Kimi K3.1 Pro: Claude Code, Codex, IDs de modelos e preços
Teste o Kimi K3.1 Pro com o ID correto, verifique o acesso à API e conecte o Claude Code ou o Codex sem depender do alias antigo do K3. Compare preços por token e dados independentes de custo por tarefa, ajuste o esforço de raciocínio e diferencie a assinatura Kimi Code da cobrança por uso da API.
Conteúdo
Para testar o Kimi K3.1 Pro em programação, comece pelo modelo padrão da API, kimi-k3.1-pro, defina explicitamente o esforço de raciocínio e valide uma requisição pequena antes de conectar o Claude Code ou o Codex. Se você já assina o Kimi Code, experimente primeiro a opção separada k3.1-pro pelo comando /model. Escolha o Highspeed depois de medir se a redução no tempo de espera compensa o custo maior.
Os preços e as condições de disponibilidade abaixo estão atualizados em 2026-10-24. As configurações de Claude Code e Codex usam a API Kimi com cobrança por uso; o acesso pela assinatura Kimi Code é tratado separadamente.
O que mudou em relação ao Kimi K3?
O K3.1 Pro é uma versão do K3 com pós-treinamento adicional, mais recursos computacionais nessa etapa e melhorias voltadas a tarefas que exigem raciocínio prolongado e uso de ferramentas. A Moonshot informa um resultado de 61.2%, contra 55.95% do K3, em sua avaliação interna Kimi Code Bench 3.0 Long-horizon. Considere esse resultado do próprio fornecedor ao escolher o que testar, como investigar bugs em vários arquivos ou concluir uma funcionalidade ao longo de diversos ciclos de edição e testes.
A janela de contexto de 1,048,576 tokens não é novidade desta versão: o K3 já oferecia essa capacidade. Para quem usa a API do K3, a mudança está na combinação do novo modelo, das tarifas menores por token e do comportamento de raciocínio documentado. A capacidade de contexto também é separada dos limites de requisições da conta e do saldo pago, como explica a documentação de preços da Kimi.
O acesso ao modelo hospedado já está disponível. O anúncio de lançamento da Moonshot prevê a publicação dos pesos completos até 2026-11-04. Você pode testar o serviço hospedado agora; avalie a execução em infraestrutura própria quando os pesos e os termos de licença específicos do modelo estiverem disponíveis.
Qual ID de modelo você deve usar?
Use o ID correspondente ao serviço que emitiu sua chave de API. A API paga da Kimi, a assinatura Kimi Code e o OpenRouter têm identificadores e formas de cobrança diferentes.
| Forma de acesso | ID do modelo ou configuração do cliente | Cobrança |
|---|---|---|
| API Kimi, inclusive no Codex conectado por essa API | kimi-k3.1-pro ou kimi-k3.1-pro-highspeed | Uso da API Kimi |
| Claude Code pela API Kimi, com a configuração abaixo | kimi-k3.1-pro[1m] | Uso da API Kimi |
| Assinatura Kimi Code | k3.1-pro ou k3.1-pro-highspeed | Cota da assinatura |
| OpenRouter | moonshotai/kimi-k3.1-pro | Cobrança da API OpenRouter |
Esses identificadores vêm da referência da API Kimi, da configuração de modelos do Kimi Code e da página do modelo no OpenRouter.
O guia atual da Kimi para Claude Code ainda usa kimi-k3[1m] nas configurações, embora a requisição de verificação use kimi-k3.1-pro. Essa diferença pode levar à seleção do modelo errado.
A documentação de configuração de modelos da Anthropic explica que [1m] informa ao Claude Code que deve usar uma janela de contexto de 1M e é removido antes de o ID chegar ao provedor. Esse sufixo não transforma kimi-k3 em kimi-k3.1-pro. Por isso, a configuração abaixo especifica o K3.1 Pro.
Quais são os preços atuais da API?
As tarifas publicadas de entrada, saída e cache do K3.1 Pro padrão são um terço menores que as do K3. O custo de concluir uma tarefa continua dependendo da quantidade de tokens consumida pelo agente.
Os valores abaixo são em USD por 1,000,000 tokens, com a modalidade padrão de gravação em cache 5m, conforme os preços atuais dos modelos na plataforma Kimi. Os preços não incluem os impostos aplicáveis.
| Modelo | Entrada sem cache | Gravação em cache, 5m | Leitura do cache | Saída |
|---|---|---|---|---|
| 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 |
Leituras do cache, gravações no cache e o restante da entrada sem cache são categorias de tokens mutuamente exclusivas. Não contabilize os mesmos tokens de entrada tanto pela tarifa comum quanto pela tarifa de gravação em cache. O guia de cobrança de cache da Kimi documenta o cache automático, a validade padrão de cinco minutos e uma modalidade de gravação 1h com preço próprio.
Para uma estimativa ilustrativa, suponha que uma tarefa acumule:
- 100,000 tokens de entrada novos, cobrados como entrada comum ou gravações em cache
5m. - 500,000 tokens de entrada lidos do cache.
