Kimi K3.1 Pro: Claude Code, Codex, modelos y precios

Para probar Kimi K3.1 Pro en tareas de programación, empieza con el modelo estándar de API kimi-k3.1-pro, configura explícitamente el nivel de razonamiento y verifica una petición pequeña antes de conectar Claude Code o Codex. Si ya tienes una suscripción a Kimi Code, prueba primero su entrada independiente k3.1-pro mediante /model. Elige Highspeed después de medir si la reducción del tiempo de espera compensa su mayor precio.

Los precios y las condiciones de disponibilidad que se indican aquí corresponden al 2026-10-24. Las configuraciones de Claude Code y Codex utilizan la API de pago por uso de Kimi; el acceso mediante la suscripción a Kimi Code se explica por separado.

¿Qué cambia respecto a Kimi K3?

K3.1 Pro es una versión de K3 con más recursos dedicados al postentrenamiento y mejoras orientadas a tareas que requieren razonamiento sostenido y uso de herramientas. Moonshot publica un resultado del 61.2%, frente al 55.95% de K3, en su evaluación interna Kimi Code Bench 3.0 Long-horizon. Considéralo un resultado del proveedor al elegir tareas para probar, como depurar código repartido entre varios archivos o completar una función mediante sucesivos ciclos de edición y pruebas.

La ventana de contexto de 1,048,576 tokens ya estaba disponible en K3. Para quienes utilizan su API, esta versión combina un modelo nuevo, tarifas por token más bajas y el comportamiento de razonamiento que describe su documentación. La capacidad del contexto también es independiente de los límites de frecuencia de la cuenta y del saldo pagado, como explica la documentación de precios de Kimi.

El acceso al modelo alojado ya está disponible. El anuncio de lanzamiento de Moonshot prevé publicar los pesos completos a más tardar el 2026-11-04. Puedes probar ahora el servicio alojado; evalúa el despliegue en tu propia infraestructura cuando estén disponibles los pesos y las condiciones de licencia específicas del modelo.

¿Qué ID de modelo debes usar?

Elige el ID que corresponda al servicio que emitió tu clave de API. La API de pago de Kimi, la suscripción a Kimi Code y OpenRouter utilizan distintos espacios de nombres y sistemas de facturación.

Vía de acceso	ID del modelo o ajuste del cliente	Facturación
API de Kimi, incluido Codex conectado a esa API	`kimi-k3.1-pro` o `kimi-k3.1-pro-highspeed`	Uso de la API de Kimi
Claude Code mediante la API de Kimi, con la configuración de esta guía	`kimi-k3.1-pro[1m]`	Uso de la API de Kimi
Suscripción a Kimi Code	`k3.1-pro` o `k3.1-pro-highspeed`	Cuota de la suscripción
OpenRouter	`moonshotai/kimi-k3.1-pro`	Facturación de la API de OpenRouter

Estos identificadores aparecen en la referencia de la API de Kimi, la configuración de modelos de Kimi Code y la ficha del modelo en OpenRouter.

Hay un detalle que puede llevarte a seleccionar otro modelo: la guía actual de Kimi para Claude Code todavía utiliza kimi-k3[1m] en sus ajustes, aunque su petición de comprobación utiliza kimi-k3.1-pro.

La documentación de configuración de modelos de Anthropic explica que [1m] indica a Claude Code que debe utilizar una ventana de contexto de 1M y se elimina antes de enviar el ID del modelo al proveedor. Ese sufijo no convierte kimi-k3 en kimi-k3.1-pro. Por eso, la configuración que aparece más adelante especifica K3.1 Pro de forma explícita.

¿Cuáles son los precios actuales de la API?

Las tarifas publicadas de entrada, salida y caché de K3.1 Pro estándar son un tercio inferiores a las de K3. El coste de completar una tarea sigue dependiendo de cuántos tokens consuma el agente.

Los siguientes importes son USD por 1,000,000 tokens, con la modalidad de escritura en caché predeterminada 5m, según los precios actuales de los modelos en la plataforma de Kimi. No incluyen los impuestos aplicables.

