Kimi K3.1 Pro: benchmarks agênticos e a rota do agente

Publicado em 27 de outubro de 2026.

Um modelo cujos pesos ainda não saíram entrou em quarto lugar entre 221 modelos, com 55 pontos, e ficou à frente do Claude Sonnet 5.5 na avaliação que mede trabalho de terminal. O Kimi K3.1 Pro não vira notícia pela posição.

Quem assina a fatura de inferência reconhece a pergunta que sobra: onde o modelo fechado ainda se paga?

O que a Moonshot lançou em 23 de outubro?

Kimi K3.1 Pro é o modelo que a Moonshot AI lançou em 23 de outubro de 2026 e que a Artificial Analysis colocou em 4º de 221 no Intelligence Index v4.3.2, com 55 pontos. Nas tarefas agênticas: 67% no Terminal-Bench 4.0, 73% no AutomationBench-AA, 1.846 Elo no GDPval-AA e US$ 2,11 por tarefa na página do modelo, lida em 27/10/2026.

Imagem: Moonshot AI

Imagem: Moonshot AI, reproduzida do anúncio de lançamento do Kimi K3.1 Pro (23/10/2026).

O artigo da Artificial Analysis de 23 de outubro de 2026, lido em 27/10/2026, é a fonte primária desta leitura. O índice é a parte fácil. À frente dele ficaram três modelos: Claude Opus 5.5, com 58 pontos, Claude Sonnet 5.5 e Muse Wonder Full, com 56.

A peça lê os três instrumentos em separado e deriva a fronteira de rota por família de tarefa.

O que a ficha técnica explica e o que ela não explica?

A ficha repete a família K3: 2,8 trilhões de parâmetros totais, 104 bilhões ativos por requisição, janela de 1 milhão de tokens, entrada de texto e imagem. Nada disso é novo. O K3.1 Pro é um sucessor pós-treinado, e o ganho medido vem daí, não de uma arquitetura que a fonte não descreve.

A peça sobre os pesos abertos do K3 já descreveu a atenção KDA e a licença da geração anterior. Aqui a arquitetura entra como herdada: o salto de 13% para 67% no Terminal-Bench 4.0 não se explica por parâmetro, e sim pelo ajuste depois do pré-treinamento.

A página do modelo, lida em 27/10/2026, registra disponibilidade por API de primeira parte. O preço de tabela é US$ 2 por milhão de entrada, US$ 10 de saída e US$ 0,20 de leitura de cache, 33% abaixo do Kimi K3 nas três tarifas.

O que falta é o peso: a fonte classifica o K3.1 Pro como proprietário na data da leitura, e não há licença publicada.

O que o Terminal-Bench 4.0 mede que os outros não medem?

Mede trabalho de terminal com horizonte longo: sequência de comandos, estado que persiste entre passos e correção de erro no meio do caminho. O Kimi K3.1 Pro marcou 67% e o antecessor, 13%, no artigo de 23/10/2026. É onde o modelo de pesos não publicados já disputa a rota.

Treze por cento é o placar de um modelo que descreve o comando certo. Sessenta e sete por cento é o de um modelo que erra, lê o erro e tenta de novo até o ambiente ficar correto.

A prova cobra continuidade. A tarefa encadeia comandos dentro do mesmo ambiente: o estado de um passo é a entrada do próximo, e um erro cedo contamina o que vem depois.

Na mesma fonte e na mesma data, o Claude Sonnet 5.5 marcou 64%. O artigo chama os 67% de maior pontuação de qualquer modelo nessa avaliação. O artigo de 23/10 não traz o placar do Opus 5.5 nessa prova.

Em código e terminal com horizonte longo, o modelo fechado deixou de ser escolha automática: o Kimi K3.1 Pro, de pesos ainda não publicados, está à frente do Sonnet 5.5 por 67% contra 64% e cobra US$ 2,11 por tarefa do índice contra US$ 5,46. Os dois números de custo são das páginas lidas em 27/10/2026.

O que 73% no AutomationBench-AA diz sobre fluxo de trabalho em SaaS?

Diz que o modelo encadeia ações dentro de software de negócio: preenche campo, respeita permissão, trata exceção de formulário. O Kimi K3.1 Pro subiu de 58% no K3 para 73%, segundo o artigo de 23/10/2026. Executar um comando é uma coisa. Operar um sistema que não foi desenhado para agente é outra.

Um erro em terminal deixa teste vermelho. Um erro em fluxo de SaaS grava o registro errado, dispara o e-mail para o cliente ou move o estoque, e o dado fica.

Setenta e três por cento não é 100%, e a distância entre os dois números define se o fluxo pode rodar sem revisão humana.

Aqui a rota ainda é mista: o artigo de 23/10 não traz o placar de um modelo fechado nesta avaliação. O Kimi K3.1 Pro entra com aceite humano e registro de cada ação; um modelo fechado fica no fluxo em que a exceção custa dado de cliente.

