Step 5 Preview vs Kimi K3.1 Pro: Ambos os modelos foram reavaliados na semana passada. Eis o que permanece

Se você tivesse consultado Step 5 Preview e Kimi K3.1 Pro há uma semana, teria chegado a dois números: 44 e 55. Ambos sumiram. Em 27 e 28 de outubro de 2026, o Artificial Analysis substituiu seu Intelligence Index pela versão 5, que obtém 60% de sua pontuação de conjuntos de teste privados ou reservados, e a pontuação de um mesmo modelo sob a rubrica antiga e sob a nova não é a mesma medição. Step 5 Preview registra 29 na v5. Kimi K3.1 Pro registra 46. A diferença de nove pontos entre eles agora é uma comparação que você pode fazer com honestidade, e é uma diferença diferente daquela em torno da qual a cobertura de lançamento foi redigida.

O que segue é essa comparação, além da parte que ninguém coloca numa tabela de comparação: os dois modelos estão em lados opostos de uma questão de pesos que se resolve em 4 de novembro, e apenas um deles pode ser chamado via OrcaRouter hoje.

Os dois números que todo mundo cita estão ambos errados agora.

Kimi K3.1 Pro foi lançado em 23 de outubro de 2026 com uma pontuação de 55 no Índice de Inteligência e uma estreia em quarto lugar, onze pontos acima do Kimi K3. Quatro dias depois, marcava 46. Nada no modelo mudou; a régua mudou. A Artificial Analysis reconstruiu o composto em nove avaliações de quatro categorias — Trabalho do Conhecimento, Programação, Ciência e Geral — e descartou três das mais antigas, incluindo GDPval-AA v2.1, SciCode e AA-LCR v1.1. Acrescentou o FrontierCode 2.0, um conjunto de 132 tarefas privadas de programação avaliadas segundo o critério de se um patch vale a pena ser mesclado, e o Terminal-Bench-Science.

O Preview do Step 5 sofreu o mesmo impacto, de forma mais severa. Ele marca 29 no v5.0, contra 44 no índice anterior, e perde mais de suas evidências de apoio do que o Kimi, porque o material de lançamento da StepFun se apoiava exatamente nas avaliações que foram removidas. O 88,3 no AA-LCR e o 58,9 no SciCode que aparecem na maior parte da cobertura deste modelo agora são pontuações de benchmarks que não contribuem mais para o índice principal. Eles continuam sendo medições verdadeiras de alguma coisa. Já não são aquilo que o índice mede.

A consequência para o ranking merece ser dita sem rodeios: no v5, um modelo de pesos abertos — ou com promessa de pesos abertos — com 46 está 12 pontos atrás do líder, com 58, ao passo que, no v4, a diferença era de 3. Isso é uma afirmação sobre a rubrica, não sobre um colapso súbito de capacidade, e qualquer artigo que apresente isso como o segundo caso está interpretando mal a própria fonte.

As linhas da especificação, uma dimensão de cada vez.

• Parâmetros totais e ativos — Step 5 Preview: 600B no total, 27B ativos por token, 8 de 352 especialistas mais um compartilhado. Kimi K3.1 Pro: 2,8T no total, 104B ativos.

• Que tipo de lançamento foi — Step 5 Preview: um novo modelo principal lançado em formato de prévia, com os pesos vindo em seguida. Kimi K3.1 Pro: uma versão pós-treinada do Kimi K3 com maior computação de pós-treinamento, incluindo aprendizado por reforço conjunto em centenas de domínios — não uma nova arquitetura.

• Janela de contexto — Prévia da Etapa 5: 1M de tokens. Kimi K3.1 Pro: 1.048.576 tokens.

• Modalidades de entrada — Prévia da Etapa 5: texto, imagens e vídeo. Kimi K3.1 Pro: texto e imagens.

• Preço de entrada por milhão de tokens — Step 5 Preview: US$ 1,00. Kimi K3.1 Pro: US$ 2,00, valor fixo em toda a janela de contexto, sem sobretaxa para contextos longos.

• Preço de saída por milhão de tokens — Step 5 Preview: $2,70. Kimi K3.1 Pro: $10,00.

• Entrada em cache — Prévia da Etapa 5: um desconto de 90% sobre a tarifa de entrada. Kimi K3.1 Pro: $0,20 por milhão para leitura, com gravações de cache a $2,00 em um TTL de cinco minutos e $4,00 em um TTL de uma hora.

• Pesos — Step 5 Preview: publicados em 15 de outubro de 2026, BF16 e FP8, sob a StepFun Model License 1.0. Kimi K3.1 Pro: não publicados; a Moonshot afirmou que os pesos são previstos para 4 de novembro de 2026.

• Pontuação independente no Intelligence Index v5.0 — Pré-visualização da Etapa 5: 29. Kimi K3.1 Pro: 46.

Custo por tarefa concluída, com a ressalva anexada

A Artificial Analysis relata US$ 2,35 por tarefa do Intelligence Index para o Step 5 Preview e US$ 1,98 para o Kimi K3.1 Pro. Isso parece uma pequena vantagem para o Kimi, e vale a pena entender por que ela não é tão óbvia assim.

Os dois números não foram produzidos no mesmo conjunto de tarefas, porque o conjunto de tarefas foi reconstruído entre as duas medições. Ambos são "custo por tarefa de índice" sob o composto que estivesse vigente quando o número foi obtido, o que torna a comparação, na melhor das hipóteses, direcional. O que não é ambíguo é o mecanismo: o Kimi K3.1 Pro é verboso, gastando cerca de 55.000 tokens de saída por tarefa e 150 milhões ao longo de uma execução completa, contra uma mediana de 87 milhões, e, a US$ 10 por milhão de tokens de saída, essa verbosidade sai cara. Seus US$ 1,98 são consequência de terminar em menos etapas faturáveis, não de um token mais barato.

