A Moonshot colocou no ar nesta sexta-feira o Kimi K3.1 Pro, primeiro modelo da nova família K3.1, com janela de contexto de 1 milhão de tokens e pesos abertos prometidos para até 4 de novembro. A empresa também anunciou uma versão Highspeed, de 2 a 3 vezes mais rápida.
O que está disponível hoje e o que fica para 4 de novembro
O Kimi K3.1 Pro já pode ser usado em quatro frentes: o site Kimi.com, o Kimi Work, o Kimi Code e a API da plataforma. A versão Highspeed estreia junto. Os pesos completos, porém, não saíram no mesmo dia. A Moonshot afirma que serão liberados até 4 de novembro, sem cravar uma data exata.
Essa diferença de calendário importa. Quem usa o modelo como serviço consegue testar agora. Quem quer baixar os arquivos e rodar em infraestrutura própria precisa esperar. Para empresas que avaliam custo de inferência e controle sobre os dados, são dois momentos distintos de decisão.
Vale o mesmo para a licença. O anúncio não detalha as condições de uso comercial dos pesos, e o texto oficial fala apenas em modelo de pesos abertos. O termo não se confunde com código aberto no sentido estrito. A licença deve sair junto com os arquivos. A publicação no Hugging Face é esperada para as próximas semanas.
Kimi K3.1 Pro: classe 3T e contexto de 1 milhão de tokens
A Moonshot classifica o K3.1 Pro como um modelo de "classe 3T" com pesos abertos. A empresa não abre a divisão entre parâmetros totais e ativos por token, detalhe que concorrentes publicam quando usam mistura de especialistas. O que ela confirma é o tamanho da janela de contexto: 1.048.576 tokens.
Na prática, contexto de 1 milhão muda a rotina de quem trabalha com código. Em vez de fatiar um repositório em pedaços e explicar a estrutura em várias mensagens, dá para entregar o projeto inteiro e pedir uma alteração que atravesse dezenas de arquivos. O custo sobe na mesma proporção, porque prompt longo é cobrado por token.
O K3.1 Pro é um pós-treinamento do Kimi K3, com volume bem maior de computação nessa etapa. Segundo a Moonshot, o time ajustou o framework de aprendizado por reforço, a inferência de contexto longo e a infraestrutura de sandbox para que cada incremento de treino rendesse ganho previsível. É a explicação técnica para um padrão que o mercado já conhece: mesma base, mais treino direcionado, resultado melhor em tarefas específicas.
O que os benchmarks do K3.1 Pro mostram, segundo a Moonshot
Todos os números a seguir vêm da própria Moonshot e ainda não passaram por auditoria independente. No Terminal-Bench 4.0, que mede agentes de programação em tarefas de linha de comando, o K3.1 Pro marca 65,7%. Fica à frente do GPT-6 Astra, com 58,2%, e logo atrás do Claude Opus 5.5, com 66,4%.
No Kimi Code Bench 3.0 Long-horizon, benchmark interno que testa execução em várias etapas e uso de ferramentas, a pontuação é 61,2%, contra 55,95% do K3. O salto interessa a quem delega tarefas longas.
Em 3D, a empresa reporta 92,7% no BenchCAD com uso de ferramentas, prova que parte da reconstrução de objetos a partir de várias vistas até a geração de código CAD. Claude Opus 5.5 aparece com 96,2% e GPT-6 Astra com 95,9%. No OfficeQA Pro v2, que testa análise de documentos financeiros reais, o K3.1 Pro chega a 64,4 e a Moonshot chama o resultado de estado da arte.
Há um número que merece contexto. Em um teste interno de estresse sobre precisão factual, a taxa de alucinação por afirmação caiu de 23,4% no K3 para 8,3% no K3.1 Pro. A própria empresa avisa que o conjunto foi montado com perguntas difíceis de propósito. Portanto, não serve como estimativa de erro no uso diário.
A capacidade de ciberataque que a Moonshot reduziu de propósito
A parte mais incomum do anúncio não está nos benchmarks. A Moonshot diz ter identificado e removido dados relacionados a segurança ofensiva tanto do corpus de mid-training quanto dos ambientes de aprendizado por reforço. O objetivo era evitar que os pesos abertos ampliassem a fronteira de capacidade ofensiva disponível para qualquer pessoa.
A empresa mede o efeito em um benchmark próprio, o xdev-bench-hard, com tarefas de descoberta e exploração de vulnerabilidades em código real, incluindo componentes do kernel Linux, Node.js e Exim. Um checkpoint sem as medidas de controle resolvia 90,5% dos problemas. O K3.1 Pro final fica em 81,0%.
O corte tem preço. A capacidade cibernética do modelo ainda supera a do K3, o que a Moonshot atribui à melhora geral em programação e depuração de tarefas longas. A empresa também afirma que o modelo segue atrás de sistemas proprietários de fronteira que já estão públicos há pelo menos três meses. Esse tipo de comparação é difícil de verificar por fora.
A justificativa oficial é defender quem precisa auditar código. Um modelo aberto, rodando em infraestrutura controlada pelo usuário, permite revisar sistemas legados que nunca recebem auditoria dedicada. É um argumento defensável e conveniente ao mesmo tempo.
Quanto custa usar o Kimi K3.1 Pro pela API
Quanto custa, na prática? A Moonshot não publicou tabela de preços no anúncio. Agregadores do mercado listam o K3.1 Pro a cerca de 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de saída, com leitura de cache em torno de 0,20 dólar. A versão Highspeed aparece pelo dobro, na faixa de 4 e 20 dólares. São valores de terceiros, não confirmados pela empresa.
É uma faixa competitiva entre modelos de fronteira, mas longe dos preços agressivos dos modelos compactos chineses. O cálculo real depende do tipo de uso. Sessões de código com repositório inteiro consomem entrada em volume, e aí o cache pesa mais que o preço de tabela.
O que muda para quem programa com modelos abertos
O K3.1 Pro chega num momento em que pesos abertos deixaram de ser bandeira ideológica e viraram decisão de compra. Empresas querem rodar modelos em servidores próprios por custo, latência e conformidade. A promessa da Moonshot atende a esse público, desde que a licença não invente barreiras na última hora.
Há também um recado para quem só usa API. O ciclo de lançamentos ficou curto, e vale testar no seu próprio fluxo em vez de decidir pelo ranking do dia.
Para os pesos, o prazo oficial é 4 de novembro. Até lá, a pergunta que fica é se a versão baixável virá com as mesmas salvaguardas descritas no blog ou se elas vivem apenas na camada de serviço.