Por que o GDPval-AA é lido em Elo e não em porcentagem?

Porque o GDPval-AA compara entregáveis entre modelos, e Elo é escala relativa: não é aproveitamento de prova e não se converte em percentual. O Kimi K3.1 Pro marcou 1.846 Elo e ficou em 3º, atrás de Claude Opus 5.5, com 1.866, e de Muse Wonder Full, com 1.857, no artigo de 23/10/2026.

O ganho sobre o antecessor: 312 Elo. O que ele mede é a distância entre entregáveis julgados aos pares, não a fatia de tarefas resolvidas.

Vinte pontos de Elo separam o K3.1 Pro do Opus 5.5, e isso é pouco na escala. O Kimi K3.1 Pro empata no miolo do trabalho de escritório, e quem entrega laudo, proposta ou peça jurídica paga o modelo fechado pela garantia.

O que o índice de 55 do Kimi K3.1 Pro mostra e o que ele esconde?

Mostra a média ponderada de dez avaliações no Intelligence Index v4.3.2 e a 4ª posição entre 221 modelos. Esconde a distribuição. O ganho sobre os 44 do K3 na variante max vem concentrado em três avaliações agênticas, e as outras sobem pouco.

As demais se movem em passo curto, segundo o artigo de 23/10/2026: CritPt de 23% para 25%, SciCode de 59% para 61%. No AA-Omniscience, o índice vai de 20 para 30, a alucinação cai de 53% para 44% e a acurácia sobe de 48% para 51%.

A versão do índice que produz esse 55 tem o Terminal-Bench 4.0 dentro e o AutomationBench-AA com peso próprio, como a peça sobre o índice v4.3 descreve.

A Artificial Analysis projeta que, publicados os pesos, o K3.1 Pro será o aberto de maior pontuação do índice, com a distância entre líder aberto e líder fechado caindo de 12 para 3 pontos. É projeção, não medição.

Por que dois modelos com o mesmo preço custam três vezes mais por tarefa?

Porque o preço de tabela é igual e o consumo não. Kimi K3.1 Pro e Claude Sonnet 5.5 cobram US$ 2 por milhão de entrada e US$ 10 de saída, e o custo por tarefa do índice é US$ 2,11 contra US$ 5,46 nas páginas lidas em 27/10/2026. O que separa os dois é o gasto em tokens de saída.

Fonte: Artificial Analysis, artigo de 23/10/2026 e páginas de modelo lidas em 27/10/2026.

Os 150 milhões de tokens de saída da última coluna são do índice completo. Por tarefa, são 55 mil. Misturar os dois inventa uma diferença de três ordens de grandeza.

O padrão é verbosidade, e ela não vira fórmula. Quatrocentos e vinte milhões contra 150 milhões é 2,8 vez, e o custo por tarefa é 2,59 vez maior. O Opus 5.5 cobra o dobro na tabela, consome 260 milhões e fica em US$ 5,98, não nos US$ 7,31 que a regra de três a partir dos US$ 2,11 do K3.1 Pro sugeriria.

O artigo de lançamento publicou US$ 1,98 por tarefa; a página do modelo, lida em 27/10/2026, traz US$ 2,11 em média ponderada, e a tabela usa o número da página porque os três modelos foram lidos na mesma data.

A peça de 26/10 já tratou do preço do token contra o custo no mesmo modelo, e aquela conta não se repete aqui.

O que 41,4 tokens por segundo mudam em um agente de longa duração?

Mudam a fila. Kimi K3.1 Pro entrega 41,4 tokens de saída por segundo na página do modelo lida em 27/10/2026, contra 98,3 do Claude Opus 5.5 e 141,2 do Claude Sonnet 5.5, na mesma fonte e na mesma data. Em uma pergunta isolada isso é conforto.

Em um agente de dezenas de passos, é espera acumulada: o K3.1 Pro aparece em 188º de 192 modelos em velocidade de saída na mesma página.

Cada passo espera o anterior. Um agente que encadeia trinta chamadas paga a taxa de saída trinta vezes, e a distância entre 41,4 e 141,2 vira tempo de parede.

A velocidade da avaliadora é medida no ambiente dela, não é a que cada provedor anuncia.

Em alto volume com resposta curta, ela entra no critério ao lado do preço.

O que o calendário dos pesos muda na hospedagem?

Muda quem pode rodar o modelo, onde o dado fica e como se desenha cache e fallback. Os pesos do Kimi K3.1 Pro não foram publicados, e a Artificial Analysis projeta a publicação logo depois do lançamento, sem data. Até lá, o ganho agêntico é número de API de primeira parte.

A projeção é da avaliadora e não carrega data: os pesos saem, o modelo vira o aberto de maior pontuação e a distância para o líder fechado cai de 12 para 3 pontos.

Hoje a hospedagem é escolha entre provedores, e o cache é do provedor.

