Preços do Kimi K3.1 Pro: US$ 2/US$ 10, limite de saída de 943K e pesos que ainda não existem

Há um número na tabela de preços do Kimi K3.1 Pro que torna o resto estranho: o teto de saída. O modelo é vendido a US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída, em uma janela de contexto de 1 milhão de tokens, com saída máxima de 943.000 tokens. Isso não é erro de digitação nem arredondamento do valor do contexto — é até onde a pilha de serviço realmente deixa uma única resposta chegar, e muda o que "caro" significa aqui. Um modelo com preço de cavalo de batalha de nível intermediário é vendido com uma capacidade para textos longos que a maioria dos modelos nesse preço não tem.

A segunda coisa estranha é que a Moonshot está vendendo-o como open-weight sem ter disponibilizado os pesos. A própria documentação dela diz que os pesos completos do modelo "serão lançados até 4 de novembro", e a Artificial Analysis — que avalia o que consegue qualificar — ainda classifica o modelo como proprietário. Até que essa data passe, todo preço cotado para o Kimi K3.1 Pro é um preço de serviço hospedado, e não há alternativa auto-hospedada para compará-lo. Ambos os fatos devem constar em um artigo sobre preços, porque ambos determinam o que você está realmente comprando.

O cartão, linha por linha

Leia na página ao vivo do modelo no OrcaRouter, 29 de outubro de 2026:

• Entrada — US$ 2,00 por milhão de tokens.

• Saída — $10,00 por milhão de tokens.

• Contexto — 1M de tokens, com saída máxima de 943K.

• Modalidades — entrada de texto, imagem e vídeo; saída de texto.

• Pontos de extremidade — /v1/chat/completions, /v1/responses e /v1/messages.

• Latência medida — p50 de tempo até o primeiro token: 7,26 segundos; p95: 10,00 segundos, ao longo de sete dias.

• Tráfego — 2.779,4 milhões de tokens nos mesmos sete dias.

Esse último par é a parte que a maioria das páginas de preços omite, e é a coisa mais útil da página: 2,78 bilhões de tokens em uma semana são evidência de que o endpoint está sendo usado em escala, não de que ele é rápido. O número de latência diz o contrário — 7,26 segundos até o primeiro token é lento, e é lento de um modo que importa de forma diferente dependendo do que você está construindo.

O que o resultado de $10 realmente compra

O preço por token é uma unidade ruim para planejamento, então aqui está a mesma tabela expressa em tarefas. Uma única solicitação que lê 200.000 tokens de contexto e grava 5.000 tokens custa US$ 0,40 de entrada e US$ 0,05 de saída — cerca de 45 centavos. Essa mesma solicitação contra GPT-6.1 Sol, que tem a mesma tabela de US$ 2,00 / US$ 10,00, custa os mesmos 45 centavos e pontua três pontos do Index a menos no painel independente. Esse é o argumento a favor do Kimi K3.1 Pro em uma frase, e também é o argumento contra confiar apenas na tabela: preços idênticos significam que a decisão é inteiramente sobre qual modelo faz o trabalho.

Agora a outra ponta da faixa, que é onde o limite de saída de 943K deixa de ser uma curiosidade. Um agente que gera um documento longo ou um arquivo de código grande em uma única chamada pode plausivelmente escrever 100.000 tokens de saída. A US$ 10 por milhão, isso dá US$ 1,00 pela resposta — cinco vezes o custo do lado da entrada se o prompt fosse pequeno. Os tokens de saída são onde esta placa fica cara, e a geração de textos longos é onde um teto de 943K será de fato exercitado.

Duas lacunas honestas no que a página informa: ela lista as taxas de entrada e saída e nenhuma taxa de leitura de cache ou de lote, portanto não há desconto publicado com que planejar; e não indica um limite de taxa por conta, o que significa que o teto atingido sob carga é uma descoberta operacional, e não uma linha orçamentária. Vale a pena perguntar sobre ambas antes de migrar uma tarefa de alto volume para ela.

