Kimi K3.1 Pro: pesos abertos, download, licença e API

Os pesos do Kimi K3.1 Pro estão disponíveis no repositório oficial da Moonshot AI no Hugging Face. Comece com um serviço de API para testar tarefas de programação; escolha hospedagem própria quando o controle necessário justificar o hardware e a análise da licença. Os 104B parâmetros ativos não representam o tamanho do modelo completo que você precisará armazenar.

Em 2026-11-11, o repositório contém os pesos, a configuração e uma licença própria. A escolha prática é operar esse conjunto de pesos ou contratar inferência por API.

O que está incluído nos pesos abertos?

A versão disponibiliza os pesos do Kimi K3.1 Pro, não apenas um nome de modelo para usar na API. O anúncio técnico da Moonshot o descreve como um modelo multimodal derivado do Kimi K3. O pós-treinamento usa aprendizado por reforço conjunto.

O cartão oficial do modelo apresenta estas especificações. O limite exato de contexto também consta na documentação de preços da API Kimi.

Propriedade	Valor publicado
Repositório no Hugging Face	moonshotai/Kimi-K3.1-Pro
Arquitetura	Mistura de especialistas, Mixture-of-Experts (MoE)
Parâmetros totais	2.8T
Parâmetros ativos	104B
Janela de contexto	1,048,576 tokens
Licença	Licença própria Kimi K3.1-Pro License

Um modelo MoE ativa apenas parte dos seus parâmetros para cada token. Isso não remove os demais especialistas dos arquivos de pesos. Planeje o armazenamento pelo tamanho real dos arquivos, não apenas pelos 104B.

A lista de arquivos do repositório mostra aproximadamente 1.56 TB e nomes de pesos terminados em of-000096.safetensors. A configuração especifica mxfp4-pack-quantized. O guia de implantação do vLLM esclarece que os especialistas roteados usam MXFP4, enquanto os demais pesos usam BF16.

Para equipes de desenvolvimento, isso oferece uma opção de implantação, não um agente de programação pronto. Escolha separadamente o mecanismo que atende às requisições e o cliente do agente. Antes de migrar seu fluxo de trabalho, teste a leitura do repositório, a execução de ferramentas e um teste de aceitação real.

O guia de início rápido da API da Moonshot também documenta kimi-k3.1-pro-highspeed como opção hospedada. A velocidade anunciada corresponde ao serviço. Baixar esses pesos não garante o mesmo desempenho na sua infraestrutura.

O que a licença do Kimi K3.1 Pro exige?

O uso comercial é permitido conforme as condições da Kimi K3.1-Pro License. Antes da implantação, analise separadamente as regras de MaaS e de exibição do nome. Esta é uma leitura prática das condições, não um parecer jurídico sobre seu negócio.

MaaS considera a receita de qualquer período de 12 meses consecutivos

A seção 2 se aplica quando o licenciado ou uma entidade afiliada opera um negócio de Model as a Service, ou MaaS. Um acordo separado é necessário quando a receita agregada ultrapassa o limite de $20 million em qualquer período de 12 meses consecutivos.

A redação abrange a receita agregada do licenciado e de suas afiliadas, não apenas a receita obtida com esse modelo. O acordo precisa ser firmado antes do uso comercial do software ou de suas obras derivadas.

MaaS significa oferecer a terceiros acesso à inferência ou ao ajuste fino com controle significativo sobre entradas, parâmetros ou dados de treinamento. A definição exclui produtos para usuários finais cujas capacidades do modelo estejam incorporadas apenas a recursos específicos ou estruturas de execução, chamadas harnesses. Também exclui o simples encaminhamento de requisições a modelos hospedados por outros operadores. Consulte assessoria jurídica para verificar se seu serviço realmente se enquadra em uma exclusão.

A exibição do nome depende de limites mensais do produto

A seção 3 se aplica a produtos ou serviços comerciais que usam o software ou suas obras derivadas. Quando qualquer um dos limites é ultrapassado, exige exibir Kimi K3.1-Pro com destaque na interface do produto ou serviço correspondente. O limite de usuários ativos mensais é 100 million; o de receita mensal é $20 million.

A contagem considera usuários ativos no mês, não no dia. Aqui a receita é medida em um mês, não no período de 12 meses consecutivos usado na regra de MaaS.

As isenções têm um alcance específico

A seção 4 isenta o uso interno dos requisitos das seções 2 e 3. A mesma isenção se aplica ao acesso por produtos oficiais da Moonshot ou parceiros de inferência certificados. A definição de uso interno exclui disponibilizar o software, seus resultados ou suas capacidades subjacentes a terceiros.

