Kimi K3.1 Pro quase alcança o Claude Opus 5.5 em dois testes e custa metade do preço

A Moonshot lançou o Kimi K3.1 Pro em 23 de outubro de 2026 e dois testes independentes mostram um modelo quase no nível do Claude Opus 5.5, por metade do preço e com pesos abertos prometidos para novembro.

O que foi testado

A Moonshot AI, empresa chinesa de inteligência artificial, colocou o Kimi K3.1 Pro na própria API em 23 de outubro de 2026. O modelo ainda não tem os pesos abertos (o arquivo com os parâmetros treinados, que permite rodar a IA no próprio computador ou servidor), mas a Moonshot prometeu liberar esse arquivo até 4 de novembro de 2026, segundo registrou o desenvolvedor Simon Willison em seu blog.

O preço cobrado pela API é de US$ 2,00 por milhão de tokens (fragmentos de texto) de entrada e US$ 10,00 por milhão na saída, o mesmo valor do GPT-6.1 Sol e metade do que a Anthropic cobra pelo Claude Opus 5.5, segundo Willison. Há também uma versão "Highspeed", de duas a três vezes mais rápida, que custa o dobro (exceto quando o texto já estava em cache, caso em que o preço é igual).

Dois veículos cobriram o lançamento de formas diferentes. Simon Willison rodou o modelo com as próprias mãos, usando sua ferramenta de linha de comando chamada LLM. Já o site alemão The Decoder, em texto assinado por Matthias Bastian, reuniu os números oficiais divulgados pela Moonshot e pela Artificial Analysis, uma empresa independente que mede e compara modelos de IA por meio do Intelligence Index, um placar que soma o desempenho em várias tarefas diferentes.

Cada teste, um jeito

Simon Willison testou o modelo com as próprias mãos

Willison usou o comando llm openai endpoint, recurso que ele mesmo adicionou à ferramenta LLM na versão 0.32, lançada em agosto de 2026. O comando permite rodar qualquer serviço compatível com a API da OpenAI, incluindo a da Moonshot:

llm openai endpoint \
https://api.moonshot.ai/v1 \
--key kimi \
-m kimi-k3.1-pro \
"Generate an SVG of a pelican riding a bicycle" \
--responses \
-o reasoning_effort low \
> kimi-k3.1-pro-pelican-low.stdout.txt \
2> kimi-k3.1-pro-pelican-low.stderr.txt

O teste é um clássico de Willison: pedir que o modelo desenhe, em SVG (formato de imagem vetorial, descrito em código), um pelicano andando de bicicleta, tarefa visual para a qual nenhum modelo de linguagem foi treinado especificamente. Ele repetiu o comando nos três níveis de reasoning_effort que o Kimi K3.1 Pro aceita (low, medium e max), parâmetro que controla quanto o modelo "pensa" antes de responder, trocando velocidade por qualidade. Para efeito de comparação, ele rodou o mesmo teste no Kimi K3, versão anterior, nos mesmos três níveis.

Willison não comparou o resultado diretamente com o Claude Opus 5.5 no mesmo teste, mas destacou o peso do resultado geral do modelo nos rankings independentes:

Esta é a primeira vez que um modelo de pesos abertos (em breve) pontua tão alto contra os modelos de fronteira.

This is the first time a (soon-to-be) open weight model has scored this highly against the frontier.Simon Willison, desenvolvedor e criador da ferramenta LLM

The Decoder compilou os números oficiais da Moonshot e da Artificial Analysis

Matthias Bastian, do The Decoder, não rodou o modelo: ele reuniu e organizou os benchmarks (testes padronizados de desempenho) publicados pela própria Moonshot e os números da Artificial Analysis. No Intelligence Index da Artificial Analysis, o Kimi K3.1 Pro pontuou 55, um salto de 11 pontos sobre o Kimi K3, e ficou em quarto lugar geral, atrás do Claude Opus 5.5 (58), do Claude Sonnet 5.5 (56) e do Muse Wonder Full (56).

Os ganhos mais fortes apareceram em tarefas agentic (quando o modelo age de forma autônoma, executando passos em sequência). No GDPval-AA, benchmark de tarefas agentic da Artificial Analysis, o Kimi K3.1 Pro somou 1.846 pontos de Elo (sistema de pontuação comparativa usado em jogos e rankings), 312 pontos acima do Kimi K3 e perto do Claude Opus 5.5 (1.866). No Terminal-Bench 4.0, teste de uso de linha de comando, a Moonshot reportou 65,7%, contra 66,4% do Claude Opus 5.5 e 58,2% do GPT-6 Astra. O Kimi K3 havia feito apenas 13% no mesmo teste.