A latência é a segunda fatura

7,26 segundos até o primeiro token não aparecem na tabela de preços e, para uma interface de chat, isso é quase irrelevante — o leitor está esperando de qualquer forma. Para um loop de agente, é um número completamente diferente. Um loop que faz vinte turnos gasta aproximadamente dois minutos e meio de espera pura por tarefa no p50, e mais perto de três minutos e meio no p95, antes que qualquer trabalho efetivo seja contado. Multiplique por agentes paralelos e o tempo de relógio, não a fatura, passa a ser a restrição.

É essa a troca específica que este modelo pede que você faça: preço idêntico ao de um modelo de nível médio mais rápido, pontuação maior em um índice composto e mais lentidão no início de cada requisição. A maneira certa de decidir é medir seu próprio p95 nos seus próprios prompts, em vez de confiar no número de qualquer um dos fornecedores.

O endpoint que ninguém menciona, e aquele que decide a adoção

A página do modelo lista três endpoints, e o terceiro é o interessante. Além das rotas de chat completions e responses no formato da OpenAI, há um endpoint /v1/messages — a superfície no formato da Anthropic. Para quem executa um harness de programação que fala a API da Anthropic, essa é a diferença entre um modelo que você pode apontar para as suas ferramentas existentes e um modelo que precisa de um adaptador.

Isso também reformula a questão do preço. Um harness como o Claude Code é caro de executar não por causa de qualquer chamada individual, mas por causa de quantas chamadas uma sessão faz. A US$ 2,00 / US$ 10,00 com uma janela de 1M, a aritmética que normalmente inviabiliza essas configurações — um contexto longo sendo reenviado a cada turno — é justamente aquela para a qual esta placa tem o melhor formato, desde que os 7 segundos até o primeiro token não façam a sessão parecer quebrada.

4 de novembro, e o que isso faz ao preço

A data dos pesos abertos é um evento de precificação, não apenas de licenciamento, e há um precedente de como isso se desenrola. O Kimi K3 foi anunciado em 16 de julho de 2026 e seus pesos apareceram no Hugging Face em 27 de julho — um intervalo de onze dias. Se o K3.1 Pro seguir o mesmo formato, o preço do serviço hospedado deixa de ser o único preço no mercado: a auto-hospedagem se torna uma opção real para quem tem as GPUs, e o preço hospedado precisa competir com um custo marginal que é a conta de energia de outra pessoa.

O que isso não muda é o seguinte: hospedar por conta própria um modelo deste tamanho é uma decisão de capital, não um desconto. A placa hospedada é a forma barata de usá-lo, e os pesos são a forma barata de possuí-lo — compradores diferentes, respostas diferentes. Qualquer pessoa que planeje um grande investimento deve tratar 4 de novembro como a data em que o conjunto de comparação muda, não como a data em que o preço cai.

Como fazer o orçamento disso sem adivinhar

Três regras práticas, por ordem de importância.

• Orce primeiro a saída. Com uma proporção de preço de saída para entrada de 10:1, o lado da saída domina toda carga de trabalho que gera em vez de ler. Se você não sabe sua proporção de tokens de saída, meça-a antes de modelar o custo.

• Trate o contexto de 1M como um risco de cobrança, não como um recurso. Uma janela grande convida você a enviar tudo; enviar tudo a cada turno é assim que um modelo barato se torna caro. O comportamento do cache não está documentado nesta página, então assuma que cada token é cobrado todas as vezes até que você possa medir o contrário.

• Consulte o preço da alternativa no mesmo dia.Os preços mudam. Na OrcaRouter, o preço publicado pelo provedor é o que você paga, sem acréscimos, então uma mudança de preço da Moonshot entra em vigor aqui no mesmo dia em que é anunciada — o que também significa que uma comparação que você anotou no mês passado pode estar descrevendo um cartão que não existe mais.

O que observar: se os pesos chegam em 4 de novembro e sob qual licença, se a página do modelo passa a ter uma tarifa de leitura de cache quando o serving com pesos abertos tornar o batching rotineiro, e se o card hospedado muda de alguma forma em resposta. O preço que você paga pelo Kimi K3.1 Pro esta semana é um preço hospedado com uma pergunta em formato de validade atrelada a ele.