A compatibilidade com a API não comprova que um provedor seja um parceiro certificado. Integrar um gateway e ter uma isenção de licença são questões diferentes. Preserve os avisos exigidos de direitos autorais e de permissão. Analise separadamente os termos aplicáveis do provedor.

Como baixar e verificar os pesos?

Confira a licença e o tamanho do download antes de transferir os pesos. Instale uma versão atual da hf CLI pelas instruções do Hugging Face. Use um sistema de arquivos com espaço livre suficiente.

Os comandos abaixo usam Bash. Eles fixam a revisão do repositório examinada em 2026-11-11.

KIMI_REPO="moonshotai/Kimi-K3.1-Pro"
KIMI_REV="d9e99b0792a5e93b78ea9bea62a68167e36ddd9e"
KIMI_DIR="$PWD/kimi-k3.1-pro"

hf download "$KIMI_REPO" README.md LICENSE config.json \
  --revision "$KIMI_REV" --local-dir "$KIMI_DIR"

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --dry-run

Leia os arquivos LICENSE e README.md baixados. A simulação do download informa os arquivos e bytes pendentes sem transferir os pesos. Reserve espaço adicional para caches de download e arquivos de trabalho do mecanismo de inferência. O tamanho do repositório não cobre toda a necessidade de armazenamento.

Depois de aprovar a licença e confirmar a capacidade disponível, execute na mesma sessão do Bash:

hf download "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" &&
hf cache verify "$KIMI_REPO" --revision "$KIMI_REV" \
  --local-dir "$KIMI_DIR" --fail-on-missing-files

O comando de verificação do Hugging Face compara os arquivos locais com as somas de verificação do Hub. --fail-on-missing-files também detecta uma cópia incompleta da revisão.

Prossiga apenas quando a verificação terminar sem arquivos ausentes ou divergências nas somas de verificação. Um download completo confirma que os arquivos estão presentes e corretos, não que seu mecanismo de inferência consiga carregar o modelo. Se houver divergência, use hf download com --force-download para o arquivo indicado e a mesma revisão. Repita a verificação antes de servir o modelo.

Qual hardware você deve planejar?

Use um guia de implantação específico para o hardware escolhido. Não trate este modelo como um modelo de 104B parâmetros para uma estação de trabalho. Em 2026-11-11, o guia do vLLM documenta uma configuração básica com oito GPU NVIDIA: duas bandejas GB300 ou um nó B300.

Essa é uma configuração documentada, não um mínimo universal nem uma promessa de desempenho. O guia informa que a capacidade de processamento da configuração básica não foi otimizada. Use as instruções específicas do modelo, em vez de um comando genérico de inicialização.

O manual do SGLang oferece outra opção. Ele indica a branch kimi-k3.1-day-0 e diferencia as configurações verificadas daquelas cuja verificação ainda está em andamento.

Para um teste antes da compra, escolha uma configuração de hardware documentada. Registre a versão do mecanismo de inferência, o digest da imagem e a revisão dos pesos. Comece com uma requisição curta. Depois aumente separadamente o contexto e a concorrência, medindo memória, tempo até o primeiro token e custo por tarefa concluída.

A janela de contexto anunciada não garante memória de execução suficiente para qualquer nível de concorrência. Mantenha iguais o cliente do agente, as ferramentas, o nível de raciocínio e os testes de aceitação ao comparar inferência local com API.

A hospedagem própria ganha força quando você precisa controlar os pesos, personalizá-los ou usar um ambiente de inferência controlado. Ela perde atratividade quando a equipe não consegue operar o cluster ou manter o hardware suficientemente ocupado. Consulte a lista de custos da hospedagem própria de modelos antes de transformar uma fatura de API em um orçamento de hardware.

Como testar o modelo pela API?

Use kimi-k3.1-pro em uma pequena requisição de programação antes de se comprometer com infraestrutura. Diferencie o ID do modelo na API do ID do repositório no Hugging Face.

Estas opções de acesso foram verificadas em 2026-11-11:

Opção de acesso	ID do modelo	Base URL compatível com OpenAI	Credencial
Moonshot API	kimi-k3.1-pro	https://api.moonshot.ai/v1	Sua chave de API da Moonshot
BetterToken API	kimi-k3.1-pro	https://www.bettertoken.ai/v1	Sua chave de API do BetterToken

O BetterToken lista esse ID exato na data da verificação. Confira os preços atuais do gateway separadamente: as tarifas da Moonshot abaixo não são uma cotação do BetterToken.

