Kimi K3.1 Pro

Pontos fortes

• Na minha amostra de API, o modelo retornou corretamente JSON, cálculo de IVA e estimativa de memória. O código gerado passou em 7/7 casos de verificação.
• Em um conjunto separado de 10 tarefas simples, o Pro e o Highspeed obtiveram 10/10. O conjunto era fácil demais para decidir uma vantagem sobre o K3.
• API: 2 USD por milhão de tokens de entrada e 10 USD de saída; janela de 1M de tokens segundo a documentação.

Limitações

• Com o limite de 1800 tokens, duas das seis tentativas não retornaram uma resposta final. As repetições com limite de 6000 também foram cortadas. Isso é um teste de limite e configurações, não prova de desconhecimento geral do idioma.
• Pesos abertos foram anunciados até 4 de novembro de 2026. Ainda não confirmei a disponibilidade deles.
• Não testei aqui a interface do aplicativo, jogos, a janela completa de 1M nem tarefas em todos os idiomas.

Usos

Eu escolheria a API para extração e trabalho com código, com validação de resposta e controle de finish_reason. A pequena amostra não justifica a escolha automática do modelo para qualquer tarefa.

Para quem

Para o programador que pode ajustar o limite de tokens e medir o custo de uma tarefa concluída corretamente. Convence-me menos com limites de saída muito curtos. Os prompts testados estavam em polonês; não os apresento como um teste de outros idiomas.

Preços da API

Pro: 2/10 USD, Highspeed: 4/20 USD por milhão de tokens de entrada/saída, cache input 0,20 USD. Isto é API, não preço de assinatura. Custo de 6 tentativas do Pro: 0,055802 USD; Opus 5.5: 0,032004 USD; GPT-6 Astra: 0,030670 USD.

Alternativas e método

Opus 5.5 e GPT-6 Astra concluíram todas as seis mesmas tentativas com o limite de 1800 tokens. Em um teste separado com limite de 16000, o Pro obteve 10/10 em 76,0 s, e o Highspeed 10/10 em 32,6 s. Prompts e configurações diferentes excluem a combinação desses resultados em um único ranking.

Veredito

7/10: recomendo testar o K3.1 Pro para código e dados, mas não considero a baixa tarifa de tokens como garantia da tarefa mais barata. Meu método foi de seis chamadas únicas via OpenRouter, temperature 0.2, reasoning solicitado low, max_tokens 1800, sem streaming. Um teste separado de 10 tarefas usou limite de 16000 e raciocínio padrão. A falta de repetições estatísticas e as condições diferentes limitam as conclusões.