Kimi K3.1 Pro: o que muda na programação e por que a Moonshot reduziu capacidades cibernéticas?

O Kimi K3.1 Pro é o novo modelo da Moonshot AI voltado a tarefas como programação, pesquisa e trabalho com agentes. A empresa anuncia uma janela de contexto de 1 milhão de tokens e também oferece a variante K3.1 Pro Highspeed, que, segundo ela, responde de duas a três vezes mais rápido.

Em 23 de outubro, a Moonshot informou que o modelo estava disponível nos produtos Kimi, no Kimi Work, no Kimi Code e pela API. Os pesos completos para execução própria ainda não estavam liberados: a empresa dizia que pretendia publicá-los até 4 de novembro de 2026. Usar o modelo pela API ou pelo aplicativo, portanto, não é o mesmo que baixá-lo e executá-lo no próprio computador.

A novidade interessa a desenvolvedores que usam agentes para ler código, resolver tarefas de várias etapas ou criar interfaces. Mas os resultados de programação publicados pela empresa são avaliações dela mesma. Eles ajudam a entender o que a Moonshot está anunciando, não substituem uma comparação com as tarefas e os projetos do próprio leitor.

O Kimi K3.1 Pro já pode ser acessado pelos produtos e pela API da Moonshot, mas os pesos para execução local estavam previstos para até 4 de novembro.

A janela de contexto anunciada permite enviar ao modelo uma quantidade grande de material em uma conversa ou chamada, como arquivos de projeto, documentação e instruções. Isso não significa que seja sempre uma boa ideia enviar o repositório inteiro. É melhor incluir apenas o contexto necessário, proteger credenciais e conferir o que o agente leu antes de aceitar alterações.

A Moonshot também afirma que o modelo teve ganhos em programação e tarefas longas com ferramentas. Como qualquer benchmark depende do conjunto de tarefas e de como o teste foi executado, esses números precisam ser lidos como resultados divulgados pela empresa. Para escolher um modelo, compare a mesma tarefa, com os mesmos arquivos, limites e critérios de revisão.

A variante Highspeed é apresentada como mais rápida, mas tem cobrança diferente na API. Na tabela consultada em 26 de outubro, o K3.1 Pro custava US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de saída. A variante Highspeed custava US$ 4 e US$ 20, respectivamente. A cobrança é por uso, e os preços podem mudar; confira a tabela antes de integrar o modelo a um produto.

A parte mais incomum do anúncio é a decisão de remover dados relacionados a atividades cibernéticas de etapas do treinamento e filtrar tarefas desse tipo nos ambientes de aprendizado por reforço. A Moonshot diz que manteve tarefas gerais de programação para preservar o uso legítimo do modelo.

Para avaliar a mudança, a empresa usou o xdev-bench-hard, um teste interno de descoberta e exploração de vulnerabilidades. A avaliação oferece código vulnerável, uma dica curta e um binário; o agente precisa desenvolver uma exploração em um ambiente isolado. A Moonshot diz que o modelo final resolveu 81% dos problemas em até três tentativas, enquanto um checkpoint sem as medidas de redução chegou a 90,5%. A diferença é de 9,5 pontos percentuais.

Esses resultados são da própria Moonshot e não foram apresentados como uma avaliação independente. A pontuação não representa a chance de invadir um site real nem prova que o modelo esteja livre de uso indevido. A própria empresa diz que o modelo final ainda conserva capacidades relevantes para tarefas de segurança cibernética.

A redução anunciada diminuiu o resultado no teste interno da Moonshot, mas não eliminou a capacidade de resolver tarefas de exploração.

Se você testar o Kimi pela API, a documentação informa que é preciso fazer uma recarga mínima de US$ 1 para liberar o modelo. Depois disso, as chamadas são cobradas pelo uso de tokens. A página de preços diferencia entrada, saída e cache, então um valor por milhão de tokens não deve ser interpretado como o custo fixo de uma tarefa.

Antes de enviar código privado ou dados de clientes, confira as condições de retenção e privacidade do canal escolhido. A Moonshot informa que há uma opção de Zero Data Retention para clientes da API, mas a equipe precisa confirmar se ela está disponível e ativa para a sua conta.

Para comparar o modelo com outro assistente, prepare uma tarefa que você já saiba revisar. Peça uma mudança pequena, confira o diff, rode os testes do projeto e registre tempo e custo. Assim você avalia o que importa para o seu fluxo, em vez de depender apenas de um benchmark publicado pelo fornecedor.