Preço do Kimi K3.1 Pro: quando vale trocar de modelo?

O preço do Kimi K3.1 Pro justifica um teste controlado no trabalho para quem já paga por tarefas exigentes de programação ou análise de documentos: as tarifas da API padrão são um terço menores que as do Kimi K3, com a mesma janela de contexto de 1M de tokens. Comece pelo Pro padrão e só migre se ele entregar trabalho aprovado a um custo total menor. A Moonshot promete disponibilizar os pesos para download até 4 de novembro de 2026; essa é uma possibilidade futura de implantação, não uma base para colocar o modelo em produção hoje.

Informações verificadas em 24 de outubro de 2026 no anúncio da Moonshot, na tabela de preços da API do Kimi e nos preços da Anthropic. Os cálculos abaixo são nossos; os resultados de benchmarks são dos avaliadores identificados no texto.

Kimi K3.1 Pro: o que mudou em relação ao K3?

O avanço está no treinamento adicional após a formação do modelo base, não em uma janela de contexto maior. A Moonshot descreve o K3.1 Pro como um K3 que passou por pós-treinamento com substancialmente mais recursos computacionais, voltado à programação, à criação 3D e à pesquisa financeira. A empresa o classifica como “3T-class”. A página de lançamento não detalha a quantidade exata de parâmetros totais e ativos. Essas afirmações vêm da descrição do lançamento pela Moonshot.

O pós-treinamento é a prática que vem depois da formação geral: o modelo recebe recompensas por executar melhor as tarefas, inclusive aquelas que exigem uma sequência de chamadas de ferramentas. Pense em um colega experiente que ganha mais prática com casos difíceis. Isso pode melhorar seu julgamento sem aumentar o tamanho da mesa de trabalho.

A comparação com a mesa ajuda a entender o contexto. A janela de contexto é o conjunto de informações que um modelo consegue considerar de uma só vez, incluindo instruções, documentos de referência e histórico da conversa. A documentação de preços da Moonshot atribui a todos os modelos da série K3 a mesma janela de 1,048,576 tokens. Portanto, o K3.1 Pro não traz uma nova vantagem de capacidade sobre o K3. Para justificar a migração, precisa usar melhor a capacidade que já existe.

Para quem desenvolve software, o que importa é saber se uma alteração no repositório passa nos testes e na revisão. Para quem lidera operações, é saber se uma resposta baseada em documentos mantém a fonte, a data e as ressalvas corretas. Nenhum desses resultados decorre automaticamente da quantidade de material que cabe na requisição.

Nossa análise anterior do Kimi K3 traz o contexto do lançamento original. Leia a discussão sobre disponibilidade daquela época como um registro histórico; esta página trata da decisão sobre o novo Pro.

O que os resultados dos benchmarks demonstram?

Os resultados publicados justificam uma avaliação, não a substituição automática do modelo atual. A Artificial Analysis mostra uma pontuação de 55 no Intelligence Index, com o modelo em quarto lugar no resumo da página na data da verificação. A página classifica o Pro como proprietário naquele momento, uma distinção importante em relação a um modelo com pesos disponíveis para download hoje.

A Moonshot informa 65.7% no Terminal-Bench 4.0, contra 66.4% do Claude Opus 5.5, modelo concorrente da Anthropic. A Moonshot avalia o Kimi com o esforço de raciocínio no máximo, usando o ambiente de execução Claude-Code, o software que fornece as ferramentas e gerencia a execução. A comparação utiliza resultados publicados de outros modelos. Esses são os resultados e as condições informados pela Moonshot, não um teste comparativo feito por nós.

Para quem desenvolve sozinho, isso já é evidência suficiente para testar a correção de um bug com escopo delimitado e um teste que se sabe estar falhando. Não prova que o modelo preservará as permissões da aplicação, respeitará um requisito de produto ambíguo ou reconhecerá quando uma alteração depende de uma decisão humana.

Para quem trabalha em operações financeiras, vale usar uma conciliação histórica com respostas conhecidas. Confira as células citadas e os documentos de origem, sem se limitar à coerência da explicação final. Uma melhora no benchmark pode tornar o modelo um candidato mais forte e, ainda assim, não resolver o erro mais caro do seu fluxo de trabalho.

Onde é possível usar o modelo hoje?

