Kimi K3.1 Pro encosta na Anthropic e corta preço

Kimi K3.1 Pro é aquele lançamento que te obriga a abrir a planilha de custos de novo. Por muito tempo a lógica foi simples: se você precisava de agente autônomo confiável, código que realmente roda e tarefa longa de terminal sem alucinar no meio, pagava Claude ou GPT topo de linha e engolia a fatura. A Moonshot AI acaba de quebrar essa lógica com um modelo chinês que saiu de 44 para 55 pontos no Artificial Analysis Intelligence Index e parou a apenas 3 pontos do Claude Opus 5.5.

O fato

A Moonshot AI lançou o Kimi K3.1 Pro como uma versão pós-treinada do Kimi K3, com muito mais computação de pós-treinamento mas com o mesmo tamanho base. Estamos falando de 2.8 trilhões de parâmetros totais e 104 bilhões ativos, janela de 1 milhão de tokens e suporte a texto e imagem. O salto foi de 11 pontos no índice, o que colocou o modelo em quarto lugar geral, atrás apenas do Claude Opus 5.5 com 58 pontos, do Claude Sonnet 5.5 com 56 e do Muse Wonder Full com 56.

O detalhe que importa para quem opera: junto com o Pro vem a variante K3.1 Pro Highspeed, que promete ser de duas a três vezes mais rápida. Ambos já estão disponíveis no Kimi.ai, Kimi Work, Kimi Code e na API da Kimi. E o plano declarado é liberar os pesos até 4 de novembro de 2026. Se isso se confirmar, o K3.1 Pro vira o maior modelo open-weights já avaliado e derruba a diferença entre aberto e proprietário de 12 para apenas 3 pontos.

Como funciona na visão de quem opera

Na arquitetura, nada indica um modelo novo do zero. É o mesmo MoE gigante do K3, provavelmente com roteamento esparso bem agressivo para manter só 104B ativos por token. Isso explica como a Moonshot manteve a fronteira de Pareto: nenhum outro modelo com essa contagem de parâmetros entrega 55 pontos no índice. O ganho veio de pós-treino pesado, que na prática significa mais RL em tarefas agênticas, mais dados de terminal e código real, e um trabalho forte de redução de alucinação em cadeias longas.

Os números de agente são os que mais chamam atenção. No GDPval-AA, o K3.1 Pro bateu 1.846 de Elo, 312 pontos acima do K3, colado no Claude Opus 5.5 com 1.866 e no Muse Wonder Full com 1.857. No Terminal-Bench 4.0, a Moonshot reporta 65.7 por cento, contra 58.2 por cento do GPT-6 Astra e 66.4 por cento do Opus 5.5. O K3 antigo fazia só 13 por cento no mesmo teste. Isso não é evolução incremental, é mudança de patamar em uso de shell, debugging, instalação de dependências e execução de scripts longos sem perder o fio.

Em alucinação, a queda foi brutal no benchmark interno Kimi Hallu Bench Hard, de 23.4 por cento para 8.3 por cento em nível de afirmação. A própria Moonshot diz que é um teste de estresse, não taxa de erro geral, e o GPT-6 Astra ainda está na frente com 5.5 por cento. Mas para quem roda agente com browsing e pesquisa financeira, isso muda tudo. Nos testes internos de finanças, foram mais 7.2 pontos em modelagem financeira e mais 11.6 em pesquisa financeira. No OfficeQA Pro v2, passou todos os modelos testados. Em 3D, o BenchCAD deu 92.7 por cento com ferramentas e 72.8 por cento sem ferramentas, quase empatando com o Opus 5.5.

E tem o preço, que é onde o operador sorri. Input caiu de 3 para 2 dólares por milhão de tokens, output de 15 para 10 dólares, cache hit de 0.30 para 0.20 dólar. Queda de 33 por cento mantendo o mesmo tamanho. O custo por tarefa no Intelligence Index ficou em 1.98 dólar, praticamente igual ao K3. Ou seja, você ganha 11 pontos de inteligência pelo mesmo custo de inferência. Se a sua carga usa muito cache de contexto longo, e com 1M de tokens vai usar, a conta fecha ainda melhor.

O que isso muda na prática

Quem ganha primeiro é quem vive de agente codando e operando máquina. O K3.1 Pro mexe direto com Unity, Unreal e Godot, faz desde quick fix até build de projeto inteiro, e escreve e executa scripts para Blender e CAD sem precisar de conector MCP. A Moonshot ainda colocou no ar o recurso 3D Make no Kimi.com para pré-visualizar, editar e exportar modelos. Para estúdio pequeno, freelancer de 3D e time de produto que prototipa rápido, isso tira uma etapa inteira de fricção entre prompt e arquivo usável.

• Troque um job real de avaliação: pegue um workflow que hoje só roda bem no Claude Opus ou Sonnet, algo com 30 a 50 passos de terminal, e rode em paralelo no K3.1 Pro e no Highspeed para medir taxa de sucesso e latência ponta a ponta.
• Reprecifique seu roteador de modelos: se você usa cascata, teste K3.1 Pro como default para coding e pesquisa, e deixe o Opus só para fallback quando houver falha de ferramenta ou alucinação crítica.
• Audite cache e contexto: com 1M de tokens e cache a 0.20 dólar, vale reescrever seu system prompt para aproveitar prefixo estável e reduzir custo em sessões longas de agente.

Na prática, o recado é direto. Se você paga 15 dólares por milhão de output hoje, precisa justificar por que não está testando um modelo a 10 dólares que chega a 95 por cento da performance em terminal e CAD. Para startup brasileira que queima caixa em API, essa diferença banca mais eval, mais retry e mais contexto sem estourar o orçamento do mês.

Isso escala ou só move o gargalo?

Aqui entra a dúvida honesta de operador. Um salto de 13 por cento para 65.7 por cento no Terminal-Bench não vem só de prompt melhor. Vem de pós-treino massivo focado naquele formato de tarefa. A pergunta é quanto disso generaliza para o seu repo bagunçado, com Docker quebrado, permissão estranha e dependência de 2019. Benchmark de agente é notoriamente sensível a harness, esforço de raciocínio no máximo e ferramentas específicas. A Moonshot avaliou tudo com reasoning em max, o que aumenta qualidade mas também aumenta latência e custo real. O Highspeed promete resolver parte disso, mas ainda não temos números independentes de throughput e p95 em produção.

Tem outro ponto que incomoda. O modelo ainda é fechado hoje, com promessa de pesos abertos só em novembro de 2026. Até lá, você está preso à API da Kimi, com toda a discussão de latência intercontinental, compliance de dados e dependência de fornecedor chinês. Para muita empresa, isso pesa mais que 3 pontos no ranking. E mesmo com a queda de preço, 10 dólares de output continua caro se você deixar o agente em loop infinito. O gargalo sai da inteligência e vai para orquestração: timeout, retry, validação de ferramenta e limite de custo por run. Quem não tiver guardrail vai trocar uma conta alta por outra conta alta, só que mais rápida.

Conclusão

O Kimi K3.1 Pro não é só mais um modelo chinês encostando nos americanos. É um sinal de que a fronteira de agentes, código e 3D já não tem dono, e que dá para entregar quase nível Opus por dois terços do preço. Vale testar agora no seu pior workflow agêntico e medir sem dó? Ou o risco de infraestrutura e compliance ainda segura você no Claude por mais um ciclo?