Quando o peso sai, o modelo pode rodar no ambiente de quem contrata, o cache passa a ser seu, e o fallback deixa de depender de um segundo provedor. Não é decisão de preço. É decisão de onde o dado fica.

Não há data fixada pela fonte nem licença publicada para os pesos do K3.1 Pro, então nenhuma frase sobre uso comercial se sustenta. A disputa entre líder aberto e fechado é o eixo do texto sobre o fim do duopólio.

Como rotear agente com esse conjunto de números?

Roteia-se pela avaliação mais parecida com a tarefa, não pela posição no índice. Código e terminal com horizonte longo vão para o Kimi K3.1 Pro, com um modelo fechado na segunda tentativa. Entregável de escritório de alto risco e tarefa que exige o topo do índice continuam no fechado.

A régua vem antes do fornecedor. A peça sobre as três avaliações agênticas já mostrou que elas medem coisas diferentes, e aqui a diferença aparece dentro do mesmo modelo, que sobe de 13% para 67% em uma avaliação e de 58% para 73% na outra.

1. Escolher a régua pela tarefa, antes de olhar qualquer ranking.
2. Medir o custo por tarefa na própria carga, com modelo, tokens e resultado no mesmo registro.
3. Definir o fallback por família e testá-lo antes do primeiro incidente.

A regra em uma frase: roteie pela avaliação que se parece com a sua tarefa, nunca pela posição no índice.

Onde o Nexforce Router entra nessa decisão?

Entra como o lugar onde a regra por família de tarefa é aplicada e auditada. O Nexforce Router é um gateway com uma API para os principais provedores, roteamento por custo, desempenho, latência e contexto, failover automático com fallback configurável, orçamento por chave, agente ou projeto e registro de cada chamada.

Uma tabela de rota só vale se existir um ponto único que aplique a regra e mostre o que passou por ela. Com o Router, trocar o modelo de uma família vira configuração, não reintegração de código.

O limite é claro. O Router executa e registra a rota definida, e não decide o que conta como tarefa concluída.

Perguntas frequentes

O que é o Kimi K3.1 Pro?

É o modelo que a Moonshot AI lançou em 23 de outubro de 2026, sucessor pós-treinado do Kimi K3, com 2,8 trilhões de parâmetros totais e 104 bilhões ativos por requisição. A Artificial Analysis o colocou em 4º de 221 modelos no Intelligence Index v4.3.2, com 55 pontos. O ganho sobre o antecessor está no Terminal-Bench 4.0: 67% contra 13% do Kimi K3, segundo o artigo de 23/10/2026.

Ele já é um modelo de pesos abertos?

Não. Os pesos do K3.1 Pro não foram publicados na data da apuração, e a página do modelo o classifica como proprietário na leitura de 27/10/2026. A Artificial Analysis projeta que, publicados os pesos, ele será o aberto de maior pontuação do índice. Na mesma projeção, a distância entre o líder aberto e o líder fechado cai de 12 para 3 pontos. A fonte não fixa data.

Por que ele custa menos por tarefa com o mesmo preço de token?

Porque consome menos saída por tarefa do índice. Kimi K3.1 Pro e Claude Sonnet 5.5 cobram US$ 2 por milhão de entrada e US$ 10 de saída, e o custo por tarefa é US$ 2,11 contra US$ 5,46, nas páginas lidas em 27/10/2026. O K3.1 Pro gasta 150 milhões de tokens de saída no índice completo, contra 420 milhões do Sonnet 5.5.

Qual benchmark usar para decidir a rota de um agente?

O que mede a mesma família de trabalho da sua tarefa. Terminal-Bench 4.0 serve para código e terminal com horizonte longo, AutomationBench-AA para fluxo em software de SaaS e GDPval-AA para entregável de escritório. Em atendimento de alto volume com resposta curta, a régua é preço de tabela e velocidade de saída: o K3.1 Pro entrega 41,4 tokens por segundo na página do modelo lida em 27/10/2026. Nenhum dos três substitui o custo por tarefa medido na própria carga.

Referências e leitura complementar

• Artificial Analysis, "Kimi K3.1 Pro launches at 4th on the Intelligence Index and will lead open weights models", 23 de outubro de 2026: https://artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks (acesso em 27/10/2026).
• Artificial Analysis, páginas dos modelos Kimi K3.1 Pro, Claude Opus 5.5, Claude Sonnet 5.5 e Muse Wonder Full: https://artificialanalysis.ai/models/kimi-k3-1-pro, https://artificialanalysis.ai/models/claude-opus-5-5, https://artificialanalysis.ai/models/claude-sonnet-5-5, https://artificialanalysis.ai/models/muse-wonder-full (acesso em 27/10/2026).

O que sobra para o modelo fechado

A lista do que exige modelo fechado ficou menor. O que resta é o topo do índice e o entregável em que um erro custa contrato, dois casos em que nenhum benchmark publicado responde pelo risco.

Quando a rota muda, o Nexforce Router aplica e registra a escolha, com custo e fallback no mesmo registro.