Escolha a forma de acesso que você manteria em produção. A Moonshot lista Kimi.ai, Kimi Work, Kimi Code e a API do Kimi; o acesso empresarial começa desativado e precisa ser habilitado por um administrador. A seção sobre disponibilidade especifica:

• Kimi.ai: acesso pelo navegador e pelo celular.
• Kimi Work: aplicativo para desktop, que exige a versão 3.1.0 ou posterior no Windows ou em Macs com Apple silicon.
• Kimi Code: selecione o Pro com /model.
• API do Kimi: escolha kimi-k3.1-pro ou kimi-k3.1-pro-highspeed.

Um fundador que esteja conhecendo o modelo pode começar pelo navegador com um briefing sem dados sensíveis. Quem avalia um fluxo automatizado deve usar o caminho de acesso à API previsto para a operação, porque as ferramentas, as permissões e a cobrança também entram na decisão. Uma boa resposta no chat não comprova que uma integração sem supervisão funcionará.

A página de preços da API separa explicitamente a inferência paga por uso da assinatura do Kimi e do Kimi Code. A franquia de uma assinatura não equivale a um orçamento para a API. As diferenças mais amplas entre produtos e planos estão no artigo sobre preços do Kimi.

O OpenRouter, serviço que dá acesso a modelos por uma API compartilhada, também lista o Kimi K3.1 Pro. Os provedores exibidos nesta verificação são Moonshot AI e Moonshot AI Highspeed. Isso comprova outra forma de acesso; não comprova que outra empresa já esteja servindo o Pro a partir de pesos baixados.

Se sua aplicação já usa o OpenRouter, esse caminho pode facilitar a organização de um teste. Ainda assim, confira qual provedor recebe as requisições e quais alternativas de contingência estão autorizadas. Um intermediário muda a cadeia de serviços; não elimina o papel do provedor que executa o modelo.

Preço do Kimi K3: quando o Pro compensa a troca?

Quem já usa a API do K3 deve avaliar primeiro o Pro padrão; quem já tem uma operação estável com o Opus deve exigir um custo menor por tarefa aprovada. O Highspeed merece uma decisão separada, porque suas tarifas básicas por token eliminam a vantagem de preço sobre o Opus 5.5.

Como escolher entre Pro, Highspeed e K3

Estes são os preços da API direta da Moonshot em dólares americanos, por milhão de tokens, sem impostos. Entrada em cache significa que um prefixo já processado pode ser reutilizado.

Fonte: preços de inferência dos modelos da Moonshot, verificados em 24 de outubro de 2026. As gravações no cache têm cobranças separadas conforme o tempo de retenção; a coluna de leitura do cache não representa a conta completa desse recurso.

A Moonshot afirma que o Highspeed oferece velocidade 2-3× maior. Essa é uma afirmação do fornecedor, não uma redução medida no tempo necessário para concluir sua tarefa. A espera por ferramentas, a correção de erros e a revisão dos resultados podem consumir a maior parte do fluxo de trabalho. Comece pelo Pro padrão nas tarefas sem supervisão; pague pelo Highspeed quando um teste mostrar que a geração mais rápida poupa um tempo relevante de quem opera o sistema.

Compare o custo do trabalho aprovado com o Opus 5.5

O Claude Opus 5.5 custa $4 na entrada e $20 na saída por milhão de tokens, pelas tarifas básicas da API em claude.com/pricing. São as mesmas tarifas do Highspeed. Sua tarifa de $0.20 para leitura de cache também é igual à das duas variantes do Pro, de modo que a vantagem do Pro padrão diminui nas cargas de trabalho dominadas por entrada em cache.

Para uma tarefa ilustrativa que consome 100,000 tokens novos de entrada e 10,000 tokens faturáveis de saída, o cálculo básico é:

• Pro: $0.30, calculados como 0.1 × $2 mais 0.01 × $10.
• K3: $0.45, calculados como 0.1 × $3 mais 0.01 × $15.
• Highspeed ou Opus 5.5: $0.60, calculados como 0.1 × $4 mais 0.01 × $20.

São exemplos com a mesma quantidade de tokens, calculados a partir das tarifas da Moonshot e da Anthropic, sem gravações no cache, ferramentas, descontos, impostos ou revisão. Não são custos observados de tarefas reais. Modelos diferentes podem consumir quantidades diferentes de tokens faturáveis para concluir o mesmo trabalho.

O ponto em que as novas tentativas anulam a economia é simples: nesse exemplo, duas tentativas do Pro, idênticas nos demais aspectos, custam o mesmo em tokens básicos que uma tentativa do Opus. A revisão adicional pode eliminar a economia ainda antes. Por outro lado, o Pro pode economizar mais se concluir a tarefa com menos tokens faturáveis e o resultado passar pelas mesmas verificações. Nenhum desses cenários foi medido aqui.

