Kimi K3.1 Pro chega à API da Moonshot: pesos prometidos até 4 de novembro, versão Highspeed 2–3x mais rápida e mesmo preço para cache hit
Segundo um post de links de Simon Willison em 23 de outubro, o Kimi K3.1 Pro entrou na API da Moonshot naquele dia, sem pesos abertos ainda, mas com a promessa oficial de publicar os pesos completos até 4 de novembro; a versão Highspeed é 2–3 vezes mais rápida, custa o dobro e mantém o mesmo preço nos tokens de entrada com cache hit. O autor fez um único teste de SVG pelo endpoint compatível com OpenAI e comparou três níveis de esforço de raciocínio entre as duas gerações do modelo.

O que mudou
Segundo um post de links de Simon Willison de 23 de outubro de 2026, o Kimi K3.1 Pro chegou naquele dia à Kimi API da Moonshot com o nome kimi-k3.1-pro; a versão ainda não tem pesos abertos, e a Moonshot promete publicar os pesos completos do modelo até 4 de novembro de 2026. O mesmo modelo também tem uma versão Highspeed, cerca de 2–3 vezes mais rápida e com o dobro do preço, mas o preço dos tokens de entrada com cache hit é igual ao da versão padrão. Os preços em dólar citados no post são 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída; o autor diz que isso é igual ao GPT-6.1 Sol e cerca de metade do Claude Opus 5.5. Em avaliação, os benchmarks da própria Moonshot mostram o Kimi aproximadamente empatado com Opus 5.5 e GPT-6 Astra, à frente em poucos benchmarks e próximo em outros; o Artificial Analysis dá 55 pontos, acima dos 53 de Claude Fable 5.1, GPT-6 Astra e Gemini 4 Argon, e abaixo dos 58 de Claude Opus 5.5. Com base nisso, o autor considera que este é o primeiro modelo (prestes a ser) de pesos abertos a alcançar uma pontuação tão alta em comparação de fronteira. Ele chamou o modelo com uma ferramenta de linha de comando compatível com o endpoint OpenAI, gerou um SVG com um único prompt e observou que a ferramenta, por padrão, não registra resultados e que o traço de raciocínio precisa ser redirecionado e salvo à parte; em seguida comparou as saídas do K3.1 Pro e do Kimi K3 nos níveis baixo, médio e alto de esforço de raciocínio.
Impacto para desenvolvedores
Para quem usa a API, as mudanças práticas desta versão se concentram em três pontos. Na integração, o modelo usa o endpoint compatível com OpenAI da Moonshot, então clientes já compatíveis com OpenAI provavelmente podem testá-lo apenas trocando o nome do modelo; mas a ferramenta de chamada mencionada no post não grava resultados por padrão, e o traço de raciocínio precisa ser redirecionado e salvo manualmente, caso contrário faltará material bruto comparável ao comparar níveis de raciocínio. Na estratificação de versões, Highspeed e padrão não são uma simples troca de velocidade por dinheiro: o preço dos tokens de entrada com cache hit é o mesmo, o que significa que, em cenários com prefixo fixo e alta taxa de acerto de cache em prompts de sistema longos, o custo extra pago pela velocidade pode ser bem menor que o dobro aparente; já em tarefas em lote com baixa taxa de acerto de cache e alta proporção de tokens de saída, a diferença de custo se aproxima do dobro. Como referência de escolha, os benchmarks divulgados pelo fabricante apenas indicam empate aproximado com Opus 5.5 e GPT-6 Astra, e o índice de inteligência de terceiros ainda fica abaixo do Opus 5.5; tratar o K3.1 Pro como substituto do mesmo nível carece de evidência pública; além disso, os pesos ainda não foram liberados, então qualquer avaliação auto-hospedada ou privada precisa esperar a data prometida, e os termos da licença são desconhecidos, de modo que a conta de custo da auto-hospedagem não pode ser feita por enquanto.
Integração e avaliação
As sugestões a seguir são condicionais, baseadas na estratificação de versões e no modo de chamada descritos no post, e não são conclusões verificadas. Primeiro, como escolher entre versão padrão e Highspeed: meça a taxa de acerto de cache dos tokens de entrada e a proporção de tokens de saída das suas requisições e depois rode as duas versões com o mesmo lote de prompts, registrando o custo total por tarefa concluída e a latência p95; o Highspeed só tende a valer a pena quando a taxa de acerto de cache é alta e a tarefa é sensível à latência, enquanto processamento em lote offline com baixa taxa de acerto deve priorizar a versão padrão. Segundo, como definir o nível de raciocínio: o post menciona os níveis low, medium e max; classifique primeiro as tarefas em extração estruturada curta e agentes de cadeia longa, meça a taxa de sucesso e o consumo de tokens por nível em um conjunto de validação fixo e defina o nível padrão pela relação entre sucesso e custo, em vez de copiar o resultado de um único exemplo de SVG. Terceiro, esperar ou não pelos pesos: se você tem exigência de dados que não saem do país, precisa de ajuste fino ou tem grande volume mensal, use 4 de novembro como ponto de checagem e recalcule a conta de auto-hospedagem depois que os pesos e os termos da licença forem publicados; até lá, fazer comparações com pouco tráfego via API é a opção de menor custo.
Limites e pontos a confirmar
O kimi-k3.1-pro não aparece no catálogo em tempo real do KimiSeek, e a disponibilidade da API e os preços descritos neste artigo se referem ao canal oficial da Moonshot; se outras plataformas o oferecem ou como cobram precisa ser confirmado à parte; o catálogo em tempo real tem uma entrada Highspeed da mesma família, mas isso não significa que a versão padrão já esteja disponível nessa plataforma. Pesos abertos não equivalem a licença de código aberto: mesmo que os pesos completos sejam publicados na data prometida, o escopo da licença e as condições de uso comercial e redistribuição ainda não foram divulgados publicamente, e não se pode inferir que o uso ou ajuste fino sejam livres. Os preços mudam; 2 e 10 dólares são os preços registrados no post de 23 de outubro de 2026, e antes da integração consulte a página de preços do fabricante ou da plataforma usada. A força da evidência também é limitada: os benchmarks da Moonshot são divulgados pelo próprio fabricante, a pontuação do Artificial Analysis e a afirmação de que seria o primeiro modelo de pesos abertos com pontuação tão alta vêm da transcrição do autor, e a geração de SVG e a comparação dos três níveis de raciocínio são resultados de um único prompt, que não representam capacidade geral; a escolha real ainda precisa ser validada no seu próprio conjunto de tarefas.
Ilustrações da notícia original