Modelo	Entrada sin caché	Escritura en caché, `5m`	Lectura de caché	Salida
Kimi K3.1 Pro	$2.00	$2.00	$0.20	$10.00
Kimi K3.1 Pro Highspeed	$4.00	$4.00	$0.20	$20.00
Kimi K3	$3.00	$3.00	$0.30	$15.00

Las lecturas de caché, las escrituras en caché y la entrada restante sin caché son categorías de tokens mutuamente excluyentes. No contabilices los mismos tokens de entrada tanto a la tarifa ordinaria como a la de escritura en caché. La guía de facturación de caché de Kimi explica el almacenamiento automático en caché, su duración predeterminada de cinco minutos y la modalidad de escritura 1h, que tiene un precio distinto.

Como estimación ilustrativa, supongamos que una tarea acumula:

100,000 tokens nuevos de entrada, facturados como entrada ordinaria o escrituras en caché 5m.
500,000 tokens de entrada recuperados de la caché.
20,000 tokens totales de salida, incluido el razonamiento.

El coste con K3.1 Pro estándar sería:

(100,000 × $2.00 + 500,000 × $0.20 + 20,000 × $10.00) / 1,000,000 = $0.50

Con la misma cantidad de tokens, el coste sería $0.75 con K3 y $0.90 con Highspeed. Estas estimaciones excluyen impuestos y cargos adicionales por herramientas, y suponen que no hay escrituras en caché 1h. Highspeed no duplica esta factura concreta porque su tarifa de lectura de caché se mantiene en $0.20.

Ya existen datos independientes sobre el coste por tarea. La evaluación de lanzamiento de Artificial Analysis indica aproximadamente 55K tokens de salida por tarea del Intelligence Index, frente a 48K con K3, y $1.98 por tarea, una cifra aproximadamente igual a la de K3 en esa evaluación. Su metodología pondera los costes de las distintas pruebas que componen el índice. Estos datos ayudan a entender el consumo de tokens, pero no predicen cuánto costará corregir un error en tu repositorio.

Verifica el acceso a la API y configura el razonamiento

Comprueba primero tu cuenta de API antes de buscar errores en la configuración de una herramienta de programación. La guía de inicio de K3.1 Pro indica que el acceso se desbloquea tras una recarga completada de al menos $1. Es un requisito de acceso a la API, independiente de la suscripción a Kimi Code.

Los siguientes comandos utilizan Bash en macOS o Linux, con curl y jq instalados. Cuando read espere una entrada, pega la clave de la plataforma API de Kimi y pulsa Enter; la clave no se mostrará.

set -o pipefail
read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY

curl --silent --show-error --fail-with-body \
  https://api.moonshot.ai/v1/chat/completions \
  --header "Authorization: Bearer $MOONSHOT_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3.1-pro",
    "reasoning_effort": "low",
    "max_completion_tokens": 2048,
    "messages": [{"role": "user", "content": "Reply with exactly: KIMI_API_OK"}]
  }' | jq -e '
    if .error then error(.error | tostring)
    else {model, answer: .choices[0].message.content,
          finish_reason: .choices[0].finish_reason, usage}
    end
  '

Si la comprobación se completa correctamente, debe devolver kimi-k3.1-pro en model, la respuesta solicitada, stop en finish_reason y el consumo real. La referencia de Chat Completions documenta estos campos de la respuesta.

Si finish_reason es length, la generación ha alcanzado su límite: aumenta max_completion_tokens y vuelve a intentarlo antes de atribuir el problema a la autenticación. Un 401 requiere comprobar que la clave corresponda al endpoint utilizado. Si una cuenta nueva no tiene acceso al modelo, revisa primero que la recarga se haya completado y que el ID sea exacto.

K3.1 Pro siempre utiliza razonamiento. La guía de razonamiento de la API directa admite low, high y max, con max como valor predeterminado. La prueba básica de conexión utiliza low de forma deliberada; los ejemplos de herramientas de programación que siguen utilizan high como punto de partida.

En integraciones propias, ten en cuenta que el esquema oficial de la API sitúa este ajuste en un campo diferente según el protocolo: Chat Completions utiliza reasoning_effort, Responses utiliza reasoning.effort y Messages utiliza output_config.effort. No copies el campo de Chat Completions en todos los formatos de petición.

