Kimi K3.1 Pro em português (BR): teste prático contra Claude Opus 5.5, GPT-6 Astra e Gemini 4

Atualização (9 de novembro de 2026): Claude Fable 5.2 e Mythos 5.2 foram lançados - preços, acesso e benchmarks no meu guia do Claude Fable 5.2.

👁 119 leituras

Submeti o Kimi K3.1 Pro a uma bateria de 12 tarefas escritas do zero em português brasileiro e adaptadas à realidade nacional - de cálculo de ICMS “por dentro” e validação de CPF em Python até reclamação ao SAC e expressões idiomáticas. Neste recorte local realizado em 24 de outubro de 2026 via API, o modelo atingiu 69,0 de 72 pontos, empatando no segundo lugar com Gemini 4 Argon, Qwen3.8 Max 0902 e GPT-6 Astra, atrás apenas do gabarito perfeito do Claude Opus 5.5.

• Pontuação no Brasil: 69,0 / 72 pontos (2º lugar empatado entre 7 modelos avaliados neste idioma).
• Onde gabaritou (6,0/6): validação de CPF em código, cálculo de ICMS (18%), revisão gramatical, gírias e trocadilhos, resumo local, extração JSON, formato de datas/números, fato local, raciocínio lógico e contexto longo (~30 mil tokens).
• Onde perdeu pontos: somou errado a devolução em dobro em uma carta formal ao SAC (4,0/6) e caiu no falso cognato “eventualmente” / “eventually” na tradução (5,0/6).
• Custo e velocidade na bateria local: US$ 0,147 pelas 12 tarefas no endpoint moonshotai/mxfp4, com mediana de 88 tokens/s e 116 segundos no total.
• Escopo do teste: execução em tentativa única via OpenRouter; diferenças de 1 a 2 pontos equivalem a empate prático e os números refletem apenas este endpoint de API, não a interface web do Kimi.

Como avaliei o Kimi K3.1 Pro na realidade brasileira

Este artigo detalha os resultados em português do Brasil que compõem o meu estudo geral sobre o Kimi K3. Em 24 de outubro de 2026, avaliei o Kimi K3.1 Pro em 10 idiomas de mercado, com 12 tarefas criadas do zero para cada país (sem traduzir um teste único). No cenário brasileiro, os exercícios exigiram domínio de convenções e regras locais: redação de reclamação ao SAC com base no Código de Defesa do Consumidor, expressões idiomáticas e trocadilhos, resumo de notícia local, tradução bidirecional com falsos amigos (PT-BR e inglês), cálculo tributário com moeda local (R$) e ICMS “por dentro” de 18% informado no enunciado, formatação de datas e números, script em Python para validar CPF com comentários em português, problema lógico, extração para JSON, pergunta sobre fato local, busca de três informações específicas em cerca de 30 mil tokens de atas de condomínio e revisão de erros gramaticais.

Todas as chamadas rodaram pelo OpenRouter com o mesmo prompt de sistema em português, reasoning effort em “medium”, limite de 16.000 tokens de saída, streaming ativado e uma única tentativa por tarefa. Cada exercício valia de 0 a 6 pontos (três critérios de 0 a 2 pontos), somando 72 pontos possíveis. Parte da correção foi automatizada (cálculo em R$ com tolerância de 0,01, expressões regulares em datas, validação de JSON, fatos, contexto longo e execução do validador de CPF em processo isolado python -I com números ocultos válidos e inválidos).

As tarefas abertas de linguagem (carta formal, idiomatismos, resumo, tradução, comentários do código e dois critérios de revisão textual) foram avaliadas às cegas por dois juízes de IA: GPT-6.1 Sol e Gemini 4 Argon. Para evitar favorecimento da própria família, respostas do GPT-6 Astra foram julgadas apenas pelo Gemini 4 Argon, respostas do Gemini foram julgadas apenas pelo GPT-6.1 Sol, e os demais modelos (incluindo Kimi K3.1 Pro e Claude Opus 5.5) receberam a média dos dois avaliadores.

Ranking completo, velocidade e custo em português (BR)

No recorte brasileiro, o Kimi K3.1 Pro obteve o seu melhor desempenho entre os 10 idiomas que testei: 69,0 pontos em 72 possíveis, sem nenhuma resposta fora de tópico neste idioma. Veja a tabela completa com a distinção clara de cada endpoint utilizado no OpenRouter:

*Nota sobre velocidade: as requisições rodaram em paralelo (até 20 simultâneas), portanto os tempos servem apenas como referência. Além disso, o GPT-6 Astra rodou no Brasil pelo endpoint mais barato openai/flex, o que torna seus tempos não comparáveis aos de endpoints padrão; a variante Kimi K3.1 Pro Highspeed foi testada exclusivamente no idioma polonês por restrição orçamentária, não sendo possível inferir sua velocidade ou qualidade em português.

