Kimi K3.1 Pro vs. Claude Opus 5.5: metade do preço de tabela, 0,7 ponto atrás em um benchmark

Kimi K3.1 Pro e Claude Opus 5.5 são modelos do mesmo formato vendidos por exatamente metade do preço. O novo carro-chefe da Moonshot custa US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída; o da Anthropic custa US$ 4,00 e US$ 20,00. Ambos aceitam um milhão de tokens de contexto. Ambos sempre pensam antes de responder. E, no único benchmark que ambas as empresas divulgam, têm 0,7 ponto de diferença: 65,7% para o Kimi K3.1 Pro contra 66,4% para o Claude Opus 5.5 no Terminal-Bench 4.0. Esse é todo o argumento em favor do desafiante em três números, e é um argumento forte — com duas ressalvas que determinam se ele se sustenta para a sua carga de trabalho: as duas pontuações foram produzidas com configurações diferentes, e o 2× é um preço por token, não um preço por tarefa concluída.

Kimi K3.1 Pro foi lançado em 24 de outubro de 2026, um dia depois do vídeo teaser que o nomeou. O Claude Opus 5.5 está disponível em geral desde 22 de setembro. Nenhum dos dois é um experimento de laboratório recém-saído: o Opus 5.5 é o modelo atual da linha Opus que a Anthropic vem entregando desde o final de setembro, e o Kimi K3.1 Pro é uma versão pós-treinada do Kimi K3, e não uma nova arquitetura. Isso torna esta comparação excepcionalmente limpa para uma página de modelo vs. modelo — as duas tabelas de preços estão publicadas, ambos os fornecedores divulgam uma tabela de benchmark, e nenhum dos modelos está escondido atrás de uma lista de espera.

As duas tabelas de tarifas, linha por linha

Cinco linhas importam, e uma delas quebra o padrão.

Entrada — $2.00 por milhão de tokens no Kimi K3.1 Pro contra $4.00 no Claude Opus 5.5. Exatamente a metade.

• Saída — US$ 10,00 contra US$ 20,00. Exatamente metade, e a saída é a linha que domina o trabalho agêntico e de raciocínio, em que o modelo escreve muito mais do que lê.

• Leitura de cache — US$ 0,20 em ambos. Esta é a anomalia: os dois fornecedores concordam até o centavo no preço de leitura de um prefixo em cache, que é a linha que domina um agente de longa duração relendo um repositório a cada turno.

• Gravação de cache — a Kimi cobra US$ 2,00 por uma entrada de cache de cinco minutos e US$ 4,00 por uma hora; a Anthropic cobra US$ 5,00 e US$ 8,00. A Kimi também é mais barata aqui, e por mais da metade.

• Variantes rápidas — Kimi K3.1 Pro Highspeed custa US$ 4,00 e US$ 20,00, aproximadamente duas a três vezes a velocidade de saída. O modo rápido da Anthropic no Opus 5.5 custa US$ 8,00 e US$ 40,00, com até 2,5×. Mesma relação, mesma duplicação.

A aritmética de uma requisição mista é, portanto, trivial. Uma chamada que lê um milhão de tokens de entrada e grava 200.000 tokens de saída custa US$ 4,00 no Kimi K3.1 Pro e US$ 8,00 no Opus 5.5. Um agente que relê um contexto de um milhão de tokens com uma taxa de acerto de cache de 70% paga US$ 0,74 pela entrada no Kimi, contra US$ 1,34 no Opus, ou US$ 2,74 contra US$ 5,34 quando a saída é incluída. A economia vem da entrada e da saída novas, não do cache, porque o cache custa o mesmo nos dois.

O que a tabela de preços não diz é quantos tokens cada modelo consome. O Kimi K3.1 Pro vem configurado por padrão no seu nível de raciocínio mais alto, max. O Claude Opus 5.5 vem configurado por padrão em medium. Um modelo que pensa em max por padrão vai, em média, escrever mais tokens de raciocínio por resposta do que um que pensa em medium — portanto, o 2× anunciado é um preço por token, não um preço por tarefa concluída, e a diferença real depende de quanto do raciocínio extra do Kimi o seu trabalho realmente precisa. A Moonshot não publica um número de tokens por tarefa que resolveria a questão.

O único benchmark que ambos os laboratórios divulgam, e por que ele não é uma medição

O Terminal-Bench 4.0 é o mais próximo de uma medida comum nesses dois lançamentos, e mesmo aqui os dois números não são produzidos da mesma forma.