Configura Claude Code con el ID explícito de K3.1 Pro

Asigna K3.1 Pro a la conversación principal, a los modelos de tareas en segundo plano y a los subagentes para que la prueba solicite ese modelo de forma consistente. Esta configuración adapta la estructura de integración de Kimi con el ID canónico que acepta su API Messages y el comportamiento de [1m] documentado por Anthropic.

Utiliza una instalación actualizada de Claude Code. Incorpora lo siguiente a ~/.claude/settings.json, conservando los ajustes que no estén relacionados:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.moonshot.ai/anthropic",
    "ANTHROPIC_MODEL": "kimi-k3.1-pro[1m]",
    "ANTHROPIC_DEFAULT_FABLE_MODEL": "kimi-k3.1-pro[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3.1-pro[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3.1-pro[1m]",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3.1-pro[1m]",
    "CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3.1-pro[1m]",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "CLAUDE_CODE_EFFORT_LEVEL": "high"
  }
}

Todas esas asignaciones pasan a utilizar las tarifas de K3.1 Pro, incluidas las tareas en segundo plano asociadas al modelo Haiku. El ajuste de compactación es un umbral del cliente; no compra contexto ni tokens adicionales.

No añadas credenciales a este ejemplo JSON. Antes de utilizar la credencial del terminal que aparece a continuación, elimina las entradas antiguas ANTHROPIC_API_KEY o ANTHROPIC_AUTH_TOKEN del objeto env existente: Kimi documenta que los valores de entorno del archivo de configuración prevalecen sobre los exportados en el terminal.

Desde la misma sesión de Bash utilizada para comprobar la API, ejecuta:

unset ANTHROPIC_API_KEY
export ANTHROPIC_AUTH_TOKEN="$MOONSHOT_API_KEY"
claude

En la nueva sesión, ejecuta /status. Comprueba que la URL base sea https://api.moonshot.ai/anthropic y que el modelo seleccionado sea K3.1 Pro, posiblemente con la anotación [1m]. Mantén activado el razonamiento.

Utiliza la comprobación de lectura del repositorio de la siguiente sección para verificar las llamadas a herramientas. /status confirma la configuración seleccionada; preguntarle al asistente «¿Qué modelo eres?» no permite verificar de forma fiable a qué modelo se dirigen las peticiones.

Si sigue apareciendo el modelo anterior, revisa los ajustes existentes que puedan sobrescribir la selección y reinicia el cliente. Si solo fallan las tareas en segundo plano, comprueba todas las asignaciones de familias y subagentes, en lugar de cambiar únicamente el modelo principal.

Conecta Codex mediante la API Responses nativa

Utiliza el endpoint Responses nativo de Kimi para Codex. La integración oficial de Kimi admite directamente kimi-k3.1-pro, con wire_api = "responses" y una ventana de contexto de 1048576.

En Codex 0.134.0 o posterior, utiliza un archivo de perfil independiente para seleccionar esta configuración de forma explícita. Comprueba la versión con codex --version. Según las reglas actuales de perfiles de Codex, --profile kimi-k31 carga ~/.codex/kimi-k31.config.toml sobre la configuración base.

Crea ese archivo con el siguiente contenido:

model = "kimi-k3.1-pro"
model_provider = "kimi"
model_context_window = 1048576
model_reasoning_effort = "high"

[model_providers.kimi]
name = "Kimi"
base_url = "https://api.moonshot.ai/v1"
env_key = "KIMI_API_KEY"
wire_api = "responses"

Los ajustes del proveedor siguen la guía de Kimi. El nivel explícito high combina el campo de configuración del razonamiento de Codex con un valor admitido por el esquema Responses de Kimi.

Desde el terminal donde está disponible tu clave de API, ejecuta:

export KIMI_API_KEY="$MOONSHOT_API_KEY"
codex --profile kimi-k31

Abre /status y confirma que el proveedor sea kimi y el modelo, kimi-k3.1-pro. Codex envía las peticiones a https://api.moonshot.ai/v1/responses; por eso su URL base incluye /v1, a diferencia de la URL base de Claude Code.

