a Moonshot promete publicá-los por completo até 4 de novembro de 2026.

O que mostrou a medição independente

Os benchmarks da própria Moonshot colocam o K3.1 Pro mais ou menos no mesmo nível do Opus 5.5 e do GPT-6 Astra. Em alguns testes ele os supera, em outros chega perto. Como esse tipo de tabela costuma ser montado a favor do fabricante, o índice externo pesa mais. A Artificial Analysis ordenou os modelos assim:

• Claude Opus 5.5: 58 pontos
• Kimi K3.1 Pro: 55
• Claude Fable 5.1: 53
• GPT-6 Astra: 53
• Gemini 4 Argon: 53

A distância para o líder é de três pontos. Dos três modelos fechados logo abaixo, o Kimi se separa por dois. Até agora, modelos de pesos abertos, ainda que futuros, ficavam claramente atrás da fronteira fechada. Dessa vez, pela primeira vez, isso não se repetiu.

A economia dos tokens e o preço da velocidade

Em cenários com agentes, o preço do token pesa mais que uma diferença de alguns pontos no índice. Um agente em ciclo de "leu o repositório, pensou, corrigiu" gasta muitos tokens de entrada e bem menos de saída. Pelas tarifas da Moonshot, uma sessão com 500 mil tokens de entrada e 50 mil de saída custa $1,00 pela entrada e $0,50 pela saída, ou seja, $1,50. No Opus 5.5, com preço duas vezes maior, o mesmo volume sairia por cerca de $3. Esse é um cálculo nosso, não um dado do fabricante. Com milhares de sessões por dia, a diferença vira uma linha relevante no orçamento.

Há também a variante Highspeed. Ela é de 2 a 3 vezes mais rápida e custa o dobro. A exceção são os acertos no cache de entrada: nesse caso, o preço não muda. Para cadeias longas de agentes com muito contexto repetido (prompt de sistema, base de código), é uma condição vantajosa. O modo rápido pode ser ligado em tarefas interativas, e as execuções em segundo plano podem ficar na tarifa padrão.

Pelicano de bicicleta e teste com o LLM 0.32

Simon Willison testou o modelo com seu teste de sempre: pediu que ele gerasse um SVG de um pelicano andando de bicicleta. Ele rodou o modelo pela Moonshot API com o comando `llm openai endpoint`, do LLM 0.32, que ele adicionou em agosto. O comando funciona com qualquer endpoint compatível com a OpenAI, neste caso https://api.moonshot.ai/v1 com o modelo kimi-k3.1-pro. O comando em si não registra os resultados em log, então a saída e o rastro de raciocínio tiveram de ser redirecionados para arquivos, stdout e stderr. Foram usados o flag `--responses` e a opção `reasoning_effort`.

O modelo aceita três níveis de raciocínio: low, medium e max. Willison rodou os três e, para comparar, executou de novo o Kimi K3 anterior. Ele considerou o resultado no max bastante sólido: os pés estão nos pedais, o quadro da bicicleta está bem desenhado e o bico ficou bom. Entre as falhas, as duas pernas aparecem do mesmo lado do quadro.

O que verificar até 4 de novembro

Por enquanto, só a API está disponível, e o jeito mais prático de testar é por um cliente compatível com a OpenAI. Basta trocar a base URL e o nome do modelo. Na avaliação, vale rodar os três níveis de raciocínio nas suas próprias tarefas e comparar não só a qualidade, mas também o consumo de tokens de saída: no max, o rastro de raciocínio consome o orçamento de forma visível. Também é preciso medir separadamente a taxa de acertos no cache, porque dela depende o preço do Highspeed.

Equipes que consideram self-hosting precisam esperar os pesos reais, prometidos até 4 de novembro de 2026. Convém avaliar desde já os requisitos de GPU e os termos da licença. Se a promessa for cumprida, os provedores fechados passarão a ter um concorrente de qualidade semelhante que, além disso, pode rodar na infraestrutura própria.