A taxa de alucinação (quando o modelo inventa informação como se fosse fato) também caiu: no teste interno Kimi Hallu Bench Hard, da própria Moonshot, as alucinações passaram de 23,4% no K3 para 8,3% no K3.1 Pro, ainda acima dos 5,5% do GPT-6 Astra. Em modelagem 3D, o modelo ficou perto do topo no BenchCAD (92,7% com ferramentas, contra 96,2% do Claude Opus 5.5) e ganhou um recurso chamado "3D Make" no site da Kimi, para visualizar, editar e exportar modelos 3D.

Um ponto sensível apareceu na parte de cibersegurança. A Moonshot removeu deliberadamente dados relacionados a ciberataques do treinamento antes de liberar a versão de pesos abertos, por entender que nenhum modelo aberto deveria avançar a fronteira de capacidades ofensivas, segundo relatou o The Decoder. Isso derrubou o resultado do modelo no teste interno xdev-bench-hard, de 90,5% (versão sem a limpeza) para 81,0% (versão que será liberada), abaixo dos 85,7% do DeepSeek-V4.1-Flash no mesmo teste.

O que os resultados dizem juntos

Os dois levantamentos, embora feitos de formas diferentes, apontam na mesma direção: o Kimi K3.1 Pro chegou perto do Claude Opus 5.5 nos índices mais amplos de desempenho, com diferenças de poucos pontos na maioria das tarefas comparáveis. A diferença de preço, por outro lado, é grande: metade do custo do Claude Opus 5.5, segundo Willison.

A diferença entre os dois testes está no tipo de evidência que cada um oferece. O teste de Willison é qualitativo: mostra, na prática, como o modelo se comporta num comando real, em diferentes níveis de esforço de raciocínio, mas não compara lado a lado com o Claude no mesmo prompt. Já os números do The Decoder vêm, em boa parte, de benchmarks internos da própria Moonshot, o que pede cautela: empresa testando o próprio produto tende a escolher as métricas em que se sai melhor. Os números que vêm da Artificial Analysis (Intelligence Index e GDPval-AA), por serem de um avaliador independente, pesam mais como referência neutra.

O ponto onde as duas fontes mais se separam é a cibersegurança. A Moonshot decidiu limitar deliberadamente a capacidade do modelo nessa área antes de liberar os pesos, trocando desempenho bruto (90,5% no teste interno) por um modelo mais seguro para distribuição aberta (81,0%). É uma escolha de política da empresa, não um limite técnico, e deixa o Kimi K3.1 Pro mais atrás do Claude Opus 5.5 justamente nessa frente (74,7% contra 91,0% no ExploitBench).

O que vale para você

Quem decide qual modelo usar num produto ou num fluxo de trabalho tem um cálculo simples pela frente: a diferença de pontuação entre o Kimi K3.1 Pro e o Claude Opus 5.5 é pequena (3 pontos no Intelligence Index da Artificial Analysis), mas a diferença de preço é grande (metade, segundo Willison). Para tarefas de código, modelagem financeira e 3D, onde os números batem perto, pode compensar testar o Kimi antes de pagar o preço cheio do Claude.

Para tarefas ligadas a segurança ofensiva, como testes de invasão (pentest) ou pesquisa de vulnerabilidades, o Kimi K3.1 Pro fica mais atrás, por uma escolha deliberada da Moonshot de limitar essa capacidade antes de abrir os pesos. Quem precisa desse tipo de uso ainda encontra uma vantagem maior no Claude Opus 5.5 ou em modelos como o DeepSeek-V4.1-Flash, segundo os números do The Decoder.

Quem quer rodar o modelo localmente, auditar o código ou treinar em cima dele, precisa esperar até 4 de novembro de 2026, data prometida pela Moonshot para liberar os pesos. E quem programa pode reproduzir o teste de Willison com a ferramenta LLM, testando os três níveis de reasoning_effort (low, medium, max) para ver na prática o equilíbrio entre velocidade e qualidade antes de trocar de modelo em produção.

Fontes: Simon Willison · The Decoder