Kimi K3.1 Pro vs DeepSeek V4.1 Flash: Dezesseis Pontos de Índice por Treze Vezes o Preço

O DeepSeek V4.1 Flash custa US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de tokens de saída no nosso catálogo. O Kimi K3.1 Pro custa US$ 2,00 e US$ 10,00 — 13 vezes mais na entrada e 17 vezes mais na saída. No índice independente, esse preço compra 16 pontos: o Artificial Analysis pontua o Kimi K3.1 Pro em 55 e o DeepSeek V4.1 Flash em 39. Ele também compra um formato diferente de modelo — o DeepSeek é 2,5 vezes mais rápido e mais de duas vezes mais verboso, então a diferença por token e a diferença por tarefa não são o mesmo número. Essa é a troca mais clara entre capacidade e dinheiro no catálogo atual, e a parte interessante é que ela não aponta na mesma direção em todas as tarefas.

Ambos os modelos têm contexto de um milhão de tokens, ambos aceitam imagens e ambos geram saídas em centenas de milhares de tokens. Um é o carro-chefe de fronteira de um laboratório chinês, lançado em outubro; o outro é o modelo pequeno da família de arquitetura da DeepSeek, lançado em 10 de setembro de 2026 e posicionado como o sucessor de produção dos seus modelos Flash anteriores. A comparação é, na verdade, sobre quanto valem 16 pontos de índice para uma carga de trabalho específica — e sobre o único benchmark em que o modelo barato vence.

As tabelas de tarifas, e quanto custa uma carga de trabalho real

• Entrada — US$ 2,00 por milhão de tokens no Kimi K3.1 Pro contra US$ 0,15 no DeepSeek V4.1 Flash.

• Produção — $10,00 contra $0,60.

• Janela de contexto — 1.048.576 tokens em ambos.

• Saída máxima — 943,718 tokens no Kimi K3.1 Pro, 384,000 no endpoint base do V4.1 Flash e 393,216 no snapshot 1017. Ambos são grandes o suficiente para que o comprimento da saída deixe de ser a restrição.

• Pesos e tamanho — o DeepSeek V4.1 Flash é um modelo de mistura de especialistas com 552 bilhões de parâmetros e 16 bilhões de parâmetros ativos, publicado no Hugging Face sob licença MIT. O Kimi K3.1 Pro é da classe 3T e seus pesos estão prometidos para 4 de novembro, com a licença ainda não publicada.

• Velocidade — 181 tokens de saída por segundo no provedor do avaliador para o DeepSeek, contra 73,5 do Kimi K3.1 Pro. Para trabalhos em grande volume, esta é a segunda maior diferença, atrás apenas do preço.

A aritmética é brutal em volume. Uma chamada que lê um milhão de tokens de entrada e gera 200.000 tokens de saída custa US$ 4,00 no Kimi K3.1 Pro e 27 centavos no DeepSeek V4.1 Flash. Um pipeline noturno que processa 2.000 documentos longos por mês, com 50.000 tokens de entrada e 5.000 de saída cada, gasta cerca de US$ 300 no Kimi e US$ 21 no DeepSeek. Para classificação, extração, reescrita e sumarização em escala, a diferença de 16 pontos raramente aparece de um jeito que o cliente perceba; a fatura, sim.

Duas ressalvas impedem que essa seja a história completa. A Artificial Analysis, que mediu ambos os modelos por meio de um provedor, e não pelo preço de tabela, registra o DeepSeek V4.1 Flash a $0.295 de entrada e $1.20 de saída por milhão de tokens — o dobro da nossa tarifa de catálogo, e um lembrete de que o número mais barato em uma comparação é aquele que ninguém realmente paga. Mais importante, seu custo por tarefa é de $0.48 contra $2.11 do Kimi K3.1 Pro: uma economia de 4,4×, não os 15× que os preços por token sugerem, porque o DeepSeek gerou 250 milhões de tokens de saída durante a execução do índice, contra 150 milhões do Kimi. A verbosidade consome a vantagem de preço, e ambos os modelos estão bem acima da mediana.

Dezesseis pontos não é um erro de arredondamento.