O Step 5 Preview é o token mais barato por um fator de 3,7 na saída e de 2 na entrada, e o modelo mais rápido por uma margem ampla nas medições disponíveis: 179,1 tokens de saída por segundo na API da StepFun contra uma mediana da categoria de 74,1, enquanto o Kimi K3.1 Pro mede cerca de 73. Se a sua carga de trabalho for sensível à latência e intensiva em saída, essa ordenação corresponde à ordenação de preços e a decisão é fácil. Se a sua carga de trabalho for aquela em que a diferença de qualidade das respostas de 17 pontos de índice importa mais do que o tempo até o primeiro token, os mesmos números apontam para o lado oposto.

Pesos: um está fora, o outro é uma promessa com data

É esta a assimetria que as tabelas de benchmark escondem. Os pesos do Step 5 Preview estão disponíveis para download desde 15 de outubro: checkpoints BF16 e FP8 no Hugging Face e no ModelScope, receitas para vLLM e SGLang no mesmo dia, e um blog técnico que descreve a pilha estreita e profunda de 92 camadas e o padrão de atenção GQA esparsa. O checkpoint FP8 exige cerca de 773 GB de VRAM e pelo menos quatro GPUs, com B300 como alvo padrão e oito H200s no caminho Hopper. A licença é própria da StepFun, não aprovada pela OSI: atribuição em resultados materialmente utilizados, negociação separada para fabricantes de hardware e licença comercial para operadores de modelo como serviço com receita anual acima de US$ 20 milhões.

Os pesos do Kimi K3.1 Pro não existiam no dia do lançamento — a Artificial Analysis ainda classificava o modelo como proprietário em 24 de outubro — e a data anunciada é 4 de novembro de 2026. Quando forem disponibilizados, o modelo da Moonshot se torna o modelo para download com maior pontuação no índice v5, o que é um acontecimento genuinamente significativo para qualquer pessoa que queira capacidade próxima da fronteira sem um fornecedor envolvido.

Até 4 de novembro, a comparação é entre um modelo que você pode executar e um modelo que você só pode chamar. Isso não é uma desvantagem permanente para a Kimi, mas é uma desvantagem real nesta semana, e é a razão pela qual uma decisão tomada hoje pode não ser a decisão que você tomaria em nove dias.

Onde cada um pode ser chamado agora

Um destes dois modelos está no OrcaRouter e o outro não. Kimi K3.1 Pro está no catálogo ativo como kimi/kimi-k3.1-pro, ao lado de cinco outros modelos Kimi. Step 5 Preview não está: o catálogo contém 214 IDs de modelo em 16 provedores, e não há nenhuma entrada da StepFun nele em 29 de outubro de 2026. Se você quiser o Step 5 Preview hoje, chame a API própria da StepFun ou hospede o checkpoint.

Essa assimetria é a parte útil desta comparação para uma decisão de roteamento. Como repassamos o preço de lista do provedor sem acréscimo, a tabela de preços do Kimi que você vê aqui é a tabela de preços da Moonshot — $2.00 e $10.00 — e o mesmo vale para qualquer redução que a Moonshot fizer depois. E, como o failover é automático, a versão prática de “o Kimi é a opção barata e moderada” é que você pode colocá-lo primeiro em uma cadeia e deixar a plataforma recorrer ao fallback quando um provedor degradar, em vez de codificar um fallback no seu cliente e mantê-lo.

A questão da migração, se você estiver trocando

Três coisas custarão tempo a você, independentemente da direção em que você se mover.

O primeiro é o volume de saída. O perfil de custo do Kimi K3.1 Pro é dominado por quanto ele escreve, não pela sua tarifa. Um prompt que produz uma resposta concisa no Step 5 Preview pode produzir três vezes mais tokens no Kimi, e sua conta seguirá os tokens, não a tabela de tarifas. Meça os tokens de saída por tarefa na sua própria carga de trabalho antes de comparar os dois preços.

A segunda é a economia de cache. O Step 5 Preview aplica 90% de desconto sobre a entrada em cache. O Kimi K3.1 Pro cobra $0.20 por milhão para ler um cache, mas também cobra para gravar um — $2.00 com TTL de cinco minutos e $4.00 com uma hora. Um loop de agente que reenvia um prompt de sistema longo a cada passo é uma proposta bem diferente nesses dois esquemas, e o cartão que parece mais barato nem sempre é o loop mais barato.

A terceira é a sensibilidade ao harness. A própria tabela da Moonshot coloca o Kimi K3.1 Pro em 65,7% no Terminal-Bench 4.0, contra 66,4% do Claude Opus 5.5 e 58,2% do GPT-6 Astra; o avaliador independente relata 67% para o mesmo modelo. Os números do Terminal-Bench variam dezenas de pontos com scaffolding, portanto uma diferença de 1,7 ponto entre as execuções de dois laboratórios não é uma medida de uma diferença de capacidade de 1,7 ponto. Trate cada linha entre fornecedores nesta comparação como uma afirmação sobre direção.

O que fazer esta semana, concretamente: se a sua carga de trabalho for de contexto longo, com muita geração de output e sensível à latência, o Step 5 Preview a $1.00 e $2.70 é a experiência mais barata e os pesos tornam-na portátil. Se o trabalho for programação agêntica em que a qualidade dos patches é todo o produto, o 46 do Kimi K3.1 Pro no v5 e os seus 67% no Terminal-Bench 4.0 tornam-no a compra mais forte, e 4 de novembro é a data que o transforma de uma aposta num ativo. De qualquer das formas, não baseie uma decisão no 44 e no 55. Esses números pertencem a uma rubrica que já não existe.