Kimi K3.1 Pro: preço da API e teste prático

👁 124 leituras

O Kimi K3.1 Pro chegou à API com uma janela de contexto de 1.048.576 tokens e um custo de $2 por milhão de tokens de entrada e $10 na saída. Realizei chamadas via OpenRouter para validar se esta tarifa se traduz num custo previsível em tarefas de extração de dados, aritmética e código, ou se o consumo interno de tokens de raciocínio encarece a fatura.

• Veredito de preço base: $2 (input), $0,20 (input em cache) e $10 (output) por 1M de tokens colocam o Kimi K3.1 Pro a metade do custo estimado do Claude Opus 5.5 em volume padrão.
• Qualidade na extração e cálculo: O modelo cumpriu sem falhas a extração JSON estrita ($0,002004) e o cálculo de faturação com IVA ($0,006548).
• Risco orçamental real: Em duas tarefas curtas, o modelo esgotou o limite de 1800 tokens apenas em raciocínio interno (finish_reason: length), devolvendo resposta vazia por $0,0183 cada.

Tabela de preços oficiais e orçamento simulado

Segundo a documentação oficial (platform.kimi.ai e platform.kimi.ai/docs/pricing/chat), a faturação da API é independente das subscrições de utilizador e os valores apresentados não incluem impostos aplicáveis. O anúncio oficial (kimi.com) destaca uma variante Highspeed que promete ser 2 a 3 vezes mais rápida (afirmação do fabricante não medida por mim, já que a versão Highspeed não constava no meu snapshot do OpenRouter).

Para comparar o impacto financeiro de forma direta, calculei um cenário hipotético de exatamente 1000 pedidos, onde cada chamada consome 1000 tokens de entrada e 500 tokens de saída (isto é um cálculo matemático e não um lote real de 1000 chamadas):

• Kimi K3.1 Pro: $7,00
• Gemini Argon: $7,00
• Kimi K3.1 Highspeed: $14,00
• Claude Opus 5.5: $14,00
• GPT-6 Astra: $35,00
• DeepSeek v4.1-flash-1017: $0,45 (cotação base; existem variações horárias)

Protocolo do meu teste prático via API

Configurei um teste próprio através do OpenRouter com temperature: 0.2, pedido de esforço de raciocínio baixo (reasoning effort: low) e teto de max_tokens: 1800 em modo não-streaming. O tempo total medido inclui latência de rede e o processamento interno. Fiz uma única execução por tarefa para o Kimi K3.1 Pro, Claude Opus 5.5 e GPT-6 Astra.

Os prompts originais da minha bateria de avaliação foram redigidos em polaco para testar a aderência estrita a instruções fora do inglês:

• json: extrair de uma frase uma lista JSON (sem markdown) contendo 3 cadernos (notes) a 12,50 e 2 canetas (długopis) a 4,00.
• rachunek: calcular para essa mesma compra um desconto de 10% sobre o valor líquido, somar 23% de IVA e arredondar a 2 casas decimais (esperado: líquido 40,95, IVA 9,42, bruto 50,37).
• pamiec: calcular o tamanho mínimo em TB dos pesos de um modelo hipotético de 2,8 biliões de parâmetros em FP8, Q4 e Q2, devolvendo apenas JSON.
• kod: escrever em Python a função suma_groszy(ceny) usando apenas decimal para somar preços em formato string com vírgula.
• brak: ler uma nota com o preço de dois produtos e responder qual a margem percentual; se faltar informação, responder exatamente BRAK DANYCH (sem dados).
• polski: corrigir quatro erros gramaticais numa frase curta em polaco sem adicionar comentários.

Resultados: extração precisa vs bloqueio por raciocínio

Nos testes estruturados, o Kimi K3.1 Pro cumpriu o formato exigido logo na primeira tentativa. Na tarefa json, devolveu exatamente a estrutura pedida em 3,553 segundos:

[{"nazwa":"notes","sztuki":3,"cena_netto":12.5},
 {"nazwa":"długopis","sztuki":2,"cena_netto":4}]

Na tarefa kod, gerou uma função concisa após consumir 767 tokens de raciocínio interno:

from decimal import Decimal

def suma_groszy(ceny):
    return sum(
        int(Decimal(cena.strip().replace(",", ".")) * 100)
        for cena in ceny
    )

O ponto crítico ocorreu nas tarefas brak e polski. O Kimi K3.1 Pro devolveu answer: null com estado finish: length. Não se trata de uma resposta errada nem de falha de idioma, mas sim de truncamento: o modelo gastou 1797 dos 1800 tokens disponíveis em raciocínio interno sem chegar a emitir o texto final.

Realizei duas chamadas separadas de diagnóstico aumentando o limite para max_tokens: 6000 (brak-6000 e polski-6000). O comportamento repetiu-se: o modelo consumiu 5997 tokens de raciocínio em ambas, demorou mais de 60 segundos e custou $0,060348 e $0,060310 respetivamente, continuando a devolver null.

Pesos locais e custo teórico de infraestrutura

A Moonshot AI prometeu no seu blogue publicar os pesos até 2026-11-04, mas no momento da minha verificação em huggingface.co/moonshotai apenas constava o antecessor Kimi K3 (arquitetura de 2,8 biliões de parâmetros totais e 104 mil milhões ativos). Aplicando a fórmula 2.8e12 * bits / 8 / 1e12 (validada na tarefa pamiec), apenas os pesos exigiriam 2,8 TB em FP8, 1,4 TB em Q4 e 0,7 TB em Q2. Uma instância de 8x B200 (1440 GB de VRAM bruta total) fica perigosamente próxima dos 1400 GB necessários em Q4 antes de qualquer overhead de contexto, e custa $53,52/hora ($1284,48 por 24 horas antes de impostos) segundo a tabela da Lambda. Para equipas de desenvolvimento, a API continua a ser a única via prática.

Perguntas frequentes (FAQ)

Quanto custa o Kimi K3.1 Pro na API oficial?

Na versão Pro, o custo é de $2,00 por milhão de tokens de entrada, $0,20 por milhão de tokens de entrada em cache e $10,00 por milhão de tokens de saída (antes de impostos).

Qual é o tamanho máximo de contexto suportado?

A documentação técnica especifica exatamente 1.048.576 tokens de janela de contexto.

Porque é que uma chamada à API pode cobrar tokens e devolver resposta vazia?

Se o modelo entrar num ciclo longo de raciocínio interno e atingir o teto definido em max_tokens (terminando com finish_reason: length), todos os tokens de saída são consumidos antes da geração da resposta visível.

Os pesos do Kimi K3.1 Pro já estão disponíveis para download?

Não na data de recolha destes dados (2026-10-23). O fabricante anunciou a disponibilização até 2026-11-04.

Fontes

• Anúncio oficial Kimi K3.1 Pro Blog (consultado em 2026-10-23)
• Moonshot AI API Platform (consultado em 2026-10-23)
• Documentação de Preços e Contexto Kimi API (consultado em 2026-10-23)
• Repositório Moonshot AI no Hugging Face (consultado em 2026-10-23)
• Tabela de preços GPU Cloud Lambda (consultado em 2026-10-23)

// continue lendoH3 Max Relight, Extend e Pixelcut: teste de vídeoGeralKrea 3: teste de geração e edição de imagensBenchmarksComo criar uma influenciadora de IA realista: teste do FLUX e QwenBenchmarks