Para testar diretamente a Moonshot, crie uma chave de API na plataforma indicada pelo guia de início rápido. Use Bash e digite a chave sem exibir os caracteres na tela:

read -rs MOONSHOT_API_KEY && export MOONSHOT_API_KEY

curl --fail-with-body --silent --show-error \
  "https://api.moonshot.ai/v1/chat/completions" \
  -H "Authorization: Bearer ${MOONSHOT_API_KEY}" \
  -H "Content-Type: application/json" \
  --data '{
    "model": "kimi-k3.1-pro",
    "reasoning_effort": "low",
    "max_completion_tokens": 4096,
    "messages": [
      {
        "role": "user",
        "content": "Return a Python function add(a, b) and one assert checking add(2, 3) == 5."
      }
    ]
  }'

Procure a função e a verificação com assert em choices[0].message.content. Confira as informações de uso na resposta antes de ampliar o teste. Essa requisição verifica a autenticação e a geração de texto. Ela não comprova que um agente de programação consiga ler ou modificar arquivos.

A documentação de raciocínio da Kimi aceita low, high e max, com max como padrão. O raciocínio permanece ativado. O exemplo seleciona low para uma pequena verificação de conectividade.

Se a resposta contiver um erro de API, verifique primeiro o endpoint, o provedor da credencial e o ID exato do modelo. Se a resposta estiver truncada, confira o limite de saída antes de atribuir o problema à qualidade do modelo.

Em conversas com vários turnos e chamadas de ferramentas, devolva a mensagem completa do assistente sem alterações em messages. Preserve também reasoning_content e tool_calls. Depois siga o guia de configuração do Claude Code e do Codex e verifique uma leitura real de arquivo.

A cobrança de tokens da API é separada da assinatura Kimi e das cotas do Kimi Code. Consulte o guia de cotas e cobrança da API quando o bloqueio real for um limite da assinatura.

Como comparar os custos da hospedagem própria e da API?

Compare tarefas concluídas com a mesma meta de qualidade. Não compare a disponibilidade dos pesos diretamente com uma tarifa por token. Poder baixar os pesos não elimina os custos de hardware, armazenamento, rede, operação ou de um possível acordo de licença.

Na verificação de 2026-11-11, a plataforma de API da Moonshot lista estas tarifas em USD por 1,000,000 tokens. Os termos de preços da Kimi excluem os impostos aplicáveis.

Modelo de API	Entrada comum	Saída	Acerto de cache	Gravação em cache de 5 minutos por padrão
kimi-k3.1-pro	$2.00	$10.00	$0.20	$2.00
kimi-k3.1-pro-highspeed	$4.00	$20.00	$0.20	$4.00

A documentação de cache separa acertos de cache, gravações em cache e entrada sem cache. Em Chat Completions e Responses, omitir prompt_cache_options seleciona a duração de gravação em cache de 5m. A requisição acima omite esse campo e, portanto, usa esse padrão.

Não conte um token gravado em cache novamente como entrada comum. Para outras durações de cache, aplique as respectivas tarifas de gravação.

Como estimativa, suponha que uma tarefa no modelo padrão consuma 100,000 tokens de entrada e 10,000 tokens de saída faturados. Suponha que não haja acertos de cache. Toda a entrada fica sem cache ou é gravada com a duração padrão de cinco minutos.

Nesse cenário, ambas as categorias de entrada custam $2.00 por milhão de tokens:

Estimated token charge
= (100,000 × $2.00 + 10,000 × $10.00) / 1,000,000
= $0.30 before taxes

Esse é um cálculo, não o resultado medido de uma tarefa. Use o consumo de saída informado, não o tamanho da resposta visível. Exclua ferramentas opcionais e outros serviços da estimativa apenas quando sua carga de trabalho não os utilizar.

Para a hospedagem própria, divida o custo operacional completo pelas tarefas equivalentes concluídas com sucesso. Inclua capacidade ociosa, memória do host, armazenamento, energia ou aluguel, rede, manutenção e qualquer acordo comercial necessário. Registre também as novas tentativas e as tarefas que não passam nos testes de aceitação nas duas opções.

Escolha primeiro a API para testar uma aplicação ou atender uma demanda incerta. Reconsidere a hospedagem própria quando o controle necessário a justificar e uma carga medida sustentar o custo operacional. Para um negócio MaaS, determine as condições de licença aplicáveis antes de prometer uma implantação ou assumir um compromisso de compra.