En cualquiera de los dos clientes, abre un repositorio pequeño y envía esta petición para que lea los archivos principales y la configuración de pruebas sin editar archivos ni ejecutar las pruebas:

Read the repository's top-level files and its test configuration.
Explain the entry point and the command for running its tests.
Cite the relevant file paths. Do not edit files or run the tests.

Comprueba que el cliente lea archivos y entregue una respuesta final después de recibir los resultados de las herramientas. Esto verifica más aspectos de la integración de programación que un simple saludo.

Si Codex devuelve 404 en /v1/responses, comprueba la URL base exacta y cualquier configuración existente de un enrutador local. Kimi también documenta que puede aparecer una advertencia sobre los metadatos del modelo porque este no figura en el catálogo integrado de Codex; el ajuste explícito de la ventana de contexto proporciona la capacidad que falta en ese catálogo.

¿Ya tienes una suscripción a Kimi Code?

Utiliza /model en la CLI oficial de Kimi Code, selecciona K3.1 Pro e inicia una sesión nueva para probarlo. Las notas de lanzamiento del 23 de octubre recomiendan abrir una sesión nueva al cambiar desde modelos anteriores.

En los planes actuales, K3.1 Pro estándar está disponible en Plus y superiores; Pro y superiores desbloquean el contexto completo de 1M y Highspeed. Los niveles equivalentes de los planes anteriores son Moderato y Allegretto. Según la guía de modelos, Highspeed consume aproximadamente 2× la cuota de la suscripción. Es un multiplicador de consumo de cuota, independiente de la tabla de precios de la API.

Selecciona el nivel de razonamiento de forma explícita, sin dar por hecho que el valor predeterminado de la API directa también se aplica a tu cliente. Mantén activado el razonamiento: la referencia de errores de Kimi Code documenta HTTP 400 con el mensaje “K3.1 Pro does not support disabled thinking mode.”

Copia los IDs de modelo con cuidado. Kimi Code advierte de que un ID mal escrito puede provocar una selección alternativa de K2.8 Preview sin razonamiento; su referencia de errores también documenta IDs no válidos que devuelven 400. Trata un error de escritura como un riesgo de que la petición llegue a otro modelo, no como un fallo que siempre se detectará automáticamente.

Una clave de Kimi Code corresponde a su propio servicio. Por ejemplo, sus instrucciones específicas para Claude Code utilizan https://api.kimi.ai/coding/. Introducir esa clave en la configuración de pago por uso de Moonshot descrita arriba no hace que las peticiones consuman la cuota de tu suscripción.

¿Conviene sustituir Claude Opus 5.5?

Prueba K3.1 Pro con una tarea representativa de tu repositorio antes de trasladar un flujo de trabajo que ya funciona con Opus. Los resultados publicados justifican una prueba, pero no establecen una clasificación universal de calidad o coste por tarea completada.

Moonshot publica un 65.7% en Terminal-Bench 4.0, frente al 66.4% de Claude Opus 5.5 y al 58.2% de GPT-6 Astra. Las notas de su evaluación indican que K3.1 Pro se ejecutó con el entorno de evaluación de Claude Code, mientras que las puntuaciones de comparación proceden de informes de proveedores o de la clasificación pública. No se trata de una única prueba controlada que haya evaluado todos los modelos en condiciones idénticas.

El informe independiente de lanzamiento de Artificial Analysis publica, por separado, aproximadamente un 67% en Terminal-Bench 4.0 y 55 en su Intelligence Index. Mantén esos resultados vinculados a su propia evaluación; no los combines con la comparación de Moonshot como si las condiciones fueran idénticas.

Para tu prueba, conserva la misma versión del repositorio, tarea, permisos y pruebas de aceptación. Registra el nivel de razonamiento, el importe total, el tiempo transcurrido, los reintentos y si el cambio final supera la revisión. Adopta K3.1 Pro estándar donde alcance tu nivel de calidad a un coste conveniente; prueba Highspeed cuando predomine el tiempo de espera de la generación. Conserva Opus para las tareas en las que un menor número de ciclos de corrección o una función necesaria del cliente hagan más eficaz el flujo de trabajo existente.