Kimi K3.1 Pro foi lançado: contexto de 1M, pesos abertos previstos para 4 de novembro

A Moonshot AI lançou o Kimi K3.1 Pro em 23 de outubro de 2026: um modelo com janela de contexto de 1.048.576 tokens, voltado para trabalho agêntico e de programação, com pesos totalmente abertos prometidos para 4 de novembro. O preço da API é a única coisa que falta: nas páginas que verificamos em 23 de outubro ele não está publicado.

Então, se você veio por um veredito rápido, aqui está: modelo interessante, números fortes do fornecedor, ainda sem como precificar uma carga de trabalho nele. Abaixo está o que o anúncio realmente diz, como ler os benchmarks e um cálculo de custo para o mesmo tipo de trabalho em modelos que você pode rodar hoje.

O que a Moonshot anunciou#

O anúncio do Kimi K3.1 Pro (verificado em 23 de outubro de 2026) diz que o K3.1 Pro é o primeiro modelo da série K3.1. Há também uma variante mais rápida, Kimi K3.1 Pro Highspeed, que a Moonshot descreve como 2–3× mais rápida. Os ids da API são kimi-k3.1-pro e kimi-k3.1-pro-highspeed.

A Moonshot o chama de "modelo open-weight de classe 3T" e diz que os pesos completos chegam até 4 de novembro de 2026. Um repost no Telegram cita uma contagem exata de parâmetros; a página oficial não cita, então trate esse número como não confirmado.

Onde você pode usá-lo hoje, segundo o anúncio: Kimi.ai e os apps, Kimi Work desktop 3.1.0+, Kimi Code (via /model), a API Kimi (com Zero Data Retention para clientes de API) e Kimi Business, onde um administrador empresarial precisa ativá-lo — ele vem desativado por padrão no lançamento.

Limites e detalhes da API#

O quickstart (verificado em 23 de outubro de 2026) traz estes números:

• janela de contexto: 1.048.576 tokens;
• max_completion_tokens: 131.072 por padrão, até 1.048.576;
• preço fixo por token, sem faixas de contexto;
• cache de contexto automático com TTL padrão de 5 minutos; gravações de cache são cobradas por TTL (5 minutos ou 1 hora), entrada em cache pelo preço de acerto de cache;
• URL base https://api.moonshot.ai/v1, com exemplos para o SDK da OpenAI.

Sobre o preço. A página de preços retornou tabelas vazias para o K3.1 Pro quando olhamos em 23 de outubro. Nenhum preço de entrada, cache ou saída é público ainda, então qualquer "o Kimi K3.1 Pro custa X" que você veja hoje é um chute.

Os benchmarks, e como lê-los#

Todos estes são números da própria Moonshot, executados com esforço máximo de raciocínio, temperatura 1.0, top-p 0.95:

• Terminal-Bench 4.0: 65,7% (GPT-6 Astra 58,2%, Claude Opus 5.5 66,4%);
• BenchCAD com ferramentas: 92,7% (Opus 5.5 96,2%, GPT-6 Astra 95,9%);
• Kimi Code Bench 3.0, horizonte longo: 61,2% contra 55,95% do K3;
• taxa de alucinação em nível de afirmação no Kimi Hallu Bench Hard interno da Moonshot: 8,3%, abaixo dos 23,4% do K3.

Leia isso como: perto do topo em tarefas de terminal, atrás em CAD, e uma grande queda alegada em afirmações inventadas em relação ao antecessor. Dois dos quatro são benchmarks internos da Moonshot, então espere execuções independentes antes de reconstruir qualquer coisa em cima deles. A Moonshot também diz que removeu dados relacionados a cibersegurança do mid-training e do aprendizado por reforço para limitar capacidade cibernética ofensiva.

O que isso significa para a sua conta de agente#

Uma janela de 1M importa quando seu agente mantém muito contexto: arquivos de repositório, saída de ferramentas, histórico longo. Mas a maioria dos loops de agente não precisa de um milhão de tokens por chamada; precisa de algumas dezenas de milhares, repetidas muitas vezes. É daí que vem a conta, e você pode precificá-la hoje.

Digamos que seu agente execute 1.000 passos, e cada passo envie 30.000 tokens de contexto e receba 800 tokens de volta. Isso dá 30.000 × 1.000 = 30.000.000 tokens de entrada e 800 × 1.000 = 800.000 tokens de saída. A tabela precifica exatamente isso nos modelos disponíveis na CheapTokens, ao lado da referência do OpenRouter:

Para loops agênticos e de programação, o MiniMax-M2.7 é a escolha direta: nos fatos que verificamos em 23 de outubro de 2026, tanto sua entrada quanto sua saída são mais baratas que a referência do OpenRouter, com contexto de 180K e até 8.192 tokens de saída por resposta. Um passo desta carga de trabalho custa $0.0016.

Os preços vêm da lista de preços ao vivo, então os números acima se atualizam quando as tarifas mudam. Para ver os modelos lado a lado, abra a página de preços; para uma estimativa passo a passo do seu próprio loop, veja como estimar o custo de um agente de IA.

Experimente a mesma carga de trabalho você mesmo#

A API da CheapTokens é compatível com a OpenAI, então um cliente existente só precisa de uma nova URL base e de um id de modelo. O id completo é obrigatório; o nome curto da lista de preços não é aceito:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "List the files you would read first in a Python repo with a failing test."}],
    "max_tokens": 400
  }'

A resposta traz um bloco usage com tokens de entrada e saída. Multiplique esses valores pelo seu número de passos e você tem sua própria versão da tabela acima. Detalhes de configuração estão na documentação; se você está escolhendo entre os três modelos, GLM vs DeepSeek vs MiniMax percorre a decisão por tarefa.

O que observar a seguir#

• O preço. Verifique novamente a página de preços do Kimi: assim que os preços de entrada, cache e saída aparecerem, você pode rodar o mesmo cálculo de 1.000 passos neles.
• 4 de novembro. Os pesos abertos. Avaliações independentes costumam seguir em poucos dias.
• Highspeed. Seu preço e janela de contexto não estão confirmados separadamente do K3.1 Pro.

Uma regra prática para qualquer novo modelo de contexto longo: precifique seu passo real (contexto de entrada, resposta de saída) antes de se empolgar com o tamanho da janela.