Kimi K3.1 vs Kimi K3: O que os pesos abertos dizem que o post de lançamento não disse

O Kimi K3.1 Pro e o Kimi K3 agora entregam os mesmos 96 shards safetensors, os mesmos 1,56 TB em disco e uma pilha de atenção diferente. A configuração no novo repositório da Moonshot descreve 93 camadas como "69 KDA + 24 Gated DSA". A configuração no repositório do Kimi K3, publicada em julho, diz "69 KDA + 24 Gated MLA". O post de lançamento da Moonshot para o Kimi K3.1 Pro, datado de 24 de outubro de 2026, chama o modelo mais novo de "uma versão pós-treinada do Kimi K3" e não menciona a troca em momento algum. Todo o resto nesta comparação está a jusante dessa única linha, incluindo o motivo pelo qual o modelo mais novo é o mais barato.

Os próprios pesos chegaram sem anúncio. O blog da Moonshot não tem nenhuma entrada depois de 24 de outubro. O único commit do repositório tem data e hora de 2 de novembro de 2026, dois dias antes do prazo de 4 de novembro que a empresa havia definido para si mesma; se os arquivos estavam publicamente legíveis antes desse prazo não é algo que o repositório registre. O que ele registra é a arquitetura, a licença e o inventário — que é exatamente o que o post de lançamento deixou de fora.

A troca que o anúncio não mencionou

O cartão do modelo traz a admissão em uma nota de rodapé, uma linha abaixo de uma tabela de especificações de resto familiar: "Em comparação com o Kimi K3, substituímos as camadas Gated MLA de atenção completa por camadas Gated DeepSeek Sparse Attention (Gated DSA) para uma modelagem de contexto longo mais eficiente."

Vinte e quatro das 93 camadas mudam. As outras 69 permanecem Kimi Delta Attention, o mecanismo de atenção linear que o Kimi K3 introduziu, e a contagem de camadas, a contagem de especialistas e as dimensões ocultas permanecem intactas. O Gated MLA é atenção completa com um cache de chave-valor comprimido; o Gated DSA seleciona um subconjunto esparso de tokens passados para cada consulta e aplica um gate ao resultado. A diferença prática está em como o modelo gasta computação e cache à medida que o contexto cresce, que é a parte de uma janela de 1 milhão de tokens que aparece na sua fatura de serving em vez de numa tabela de benchmark.

O que o card não fornece é um número. Não há um número de tokens por segundo, nenhuma comparação de memória de cache, nenhuma medição de latência em contexto longo — apenas a frase "modelagem de contexto longo mais eficiente". O post de lançamento da Moonshot não traz detalhe algum sobre a arquitetura. Portanto, a alegação de que a troca torna algo mais rápido é, neste momento, uma declaração de design e não uma medição, e ninguém fora da Moonshot publicou uma comparação de serving entre os dois checkpoints.

Isso importa mais do que parece. Se você ajustou o batching, a alocação de cache ou o gerenciamento de contexto com base no perfil de atenção do Kimi K3, o checkpoint mais recente não é uma substituição direta na camada de serving, embora seja uma substituição direta na camada de API. A API esconde isso; uma implantação auto-hospedada não.

O que os dois checkpoints realmente compartilham

O download idêntico é a pista de que este não é um modelo maior. Todas as dimensões principais abaixo são as mesmas em ambos os cartões, e o inventário de arquivos confirma isso:

• Parâmetros totais e ativos — 2,8 trilhões no total, 104 bilhões ativos em ambos os modelos.

• Profundidade — 93 camadas, das quais uma é densa, em ambos.

• Especialistas — 896 no total, 16 selecionados por token, 2 compartilhados, em ambos.

• Vocabulário — 160K tokens em ambos.

• Visão — MoonViT-V2, 401 milhões de parâmetros, em ambos.

• Contexto — 1.048.576 tokens em ambos; nossa própria página do modelo indica uma saída máxima de 943.718 tokens para o Kimi K3.1 Pro.

• Quantização — pesos MXFP4 e ativações MXFP8, treinamento com reconhecimento de quantização, em ambos.

• Download — 96 fragmentos safetensors totalizando 1,56 TB para cada repositório.

• Modalidades de entrada — o cartão do Kimi K3 lista texto, imagens e vídeo; o cartão do Kimi K3.1 Pro lista texto e imagem, enquanto a documentação da API também anuncia vídeo. Considere a alegação sobre vídeo como não verificada até que o código do processador seja exercitado.

Uma versão pontual que mantém a contagem de parâmetros, o roteamento de especialistas e o tamanho do arquivo, e altera 24 camadas de atenção, é um tipo diferente de lançamento em relação a uma nova geração. Está mais próximo de uma revisão de arquitetura em meio de ciclo somada a uma grande rodada de pós-treinamento do que de um novo modelo base, e o preço reflete isso.