Olhando para os números acima, do 1º ao 6º colocado a distância é de apenas 3,5 pontos, e entre o Kimi K3.1 Pro (69,0) e o DeepSeek V4.1 Flash 1017 (68,5) há meio ponto de diferença. Como o experimento usa tentativa única por questão, variações de 1 a 2 pontos funcionam na prática como empate.

Desempenho tarefa por tarefa e trechos reais das respostas

O Kimi K3.1 Pro alcançou a nota máxima (6,0/6) em 10 das 12 categorias em português. Na tarefa l (correção de erros gramaticais), apenas o Kimi e o Claude Opus 5.5 atingiram 6,0 pontos (a média dos concorrentes foi 4,7). Ele também gabaritou a criação do algoritmo de validação de CPF (tarefa g), o cálculo de ICMS por dentro (tarefa e) e a busca de informações em atas de condomínio de ~30 mil tokens (tarefa k).

1. Onde o Kimi brilhou: gírias e trocadilhos (Tarefa b - 6,0 / 6 pontos)

Na tarefa de expressões idiomáticas e humor em português, o Kimi K3.1 Pro conquistou 6,0 de 6 pontos, empatando com Claude Opus 5.5, GPT-6 Astra e Gemini 4 Argon (a média dos rivais foi 5,5). Veja um trecho exato da resposta gerada pelo Kimi K3.1 Pro:

1. **Expressões**
   - **a) Pagar o pato:** sofrer as consequências ou arcar com o prejuízo de algo, muitas vezes sem ter culpa.  
     *Exemplo:* “A equipe inteira errou, mas fui eu que paguei o pato na reunião.”
   - **b) Engolir sapo:** suportar uma situação desagradável ou uma ofensa sem reagir.  
     *Exemplo:* “Ele engoliu sapo ao ouvir as críticas injustas do chefe.”
   - **c) Pisar na bola:** cometer uma falha ou decepcionar alguém.  
     *Exemplo:* “Prometi ajudar e acabei esquecendo; pisei na bola com você.”
   - **d) Tirar o cavalinho da chuva:** desistir de uma expectativa; parar de contar com algo que provavelmente não acontecerá.  
     *Exemplo:* “Se você espera folgar antes de entregar o relatório, pode tirar o cavalinho da chuva.”

2. **Trocadilho da vaca:** a graça está em **Via Láctea** ser o nome da nossa galáxia e, ao mesmo tempo, remeter a **leite**, associado às vacas

Ambos os juízes deram nota máxima em todos os critérios, destacando as explicações naturais e a criação correta de uma piada curta contrastando a fruta “manga” com a manga de uma camisa.

2. Deslize aritmético na reclamação formal (Tarefa a - 4,0 / 6 pontos)

Na redação de uma reclamação formal ao SAC de uma operadora de telecomunicações sobre cobrança indevida de três mensalidades de R$ 49,90, o Kimi escreveu um texto bem estruturado, mas errou a multiplicação do reembolso em dobro. Confira o trecho exato da resposta do Kimi K3.1 Pro:

Diante do exposto, requeiro:

1. o cancelamento imediato do referido pacote e a interrupção de qualquer cobrança relacionada a ele;
2. a devolução em dobro dos valores pagos indevidamente, totalizando R$ 149,70, o que corresponde a R$ 299,60

Três faturas de R$ 49,90 somam de fato R$ 149,70, mas o dobro desse valor é R$ 299,40 - e não R$ 299,60. Como o gabarito pré-definido zerava o segundo critério (K2=0) caso o valor informado estivesse incorreto, o Kimi perdeu 2 pontos aqui. O DeepSeek V4.1 Flash 1017 (6,0/6), por exemplo, solicitou “a devolução em dobro dos valores pagos indevidamente, nos termos do art. 42, parágrafo único, do Código de Defesa do Consumidor” sem arriscar uma soma errada.

3. Armadilha de tradução com falsos cognatos (Tarefa d - 5,0 / 6 pontos)

Na tarefa de tradução bidirecional cheia de falsos amigos entre português e inglês, o Kimi K3.1 Pro acertou todas as armadilhas da segunda parte (para o português), mas escorregou em um clássico na versão para o inglês. Trecho exato da resposta do Kimi K3.1 Pro:

1: I’m currently looking for an internship, but it’s been tough. My boss said he’d renew my contract eventually-which means I shouldn’t hold my breath. I’m fed up. My girlfriend, who’s a real suck-up to her boss, tells me not to stress about it.

2: Na verdade, eu finjo que estou calmo, mas estou muito nervoso. Acabei empurrando a porta e entrando na biblioteca. Meus pais são muito exigentes

Enquanto em português “eventualmente” indica possibilidade ocasional (“talvez em algum momento”), o inglês eventually indica certeza no futuro (“mais cedo ou mais tarde”). O Gemini 4 Argon (6,0/6) resolveu a passagem com precisão usando My boss said he might renew my contract at some point, garantindo a nota cheia, enquanto o Kimi ficou com 5,0 pontos.