- 20,000 tokens de saída no total, incluindo o raciocínio.
O custo no K3.1 Pro padrão seria:
(100,000 × $2.00 + 500,000 × $0.20 + 20,000 × $10.00) / 1,000,000 = $0.50
Com as mesmas quantidades de tokens, o custo seria $0.75 no K3 e $0.90 no Highspeed. Essas estimativas não incluem impostos nem cobranças adicionais por ferramentas e pressupõem que não haja gravações em cache 1h. O Highspeed não dobra essa conta específica porque sua tarifa de leitura do cache permanece em $0.20.
Já existem dados independentes sobre o custo por tarefa. A avaliação de lançamento da Artificial Analysis informa aproximadamente 55K tokens de saída por tarefa do Intelligence Index, contra 48K no K3, e $1.98 por tarefa, um valor aproximadamente igual ao do K3 nessa avaliação. Sua metodologia pondera os custos entre os diferentes testes do conjunto. Esse número ajuda a entender o consumo de tokens, mas não prevê o custo de corrigir um bug no seu repositório.
Verifique o acesso à API e defina o esforço de raciocínio
Verifique sua conta de API antes de investigar a configuração da ferramenta de programação. Segundo o guia de início rápido do K3.1 Pro, o acesso é liberado após uma recarga bem-sucedida de pelo menos $1. Esse requisito pertence ao acesso à API e é separado da assinatura Kimi Code.
Os comandos a seguir usam Bash no macOS ou Linux, com curl e jq instalados. Quando read aguardar uma entrada, cole sua chave da plataforma de API Kimi e pressione Enter; a chave não será exibida.
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
'Uma verificação concluída deve retornar kimi-k3.1-pro em model, a resposta solicitada, stop em finish_reason e o consumo real. A referência de Chat Completions documenta esses campos de resposta.
Se finish_reason for length, a geração atingiu o limite definido; aumente max_completion_tokens e tente novamente antes de investigar um problema de autenticação. Um 401 exige conferir se a chave corresponde ao endpoint utilizado. Se o modelo estiver indisponível em uma conta nova, verifique primeiro a conclusão da recarga e o ID exato.
O K3.1 Pro sempre usa raciocínio. O guia de raciocínio da API direta aceita low, high e max, com max como padrão. O teste de conexão usa low de propósito; os exemplos de ferramentas de programação abaixo adotam high como ponto de partida.
Em integrações próprias, o esquema oficial da API posiciona essa configuração de forma diferente em cada protocolo: Chat Completions usa reasoning_effort, Responses usa reasoning.effort e Messages usa output_config.effort. Não copie o campo de Chat Completions para todos os formatos de requisição.
Configure o Claude Code com o ID explícito do K3.1 Pro
Configure a conversa principal, os modelos usados em segundo plano e os subagentes para usar o K3.1 Pro, de modo que o teste solicite esse modelo de forma consistente. Esta configuração adapta a estrutura de integração da Kimi com o ID canônico aceito pela API Messages e o comportamento de [1m] documentado pela Anthropic.
Use uma instalação atualizada do Claude Code. Integre a configuração abaixo ao arquivo ~/.claude/settings.json, preservando as demais configurações:
{
"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 essas funções passam a usar as tarifas do K3.1 Pro, inclusive as tarefas em segundo plano associadas à opção Haiku. A configuração de compactação define um limiar no cliente; ela não compra contexto nem tokens adicionais.
Mantenha as credenciais fora desse exemplo JSON. Antes de usar a credencial pelo shell como mostrado abaixo, remova entradas antigas de ANTHROPIC_API_KEY ou ANTHROPIC_AUTH_TOKEN do objeto env existente: a Kimi documenta que os valores de ambiente definidos no arquivo de configurações prevalecem sobre os exportados no terminal.
Na mesma sessão do Bash usada para verificar a API, execute:
unset ANTHROPIC_API_KEY
export ANTHROPIC_AUTH_TOKEN="$MOONSHOT_API_KEY"
claudeNa nova sessão, execute /status. Confirme que a URL base é https://api.moonshot.ai/anthropic e que o modelo selecionado indica K3.1 Pro, possivelmente com a anotação [1m]. Mantenha o raciocínio ativado.
Use a verificação de inspeção do repositório da próxima seção para testar as chamadas de ferramentas. O comando /status confirma a configuração selecionada; a resposta do assistente à pergunta “Qual modelo você é?” não é uma verificação confiável do roteamento.
Se o modelo antigo ainda aparecer, procure configurações que sobrescrevam a seleção do modelo e reinicie o cliente. Se apenas as tarefas em segundo plano falharem, confira todos os mapeamentos de famílias de modelos e de subagentes, em vez de alterar somente o modelo principal.