Os 66,4% da Anthropic foram obtidos com esforço xhigh, um nível acima do padrão medium do modelo, na própria estrutura de avaliação da Anthropic, com seu roteamento de segurança ativo. A empresa publica a tabela e diz isso. Os 65,7% do Kimi aparecem no material de lançamento da Moonshot na configuração máxima padrão do modelo, em uma estrutura de avaliação que a empresa também controla; a tabela de lançamento cita o Opus 5.5 com 66,4%, o mesmo número publicado pela Anthropic, sem dizer se a Moonshot o reexecutou ou o citou. Uma diferença de 0,7 ponto entre duas tabelas executadas pelos fornecedores, com configurações de esforço diferentes, em estruturas de suporte diferentes, não é uma medição da diferença entre os modelos. É uma declaração de que os dois estão próximos o suficiente para que as escolhas de estrutura de avaliação decidam a ordem.

Mais dois pontos de dados apontam na mesma direção. A avaliação independente do Opus 5.5 no mesmo benchmark, da Artificial Analysis conforme divulgado no seu lançamento, é de 59,6% — sete pontos abaixo do número da própria Anthropic, numa configuração que inclui roteamento de salvaguardas do lado do servidor. E a própria documentação da Moonshot ainda trazia placeholders literais "[xx.x%]" para suas pontuações no Terminal-Bench e no benchmark científico no dia do lançamento, enquanto o post de marketing trazia os números. Nenhum dos dois fatos prova nada sobre qualidade relativa. Ambos mostram que tabelas de benchmark no dia do lançamento são, antes de tudo, artefatos de marketing.

Onde os fornecedores concordam, a versão é consistente: o Kimi K3.1 Pro fica próximo do Opus 5.5 nas tarefas que ambos medem, e à frente de seu próprio antecessor por uma larga margem. A suíte de codificação de longo horizonte da Moonshot passou de 55,95% para 61,2%, sua pontuação em CAD sem ferramentas é 72,8 contra 73,0 do Opus, e sua taxa de alucinação no conjunto difícil do próprio fornecedor caiu de 23,4% para 8,3% com ferramentas — um número que, se sobreviver fora da avaliação, importa mais para trabalhos com muitos documentos do que qualquer ponto de benchmark.

O seletor de esforço é a verdadeira diferença entre os dois produtos.

Ambos os modelos expõem um campo de esforço de raciocínio; eles divergem sobre quantos níveis ele tem e onde ele se posiciona por padrão.

O Kimi K3.1 Pro tem três: low, high e max, com max como padrão. O Claude Opus 5.5 tem cinco: low, medium, high, xhigh e max, com medium como padrão. Nenhum dos modelos permite que o chamador desative o raciocínio. O Kimi fixa a amostragem de forma absoluta — temperature 1.0, top-p 0.95, n em 1 — e rejeita outros valores, então effort é o único ajuste comportamental que oferece. A Anthropic deixa temperature configurável, mas mantém o raciocínio adaptativo sempre ativado, então effort é o único ajuste que muda o quanto o modelo raciocina.

Os padrões têm um efeito real. O Kimi vem com uma configuração honesta, mas cara: toda solicitação que não passa reasoning_effort paga pela configuração mais profunda. O Opus vem no nível intermediário e reserva os dois níveis superiores para quem os solicitar. Se você migrar uma carga de trabalho e não mudar mais nada, terá mudado tanto o modelo quanto seu orçamento de raciocínio, que é a forma mais comum de um "modelo mais barato" acabar não sendo. A própria tabela da Anthropic mostra o tamanho desse efeito dentro de um mesmo modelo: o CursorBench 4.0 pontua 57,8% em xhigh e 52,5% em medium, enquanto o FrontierCode varia 0,2 ponto entre as mesmas duas configurações. A sensibilidade ao esforço varia por carga de trabalho, e nenhuma ficha de modelo prevê a sua.

Uma armadilha operacional se aplica a ambos. Mudar o esforço no meio da conversa invalida os acertos de cache de prefixo, então um agente que aumenta o esforço no meio de uma sessão longa paga para reler tudo o que tinha em cache. Decida o nível antes de a sessão começar, não durante ela.

O que cada fornecedor faz com o modelo quando você não está olhando

Os dois laboratórios já lançaram um modelo cujo comportamento em algumas entradas não é o comportamento que você pediu, e ambos o descrevem abertamente.