Implicações práticas e limites deste comparativo

Na prática, o teste mostra que o Kimi K3.1 Pro lida muito bem com o português brasileiro contemporâneo, tanto em tarefas estruturadas (código Python para CPF, JSON, matemática fiscal com ICMS) quanto em revisão fina de texto e linguagem coloquial. Ainda assim, o erro de R$ 0,20 na carta ao SAC ilustra um cuidado importante para quem usa LLMs no trabalho: mesmo quando o modelo acerta uma conta complexa de impostos em uma tarefa dedicada, ele pode cometer um deslize aritmético banal dentro de uma redação jurídica ou comercial.

Se você quiser testar o modelo nos seus próprios fluxos de trabalho, pode acessar a plataforma oficial por este link de indicação do Kimi (aviso: trata-se de um link de afiliado pelo qual posso receber uma comissão, sem custo extra para você).

Antes de tirar conclusões definitivas, é fundamental considerar as limitações metodológicas deste experimento:

• Não generalize para outros idiomas ou tarefas: o excelente resultado de 69,0/72 diz respeito apenas a estas 12 tarefas em português do Brasil. No teste global de 10 idiomas (120 tarefas no total), o endpoint moonshotai/mxfp4 do Kimi K3.1 Pro apresentou 8 respostas completamente fora de tópico em alemão, italiano, turco e japonês (que receberam nota zero no ranking oficial). No português brasileiro nenhuma falha desse tipo ocorreu, mas o problema de estabilidade daquele endpoint na API existiu em outras línguas.
• API versus aplicativo web: todos os testes foram executados via API no OpenRouter. O comportamento de um endpoint específico (moonshotai/mxfp4) não comprova nem garante comportamento idêntico na interface web oficial do Kimi.
• Risco de viés de estilo do gerador: o conjunto de tarefas e os gabaritos foram preparados por um agente rodando sobre o Claude Opus 5.5 - o mesmo modelo que terminou em 1º lugar com 72/72 pontos. Embora a maior parte da nota venha de scripts automáticos e os juízes de IA pertençam a outras famílias (OpenAI e Google), este não é um benchmark humano independente e pode haver afinidade com o estilo do Opus.
• Saturação nas tarefas automáticas: em cinco categorias (f, h, i, j, k), todos os 7 modelos tiraram nota máxima (6,0/6). A diferença no placar foi decidida nos detalhes de escrita, tradução e revisão.

Perguntas frequentes (FAQ)

O Kimi K3.1 Pro é melhor que o GPT-6 Astra e o Gemini 4 Argon em português?

Neste conjunto de 12 tarefas brasileiras, os três modelos empataram exatamente na mesma pontuação: 69,0 de 72 pontos (junto com o Qwen3.8 Max 0902). Como o teste foi feito em tentativa única por questão, essa igualdade - e até mesmo os 68,5 pontos do DeepSeek V4.1 Flash - representa um empate técnico na prática.

Quais foram os únicos erros do Kimi K3.1 Pro no teste brasileiro?

Ele perdeu 2 pontos na tarefa “a” (carta formal ao SAC) porque multiplicou R$ 149,70 por dois e escreveu R$ 299,60 em vez de R$ 299,40. Além disso, perdeu 1 ponto na tarefa “d” (tradução) ao traduzir o português “eventualmente” pelo falso cognato inglês “eventually”. Em todas as outras 10 tarefas, tirou 6,0 de 6.

Quanto custou rodar o teste do Kimi K3.1 Pro em português?

Pelo endpoint moonshotai/mxfp4 no OpenRouter, executar as 12 tarefas em português brasileiro (incluindo um contexto longo de cerca de 30 mil tokens e raciocínio em nível médio) custou no total US$ 0,147. Foi mais barato que o Claude Opus 5.5 (US$ 0,389) e o GPT-6 Astra via flex (US$ 0,235), mas mais caro que o Gemini 4 Argon (US$ 0,101) e o DeepSeek V4.1 Flash (US$ 0,025).

O Kimi K3.1 Pro apresentou respostas em chinês ou fora de tópico em português?

Não. Embora o endpoint moonshotai/mxfp4 tenha registrado 8 falhas graves de respostas fora de tópico no estudo completo de 120 tarefas (afetando italiano, alemão, turco e japonês), nas 12 tarefas em português do Brasil todas as respostas foram entregues corretamente no idioma e dentro do tema solicitado.

Fontes e transparência metodológica

Todos os dados de pontuação, tempos de resposta, custos por execução e trechos citados neste artigo provêm exclusivamente do meu próprio teste prático executado em 24 de outubro de 2026 via API do OpenRouter, seguindo critérios e gabaritos fixados antes da rodada dos modelos. Para informações gerais sobre a família do modelo e documentação oficial da fabricante (apenas para contexto, não como fonte dos dados deste teste), consulte:

• Anúncio oficial no blog da Kimi sobre o Kimi K3.1 Pro
• Documentação da plataforma Kimi AI

// continue lendoClaude Fable 5.2 e Mythos 5.2 chegaram: o que mudaNotíciasComo migrar do Claude Code para o Codex: guia práticoRevistaPlugin Codex para Claude Code: comandos e limite de revisãoGeral