Kimi K3.1 Pro entra no top 4 global de IA e custa um quinto do preço da Astra, da OpenAI

A chinesa Moonshot apresentou o Kimi K3.1 Pro, atualização do modelo K3 lançado em julho de 2026. Segundo a empresa, ele "iguala os modelos proprietários mais fortes" em benchmarks importantes, e os pesos do modelo (os parâmetros que permitem baixar e rodar a IA por conta própria) devem ficar disponíveis gratuitamente a partir de 4 de novembro de 2026, conforme o The Rundown AI noticiou em 26 de outubro de 2026.

Para quem escolhe modelo e monta agente no dia a dia, o anúncio importa menos pelo discurso de marketing e mais por três números concretos: posição em ranking independente, preço por token e data de liberação dos pesos.

Onde ele ficou num ranking que não é da própria Moonshot

A Artificial Analysis, empresa que mantém um dos rankings mais usados para comparar modelos de linguagem, colocou o K3.1 Pro em 4º lugar geral no seu Intelligence Index. Ele ficou à frente do GPT 6 Astra, da OpenAI, e atrás apenas da dupla 5.5 da Anthropic e do Muse Wonder, da Meta.

Isso é relevante porque sai de um medidor externo, não de benchmark escolhido pela própria fabricante. Já os números sobre tarefas específicas (projetos de programação de horas de duração, perguntas acadêmicas de nível avançado, pesquisa documental extensa e tarefas de trabalho real) em que a Moonshot diz superar o Opus 5.5, da Anthropic, vieram de testes internos da própria empresa. Vale tratar como indicação, não como verificação independente, até alguém reproduzir o teste.

O preço é um quinto do que a Astra cobra

O K3.1 Pro custa 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída (tokens são as unidades de texto que o modelo processa e pelas quais ele cobra). Esse valor equivale ao praticado pelo Sonnet 5.5, da Anthropic, e corresponde a um quinto do que custa o Astra, da OpenAI, segundo o levantamento citado pela newsletter.

Tem uma ressalva que muda a conta na prática: o K3.1 Pro consome tokens numa taxa mais alta que seus rivais de fronteira para completar a mesma tarefa. Isso significa que o preço por token mais baixo não garante, sozinho, a tarefa mais barata. Quem for comparar custo real precisa medir tokens consumidos por tarefa concluída, não só o preço de tabela por milhão de tokens.

Pesos abertos em 4 de novembro, e o que isso destrava

A Moonshot prometeu liberar os pesos do K3.1 Pro gratuitamente até 4 de novembro de 2026. Na prática, isso quer dizer que qualquer equipe vai poder baixar o modelo e rodá-lo em infraestrutura própria, sem depender da API da Moonshot nem mandar dados para fora.

Para times no Brasil preocupados com residência de dados e LGPD, essa é a diferença entre usar um modelo de fronteira só via API hospedada fora e poder colocar um modelo competitivo dentro do próprio data center ou de uma nuvem contratada localmente. Com pesos abertos e benchmark de 4º lugar geral, o K3.1 Pro se torna candidato natural para quem já cogitava modelos abertos como Llama, mas queria algo mais perto do topo do ranking.

Bom em achar falha, e isso tem dois lados

A Artificial Analysis também classificou o K3.1 Pro como o melhor modelo aberto disponível em tarefas de defesa cibernética, com 64% de acerto e sem recusas de segurança, ficando atrás só de uma variante do GPT 6 que a OpenAI libera apenas para defensores verificados.

Isso soa bem para quem quer automatizar busca de vulnerabilidade em código próprio. Mas um modelo aberto que acha falha bem também pode ser usado por quem ataca, não só por quem defende, e aqui não existe o controle de acesso que a OpenAI aplica ao seu modelo gated. Em maio de 2026, o executivo-chefe da Anthropic, Dario Amodei, havia estimado de 6 a 12 meses até modelos chineses alcançarem os modelos de fronteira dos Estados Unidos em capacidade de hacking, segundo relato do mesmo boletim. O K3.1 Pro já aparece perto do topo em defesa, o que sugere que a capacidade de ataque também não deve estar muito atrás.

O clima entre quem trabalha com segurança reflete essa pressão. Jason Clinton, vice-diretor de segurança da Anthropic, resumiu o momento assim:

Vai ficar muito pior antes de melhorar.

A lot worse before they get better.Jason Clinton, vice-diretor de segurança da Anthropic

Dar acesso a um app sem entregar a senha pro agente

No mesmo boletim, o The Rundown AI publicou um guia separado (sem relação direta com a Moonshot) sobre usar o gerenciador de senhas 1Password para aprovar o login de um agente de IA em um site sem colar a senha no chat. O fluxo funciona assim:

1. Verificar se o agente tem integração oficial com o 1Password. O Muse (da Meta) e o Grok Bot (da xAI) já estão lançando esse recurso; o Claude, da Anthropic, usa um esquema separado no Mac.
2. Guardar uma conta de teste sem dado sensível no 1Password e sair da sessão no navegador que o agente vai usar.
3. Pedir ao agente só para ler uma página, sem permissão para editar, enviar mensagem ou comprar nada, e negar o primeiro pedido de acesso para checar o que ele mostra.
4. Aprovar o login de teste correto e confirmar que o agente lê a página sem alterar nada nem perguntar a senha no chat.
5. Encerrar a tarefa, sair do site e remover a conexão com o 1Password, checando o navegador e as configurações da conexão.

Esse recurso específico ainda não está disponível para o Kimi, nem aparece listado entre os agentes citados pela reportagem. Mas o padrão por trás dele vale pra qualquer modelo que uma equipe decida usar, incluindo quem for rodar o K3.1 Pro localmente a partir de novembro: em vez de colar credencial direto no prompt do agente, conceder acesso delimitado e revogável por um cofre de senhas é o caminho mais seguro, independente de qual modelo está do outro lado.

Isso muda o que dá pra delegar com segurança. Um agente que só enxerga uma sessão autorizada, sem nunca ver a senha, pode ser liberado para ler um sistema interno ou um painel de terceiro sem abrir um risco novo de vazamento de credencial, e a revogação de acesso vira tão simples quanto remover a conexão no próprio gerenciador de senhas.

Fonte: The Rundown AI