A mesma margem que não importa para uma tarefa de classificação importa enormemente para qualquer coisa que envolva um plano. O índice independente é uma média de dez avaliações que abrangem conhecimento, raciocínio e trabalho agêntico; uma diferença de 16 pontos nessa média significa que o extremo mais difícil da distribuição não está próximo. Na tabela de lançamento da Moonshot, o Kimi K3.1 Pro obtém 61,2% em codificação de longo horizonte e 65,7% no Terminal-Bench 4.0; a camada Flash não está representada nessas linhas de forma alguma.

Tradução prática: se a tarefa pode ser especificada em um prompt e verificada por um validador, compre o modelo barato e gaste a economia em novas tentativas. Se a tarefa exige decidir o que fazer a seguir — ler um teste que falhou, escolher um arquivo para editar, recuperar-se de uma chamada de ferramenta ruim — os 16 pontos são a diferença entre um agente que termina e um que entra em loop.

A única linha em que o modelo barato vence

A própria planilha de benchmark da Moonshot contém uma linha que a contradiz. No xdev-bench-hard com pass@3, uma avaliação adversarial de codificação conduzida pelo fornecedor, o DeepSeek V4.1 Flash obtém 85,7%, contra 81,0% do Kimi K3.1 Pro. O Kimi K3, seu predecessor, obtém 33,3%.

O motivo está visível em outra parte do material de lançamento: a Moonshot removeu dados relacionados a cibersegurança tanto do mid-training quanto do aprendizado por reforço antes de lançar o K3.1 Pro, e publicou o custo. Um checkpoint treinado sem essas medidas pontua 90,5% no mesmo benchmark; o modelo entregue pontua 81,0%. A DeepSeek, por outro lado, não anunciou uma redução de capacidade equivalente, e seus 85,7% ficam acima do modelo que custa treze vezes mais.

Para trabalho de segurança defensiva — varredura, triagem, elaboração de patches sob revisão — vale a pena ponderar essa linha. Para trabalho próximo ao ofensivo, aplicam-se os termos de ambos os fornecedores e a lei, independentemente da pontuação.

O contexto e a saída surpreendem.

Uma nota prática antes que a comparação fique arrumada demais: a Artificial Analysis marca o V4.1 Flash base como obsoleto em favor do snapshot V4.1 Flash 1017, o checkpoint fixo de 17 de outubro que nosso catálogo também oferece pelo mesmo preço. O valor de índice de 39 é para o modelo base; o snapshot é o alvo que novos trabalhos devem buscar, e ele traz a mesma janela de contexto com um teto de saída ligeiramente maior.

O que torna esta comparação menos desequilibrada do que o preço sugere é que o modelo barato não abriu mão do armazém. Um contexto de um milhão de tokens num modelo de US$ 0,15 significa que pipelines com recuperação aumentada que antes precisavam de chunking podem enviar o documento inteiro. Um teto de saída de 384.000 tokens significa que um job em lote pode pedir um arquivo inteiro reescrito numa única chamada.

O que ele abre mão em troca é da confiabilidade nos casos-limite: seguir instruções em prompts longos de várias etapas, recuperação de chamadas de ferramentas e a capacidade de manter um plano ao longo dos turnos. Essas são exatamente as coisas nas quais o orçamento de pós-treinamento do Kimi K3.1 Pro foi gasto, e exatamente o que um índice geral comprime em 16 pontos.

Como dividir o trabalho

Ambos os modelos podem ser chamados através do OrcaRouter aos preços de tabela dos respetivos fornecedores, sem qualquer margem acrescentada — $2,00 e $10,00 para o Kimi K3.1 Pro, $0,15 e $0,60 para o DeepSeek V4.1 Flash — com uma única chave, com failover automático caso um fornecedor fique indisponível.

Uma divisão que segue as evidências: envie extração, classificação, tradução, sumarização e redação de primeira passagem para o V4.1 Flash, e envie programação de longo horizonte, orquestração de agentes e qualquer coisa que precise se recuperar dos próprios erros para o Kimi K3.1 Pro. Se a divisão ficar nos habituais 80/20 por volume de tokens, o custo combinado por milhão de tokens cai para cerca de 80 centavos — um quinto de uma linha de base só com Kimi — enquanto as tarefas que precisam do modelo de fronteira ainda o recebem.

O erro a evitar é tratar qualquer um dos modelos como a resposta para as duas tarefas. Com uma diferença de preço de 13×, o modelo barato não é um compromisso para o trabalho em massa; é a escolha correta. Com 16 pontos de índice, não é um substituto para os 20% difíceis.