A documentação de lançamento do Opus 5.5 da Anthropic afirma que a maioria das tarefas relacionadas à cibersegurança pode ser redirecionada para o Claude Opus 4.8, e que trabalhos de biologia e de desenvolvimento de modelos de fronteira podem recorrer ao Opus 5. Esses fallbacks acontecem no lado do servidor: a resposta retorna de um modelo diferente, e o único sinal para quem faz a chamada é o conteúdo. Para uma carga de trabalho adjacente à segurança, isso é uma mudança real de capacidade, não uma nota de rodapé de política.

A Moonshot adotou um caminho diferente. Removeu dados relacionados à cibersegurança tanto do mid-training quanto da etapa de aprendizado por reforço, mantendo a programação geral, e relatou o custo disso: sua pontuação em programação adversarial caiu de 90,5% no checkpoint sem mitigações para 81,0% no modelo que lançou. A empresa enquadra isso como um limite deliberado à capacidade ofensiva em cibersegurança e diz que elevará esse limite gradualmente. O Kimi K3.1 Pro não redireciona sua solicitação; ele simplesmente é mais fraco nessa categoria específica, por uma margem que o próprio fornecedor publicou.

Qual é melhor depende do que você está construindo. Se você precisa de saída determinística do modelo que selecionou, um fallback silencioso é pior do que uma limitação divulgada. Se você precisa do resultado mais forte possível em uma tarefa que o fornecedor restringiu, o fallback ainda pode ser melhor do que uma recusa — mas agora você está avaliando dois modelos enquanto pensa que está usando um.

A data que decide a questão dos pesos abertos

O Kimi K3.1 Pro está sendo vendido como um modelo de pesos abertos, e os pesos ainda não foram disponibilizados. A Moonshot diz que os pesos completos serão lançados até 4 de novembro de 2026. Até lá, a coluna de pesos abertos de qualquer comparação é uma promessa, e a organização do Hugging Face que hospeda o Kimi K3 não tem nada mais recente que o K3 até 24 de outubro.

O Claude Opus 5.5 não tem plano de pesos abertos e nunca terá. Para quem a implantação não pode recorrer a uma API hospedada, a comparação termina aí, independentemente do preço: de um lado está um produto que talvez possa ser baixado em onze dias, do outro, um aluguel. Para todos os demais, 4 de novembro é a data em que a comparação de preços se torna uma verdadeira escolha arquitetural, e não uma questão de compras.

O que correr hoje

Eis a parte que as tabelas de preços não abrangem: a disponibilidade. O Claude Opus 5.5 pode ser chamado através do OrcaRouter hoje por 4,00 e 20,00 dólares por milhão de tokens, com leituras de cache a 0,20 — o preço de tabela do fornecedor repassado sem qualquer margem adicionada — na mesma chave que o resto da sua stack, com um tempo mediano até o primeiro token de 3,86 segundos nos últimos sete dias na nossa rota. O Kimi K3.1 Pro juntou-se ao mesmo catálogo a 24 de outubro por 2,00 e 10,00, leituras de cache a 0,20, uma janela de 1.048.576 tokens e um limite de saída publicado de 943.718 tokens. Ambos agora respondem numa única chave.

Ter ambos atrás de {{1}}uma única chave{{/1}} é algo que nenhum documento dos fornecedores menciona. Com uma diferença de preço de 2×, a decisão que importa mais do que escolher um vencedor é {{2}}uma política de roteamento{{/2}}: envie o quinto mais difícil do seu tráfego para o Opus 5.5, envie o restante para o Kimi K3.1 Pro e deixe o failover automático cobrir uma paralisação de qualquer um dos lados. O modelo pass-through é o que mantém essa aritmética honesta — cada lado da divisão é cobrado pelo preço publicado pelo próprio provedor, sem nada acrescentado por cima, então a economia que você calcula é a economia que você obtém, e uma mudança de preço em qualquer um dos fornecedores é refletida aqui no mesmo dia.

O que traz a comparação de volta ao ponto de partida. Se o seu trabalho é dominado pelas tarefas em que os dois modelos ficam a até um ponto de distância um do outro, a diferença de preço é toda a história e a resposta é o modelo mais barato. Se for dominado por programação de horizonte longo, em que o Opus tem três meses de avaliação independente por trás e o Kimi tem uma tabela do fornecedor publicada ontem, os 0,7 pontos não são o número em que você deve confiar — o número em que deve confiar é a sua própria avaliação, executada na configuração de esforço que você realmente vai implantar. Agora, ambos os fornecedores tornaram isso fácil de fazer, porque ambos permitem ajustar o dial e ambos publicam quanto custa esse ajuste.