Duas tabelas de tarifas, e uma fatura que não cai em um terço

No papel, o modelo mais novo é mais barato em cada linha. O Kimi K3.1 Pro custa US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de saída; o Kimi K3 custa US$ 3,00 e US$ 15,00. A taxa de acerto de cache cai de US$ 0,30 para US$ 0,20, e as gravações de cache passam de US$ 3,00 e US$ 6,00 para US$ 2,00 e US$ 4,00 com TTL de cinco minutos e de uma hora, e uma variante Highspeed a US$ 4,00 e US$ 20,00 troca preço por duas a três vezes a velocidade de saída. A inferência em lote no Kimi K3.1 Pro é cobrada a 60% do padrão, ou US$ 1,20 e US$ 6,00.

A conta é outra história. O Kimi K3.1 Pro raciocina por padrão com esforço máximo, e esforço máximo gera mais tokens. A comparação de codificação agêntica da Bito constatou que os dois modelos empataram em 72% no geral, enquanto o Kimi K3.1 Pro emitiu cerca de 98.000 tokens de saída contra 44.000 do Kimi K3, levou 28 minutos contra 17 e custou US$ 4,28 contra US$ 2,46 em uma sessão longa. A execução de análise de dados da Plotly foi no sentido oposto em qualidade e no mesmo sentido em custo: 42 de 43 tarefas resolvidas contra 35, com gasto subindo de US$ 5,01 para US$ 13,47 e tempo mediano de 43 segundos para dois minutos e meio. A Ultralytics, testando autoanotação, mediu uma melhoria de 33% em mAP50, 0,444 contra 0,334, passando de 19º para 9º entre 39 modelos.

Esses três são testes publicados por fornecedores em amostras pequenas, não avaliações revisadas por pares, e discordam sobre o quanto o novo modelo é melhor. Concordam quanto à direção do custo: um corte de um terço no preço por token não resiste a um modelo que pensa por mais tempo. Planeje o orçamento por tarefa concluída, não por milhão de tokens.

Ambos os lados desta comparação podem ser chamados com uma única chave. O Kimi K3.1 Pro é roteado como kimi/kimi-k3.1-pro a US$ 2,00 e US$ 10,00 da Moonshot, e o Kimi K3 como kimi/kimi-k3 a US$ 3,00 e US$ 15,00, com o preço de tabela do provedor repassado e sem acréscimo de margem, então uma mudança na tabela de preços da Moonshot entra em vigor aqui no mesmo dia. Essa é a razão específica pela qual isso pertence a uma seção de preços e não a um rodapé: todo o argumento para a troca é uma diferença de preço, e qualquer spread adicionado sobre o preço de tabela consumiria parte da economia antes mesmo de você ter medido uma única tarefa.

A tabela de benchmark mudou de posição em ambos os modelos.

A Artificial Analysis reconstruiu seu Índice de Inteligência em 27 de outubro de 2026, e a reconstrução é mais decisiva para esta comparação do que qualquer coisa que a Moonshot tenha publicado. No índice v5 atual, o Kimi K3.1 Pro pontua 46 e ocupa o nono lugar, doze pontos atrás do Claude Opus 5.5, com 58, com o Gemini 4 Carbon com 59, o GPT-6 Astra com 57 e o GPT-6.1 Sol com 55 acima dele. No índice v4.3.2 anterior, o mesmo modelo pontuou 55 e ficou em quarto lugar, a três pontos da liderança.

Esses dois valores não representam uma regressão e não são comparáveis. A versão 5 transferiu cerca de 60% do índice para conjuntos privados reservados, adicionou FrontierCode 2.0 e Terminal-Bench-Science, removeu SciCode e AA-LCR, e elevou o comprimento médio de saída por tarefa de cerca de 35.000 tokens para cerca de 59.000. Um modelo que responde de forma breve perde terreno em um índice que agora recompensa trabalho agêntico longo. O Kimi K3.1 Pro continua sendo o modelo mais bem classificado que seu fornecedor descreve como de pesos abertos.

O número do antecessor é a armadilha. O Kimi K3 marcou 57 no índice v4 no lançamento e ficou em terceiro lugar. O 43,6 que circula para o Kimi K3 (max) vem de instantâneos de agregadores feitos antes da migração para o v5, e não conseguimos encontrar uma pontuação v5 publicada para o próprio Kimi K3. Portanto, "46 contra 43,6" não é um par controlado, e quem apresenta a diferença como um ganho de capacidade medido está subtraindo entre dois instrumentos. O que se pode dizer é mais restrito: no índice atual, o modelo mais novo é o que foi pontuado, e está em nono lugar.