Use esta regra para decidir: o custo por tarefa aprovada é a soma de todas as cobranças de API, ferramentas e revisão humana, dividida pelo número de tarefas aprovadas. Atribua o custo das tentativas malsucedidas ao modelo que as produziu. Quando aplicável, contabilize o raciocínio faturável, não apenas a resposta que a pessoa vê.

Um fundador com capital disponível e uma fila grande de transformações de documentos cujos resultados podem ser conferidos tem motivo para testar o Pro. Um CTO de uma empresa de médio porte com um fluxo estável no Opus tem motivo para mantê-lo até que a alternativa cumpra os mesmos critérios de aceitação. Um profissional sênior de operações que perde tempo corrigindo erros sutis nas referências às fontes deve dar mais valor à redução da revisão do que a uma tarifa menor por token.

Continue no K3 se a avaliação identificar uma regressão relevante. Continue no Opus se, após correções e revisão, o trabalho aprovado custar menos ou se a migração comprometer uma integração já aprovada. A escolha mais ampla entre os produtos é abordada em Kimi vs Claude.

Resolva primeiro as questões sobre os dados da empresa

Não migre tarefas com dados sensíveis antes de aprovar o caminho exato de prestação do serviço. Ao avaliar a Moonshot, desenvolvedora chinesa de IA, faça perguntas concretas sobre a entidade contratada, os locais de processamento, o uso dos dados e o acesso a eles. O país de origem não substitui a análise dessas condições.

A política de privacidade da Open Platform da Moonshot identifica a MOONSHOT AI PTE. LTD., de Singapura, como provedora e informa que os dados coletados são armazenados em Singapura. Também descreve a retenção para fins de prestação do serviço e cumprimento de obrigações legais. Essas declarações se referem àquela plataforma; não devem ser estendidas a todos os aplicativos de consumo, ferramentas ou serviços que a utilizam.

O anúncio de lançamento divulga retenção zero de dados para clientes da API. A política específica da Moonshot restringe essa opção a clientes empresariais, mediante solicitação, com exclusão do conteúdo coberto das requisições após a resposta e uma exceção para a legislação aplicável. A política afirma que os dados empresariais não são usados para treinamento por padrão. As exclusões incluem tarefas em lote, imagens e vídeos enviados diretamente, registros operacionais e serviços de terceiros.

Na contratação, obtenha respostas por escrito para estas perguntas:

• Qual entidade jurídica assina o contrato conosco e onde ficam a inferência, o armazenamento e os acessos da equipe de suporte?
• Nossos prompts, arquivos, respostas e logs são retidos ou usados para treinamento nesta conta específica?
• O modo de retenção solicitado está habilitado? Quais tipos de dados ou recursos ficam de fora?
• Quais suboperadores, serviços de roteamento e ferramentas externas recebem conteúdo e quais condições de exclusão se aplicam a eles?
• Essas condições atendem aos contratos com nossos clientes e às nossas classificações internas de dados?

Um aplicativo para desktop, por si só, não comprova que a inferência acontece localmente. Um intermediário de API, por si só, não comprova uma mudança na jurisdição de processamento. Se essas respostas continuarem pendentes, use material público ou sintético no teste e mantenha os dados da empresa no caminho já aprovado.

Onde está o exagero neste lançamento?

O maior exagero é tratar um modelo promissor como substituto pronto para todo um sistema de trabalho. As distinções úteis são práticas.

Prometer pesos abertos não é disponibilizar um download. O prazo da Moonshot é 4 de novembro de 2026, conforme seu anúncio. Os pesos são os arquivos resultantes do treinamento que permitem executar um modelo por conta própria. Uma empresa que exige implantação privada deve esperar pelos arquivos, pela licença e pelas orientações de implantação antes de comprometer infraestrutura ou prometer essa opção a um cliente.

Uma janela de contexto grande não garante respostas corretas. Mais espaço para documentos não comprova que todos os fatos importantes serão preservados na recuperação de informações, no raciocínio e na resposta final. Exija citações que apontem para o material fornecido e confira os conflitos entre versões dos documentos.

Um endpoint mais rápido não acelera automaticamente um processo de negócio. Um fluxo que redige respostas de atendimento pode passar mais tempo esperando aprovação do que gerando texto. Uma tarefa no repositório pode gastar mais tempo executando verificações. Meça o tempo até a conclusão antes de pagar mais pela velocidade.