Conecte o Codex pela API Responses nativa
Use o endpoint Responses nativo da Kimi para conectar o Codex. A integração oficial da Kimi oferece suporte direto a kimi-k3.1-pro, com wire_api = "responses" e uma janela de contexto de 1048576.
No Codex 0.134.0 ou posterior, use um arquivo de perfil separado para selecionar essa configuração explicitamente. Confira a versão com codex --version. Pelas regras atuais de perfis do Codex, --profile kimi-k31 carrega ~/.codex/kimi-k31.config.toml sobre a configuração base.
Crie esse arquivo com:
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"As configurações do provedor seguem o guia da Kimi. O esforço explícito high combina o campo de configuração de raciocínio do Codex com um valor aceito pelo esquema Responses da Kimi.
No terminal em que a chave de API está disponível, execute:
export KIMI_API_KEY="$MOONSHOT_API_KEY"
codex --profile kimi-k31Abra /status e confirme o provedor kimi e o modelo kimi-k3.1-pro. O Codex envia requisições para https://api.moonshot.ai/v1/responses; por isso, sua URL base inclui /v1, ao contrário da URL base usada no Claude Code.
Em qualquer um dos dois clientes, abra um repositório pequeno e envie:
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.O pedido solicita a leitura dos arquivos no nível superior e da configuração de testes, seguida de uma explicação com os caminhos relevantes, sem editar arquivos nem executar testes. Confira se o cliente lê os arquivos e produz uma resposta final depois de receber os resultados das ferramentas. Isso verifica mais partes da integração de programação do que uma simples saudação.
Se o Codex retornar 404 em /v1/responses, confira a URL base exata e qualquer configuração existente de roteador local. A Kimi também documenta que pode aparecer um aviso sobre metadados do modelo porque ele não consta no catálogo interno do Codex; a configuração explícita da janela de contexto fornece a capacidade que falta nesse catálogo.
Você já usa a assinatura Kimi Code?
Use /model na CLI oficial do Kimi Code, selecione K3.1 Pro e inicie uma nova sessão para o teste. As notas de lançamento de 23 de outubro recomendam uma nova sessão ao migrar de modelos anteriores.
Nos planos atuais, o K3.1 Pro padrão está disponível no Plus e superiores; o Pro e superiores liberam o contexto completo de 1M e o Highspeed. Os níveis equivalentes dos planos antigos são Moderato e Allegretto. Segundo o guia de modelos, o Highspeed consome cerca de 2× a cota da assinatura. Esse multiplicador de consumo é separado da tabela de preços da API.
Defina o esforço explicitamente, em vez de presumir que o padrão da API direta também se aplica ao cliente. Mantenha o raciocínio ativado: a referência de erros do Kimi Code documenta HTTP 400 com a mensagem “K3.1 Pro does not support disabled thinking mode.”
Copie os IDs dos modelos com cuidado. O Kimi Code alerta que um ID digitado incorretamente pode levar ao uso do K2.8 Preview sem raciocínio; sua referência de erros também documenta IDs inválidos que retornam 400. Trate um erro de digitação como um risco de roteamento, não como algo que sempre será detectado automaticamente.
Uma chave do Kimi Code deve ser usada com o serviço correspondente. Por exemplo, as instruções específicas para Claude Code usam https://api.kimi.ai/coding/. Colocar essa chave na configuração da API Moonshot com cobrança por uso apresentada acima não faz com que as requisições consumam a cota da assinatura.
Vale a pena substituir o Claude Opus 5.5?
Teste o K3.1 Pro em uma tarefa representativa do seu repositório antes de migrar um fluxo de trabalho já estabelecido com o Opus. Os resultados publicados justificam um teste, mas não estabelecem uma classificação universal de qualidade ou de custo por tarefa concluída.
A Moonshot informa 65.7% no Terminal-Bench 4.0, contra 66.4% do Claude Opus 5.5 e 58.2% do GPT-6 Astra. As notas metodológicas dos benchmarks dizem que o K3.1 Pro usou o Claude Code como estrutura de execução da avaliação, enquanto os resultados dos outros modelos vieram de relatórios dos fornecedores ou do ranking. Não se trata de uma única execução controlada de todos os modelos em condições idênticas.
O relatório independente de lançamento da Artificial Analysis informa, separadamente, aproximadamente 67% no Terminal-Bench 4.0 e 55 no Intelligence Index. Mantenha esses resultados associados à avaliação que os produziu; não os misture à comparação da Moonshot como se as condições fossem iguais.
No seu teste, mantenha constantes a versão do repositório, a tarefa, as permissões e os testes de aceitação. Registre o esforço configurado, a cobrança total, o tempo decorrido, as novas tentativas e se a alteração final passa pela revisão. Adote o K3.1 Pro padrão onde ele atender ao seu nível de qualidade por um custo vantajoso; experimente o Highspeed quando a espera pela geração dominar o tempo da tarefa. Mantenha o Opus nas tarefas em que menos ciclos de correção ou um recurso necessário do cliente tornem o fluxo atual mais eficaz.