A tabela do próprio fornecedor, que é mais uma vez um instrumento diferente, traz o Kimi K3.1 Pro com 65,7 no Terminal-Bench 4.0, contra 66,4 do Claude Opus 5.5, 51,7 no SWE Marathon v1.1, 92,7 no BenchCAD com ferramentas, 94,2 no GPQA-Diamond e 51,1 no HLE-Full. Seus pontos fracos são igualmente visíveis: 38,1 no Terminal-Bench-Science, contra 68,1 do GPT-6 Astra, e 39,4 no HLE-Diamond, contra 60,9 do Opus 5.5. A Moonshot executou as avaliações de programação por meio do harness Claude Code com esforço de raciocínio máximo. Nada disso foi reproduzido de forma independente.

Os pares de números mais limpos do lançamento são os que a Moonshot mediu em relação ao seu próprio antecessor: Kimi Code Bench 3.0 Long-horizon em 61,2% contra 55,95%, uma taxa de alucinação em nível de afirmação de 8,3% contra 23,4% com ferramentas, e 81,0% contra 33,3% no xdev-bench-hard. O mesmo benchmark interno pertence à Moonshot, então os deltas são consistentes, mas não externos. O número de alucinação é o que tem a maior consequência prática e a menor corroboração.

A licença é a licença do Kimi K3 com um nome alterado.

Ambos os repositórios incluem um arquivo de licença de cerca de três kilobytes, e uma comparação linha a linha encontra uma única diferença substancial: “Kimi K3.1-Pro” substitui “Kimi K3” na cláusula de atribuição. Todo o resto é o mesmo documento.

Isso significa que os termos já são conhecidos, e não pendentes. O uso, a cópia, a modificação, a distribuição, a sublicença e a venda são permitidos, e o ajuste fino é explicitamente permitido. Uma empresa que fornece modelo como serviço e cuja receita agregada exceda US$ 20 milhões em qualquer período consecutivo de doze meses deve assinar um acordo separado com a Moonshot antes do uso comercial. Produtos acima de 100 milhões de usuários ativos mensais ou US$ 20 milhões em receita mensal devem exibir o nome do modelo em destaque. O uso interno e o uso por meio dos produtos oficiais da Moonshot ou de seus parceiros de inferência certificados estão isentos de ambos os requisitos.

A isenção para parceiros certificados é a cláusula que vale a pena ler duas vezes se você pretende revender acesso. O limite de US$ 20 milhões é medido em uma janela móvel de doze meses, e não por linha de produto, e “modelo como serviço” é definido de forma ampla o suficiente para abranger uma API que dá aos clientes controle sobre entradas, parâmetros ou dados de treinamento — ao mesmo tempo que abre exceção para produtos de usuário final em que o modelo está incorporado a uma funcionalidade, e para o mero encaminhamento de solicitações a modelos hospedados em outro lugar.

O que é preciso para executar qualquer um dos dois

Um checkpoint MXFP4 de 1,56 TB não é um download para estação de trabalho, e os dois modelos são igualmente pesados. A Moonshot aponta para três stacks de serving — receitas do vLLM, um cookbook do SGLang e o TokenSpeed — e todas as três pressupõem uma implantação multinó para este tamanho. O treinamento com reconhecimento de quantização desde a etapa de ajuste fino supervisionado é o que mantém o arquivo em 1,56 TB em vez dos aproximadamente 5,6 TB que uma cópia em BF16 ocuparia, e essa quantização está incorporada às pontuações acima em vez de ser aplicada depois.

A consequência prática de footprints idênticos é que a troca de arquitetura não proporciona nenhum alívio de hardware. Se você consegue servir o Kimi K3, consegue servir o Kimi K3.1 Pro na mesma classe de cluster; não consegue servir nenhum dos dois em um único nó.

Qual escolher

• Você faz self-hosting e sua stack está ajustada ao Kimi K3 — refaça o benchmark antes de migrar. A mudança na atenção altera o comportamento do cache, e a única alegação de eficiência associada a ela é uma frase em uma nota de rodapé.

• Você chama a API para codificação agêntica, uso de ferramentas de longo horizonte ou verificação de documentos — Kimi K3.1 Pro, com base nos deltas internos emparelhados e na tabela de tarifas mais baixa, com uma avaliação sombra primeiro.

• Você precisa de um modelo com um perfil de falhas consolidado — Kimi K3. Ele está em produção desde julho e suas peculiaridades estão documentadas por outras pessoas. O modelo mais recente altera o comportamento de raciocínio por design.

• Você precisa de determinismo — verifique antes de trocar. O Kimi K3.1 Pro fixa a temperature em 1.0 e o top_p em 0.95 e rejeita alternativas, e alterar o esforço de raciocínio no meio da conversa invalida os hits do cache de prefixo.

O resumo honesto é que o Kimi K3.1 Pro é um modelo melhor que o Kimi K3 em quase todos os eixos medidos pelo fornecedor, modestamente melhor no único índice independente que o avaliou, e mais caro por tarefa concluída do que sua tabela de preços sugere. O que mudou esta semana não é o veredito, mas a evidência: o checkpoint agora pode ser lido, servido e testado em vez de aceito com base na confiança, e a primeira coisa que a leitura produziu foi uma correção ao post de lançamento.