Uma pontuação alta não transfere todos os recursos ao redor do modelo. As permissões das ferramentas, o acesso às fontes, o ambiente de execução e a aprovação humana ainda precisam ser definidos. Mantenha a resposta do modelo separada da autorização para enviar uma mensagem, sobrescrever um registro ou publicar uma alteração.

Perguntas frequentes

O Kimi K3 é uma empresa chinesa?

O Kimi K3 é um modelo, não uma empresa. Sua desenvolvedora é a Moonshot AI. Para adotá-lo na empresa, identifique a entidade específica que assinará o contrato e o caminho de processamento dos dados, sem tratar o nome do modelo como uma pessoa jurídica.

Em quais dispositivos dá para usar o Kimi K3?

Usar um modelo hospedado e executar seus pesos são coisas diferentes. Para o novo Pro, a Moonshot lista acesso pelo navegador, pelo celular, pelo desktop, por ferramentas de programação e pela API; essas opções não comprovam que o modelo seja executado no seu dispositivo. Consulte a seção sobre disponibilidade acima.

O Kimi K3 está disponível nos Estados Unidos?

O anúncio do Pro lista formas de acesso online, mas não comprova que qualquer pessoa nos Estados Unidos possa abrir uma conta. Verifique cadastro, cobrança e aprovação da sua empresa para o serviço específico que pretende usar.

O Kimi K3 usa NVIDIA?

O anúncio do Pro não especifica o hardware usado para servir o modelo em produção. Não transforme o hardware mencionado na configuração de um benchmark em uma afirmação sobre o hardware que atende à sua requisição.

É possível rodar o Kimi K3 localmente?

O K3 e o K3.1 Pro têm históricos de lançamento distintos. Para decidir sobre o Pro, planeje com base no acesso hospedado até que os pesos prometidos e as orientações de implantação estejam disponíveis; não deduza que o Pro está pronto para uso local só porque existe um download do K3.

Qual é a melhor GPU para aprender IA?

Essa é uma decisão de compra separada do teste do Pro. Siga os requisitos de hardware informados pelo curso ou pelo modelo local que pretende executar; este anúncio não traz uma recomendação geral de GPU.

É melhor rodar IA na CPU ou na GPU?

Para avaliar o Pro por meio de um serviço hospedado, escolha primeiro a forma de acesso ao serviço. Para hospedá-lo por conta própria, espere por uma configuração de implantação compatível em vez de escolher o hardware com base em um benchmark de lançamento.

Qual é a GPU mais potente do mundo para IA?

Este lançamento não estabelece um ranking de hardware. Para uma futura implantação do Pro, o requisito relevante é uma configuração compatível que atenda à carga de trabalho e ao orçamento operacional.

Qual GPU é melhor para IA: NVIDIA ou AMD?

Confira o software de inferência compatível e o hardware testado para o modelo disponibilizado antes de escolher um fornecedor. O anúncio do Pro, isoladamente, não comprova compatibilidade nem recomenda a compra de nenhuma das duas marcas.

Como começar na segunda-feira

Dê ao Pro padrão uma tarefa de escopo delimitado, com um teste de aceitação conhecido, e mantenha a opção atual disponível. Uma boa primeira tarefa é corrigir um repositório que já tenha verificações ou extrair informações de documentos históricos cujas respostas nas fontes sejam conhecidas.

1. 1

   Defina o que será um resultado aprovado

   Registre a saída exigida, as ações proibidas e as verificações antes de abrir o modelo. Use material sem dados sensíveis até que o caminho de acesso ao provedor pretendido seja aprovado.

2. 2

   Selecione o modelo e a forma de acesso pretendidos

   Escolha explicitamente o Pro padrão no produto ou na API que usaria no trabalho recorrente. Mantenha o mesmo briefing da tarefa e os mesmos critérios de aceitação na comparação com o modelo atual.

3. 3

   Registre o custo completo

   Registre o uso faturado, as tentativas malsucedidas, as cobranças de ferramentas, o tempo até a conclusão e o esforço de revisão. Inspecione o resultado sem deixar que o nome do modelo determine sua aprovação.

4. 4

   Migre apenas o trabalho em que a troca compensa

   Encaminhe ao Pro as tarefas que passam nas verificações e custam menos. Mantenha o modelo atual quando houver regressões, requisitos de dados pendentes ou trabalho em que a revisão anule a economia. Avalie o Highspeed separadamente se a espera continuar cara.

Para decisões práticas sobre a adoção de modelos, assine a newsletter.