Kimi K3.1 Pro API

Comparação de preços: oficial, OpenRouter e Wokey

USD por milhão de tokens. Os preços oficiais e do OpenRouter foram conferidos manualmente em 2026-10-24, sem impostos; o preço da Wokey é lido da tabela de preços em tempo real.

Conferido em 2026-10-24 · Página oficial de preços · Lista de endpoints do OpenRouter

Usar no Claude Code

Este modelo oferece suporte a /v1/messages na Wokey. Defina estas variáveis e depois inicie o claude.

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="kimi-k3.1-pro"

Kimi K3.1 Pro em resumo

Data de lançamento

2026-10-23: o K3.1 Pro e o K3.1 Pro Highspeed chegaram desde o primeiro dia ao app web e aos apps móveis da Kimi, ao Kimi Work, ao Kimi Code e à API da Kimi; a Moonshot promete publicar os pesos completos no Hugging Face até 4 de novembro

Modelo

Um K3 com pós-treinamento adicional: a mesma base MoE de 2.8T no total e 104B ativos, com muito mais computação de pós-treinamento por aprendizado por reforço; contexto de 1,048,576 tokens com entrada nativa de texto, imagem e vídeo

Preço oficial

O K3.1 Pro custa $2 de entrada / $10 de saída por milhão de tokens, $0.20 por acertos de cache e $2 (5 minutos) ou $4 (1 hora) por gravações de cache, um terço abaixo do K3 ($3 / $15). O Highspeed dobra entrada, saída e gravações ($4 / $20), mas mantém os acertos de cache em $0.20

Highspeed

O mesmo modelo, que segundo a Moonshot roda 2–3× mais rápido. Medição da Wokey em 10-24 (endpoint do Kimi Code, effort=high): Pro 64–67 tokens/s, Highspeed 118–129 tokens/s, cerca de 1.9× mais rápido; o K3 rodou a cerca de 45 tokens/s nas mesmas condições

Thinking e parâmetros

Só thinking: desativar o thinking retorna 400. reasoning_effort aceita low / high / max, com max como padrão; temperature, top_p e os demais parâmetros de amostragem são fixos, com as mesmas restrições do K3

Avaliação independente

Artificial Analysis Intelligence Index v4.3.2: 55, posição 4 de 215, atrás apenas do Claude Opus 5.5 (58), do Sonnet 5.5 (56) e do Muse Wonder Full (56), e 11 pontos acima do K3; $2.11 por tarefa, cerca de um terço do Opus 5.5

API e canais

Os IDs de modelo são kimi-k3.1-pro e kimi-k3.1-pro-highspeed na plataforma da Kimi, e k3.1-pro e k3.1-pro-highspeed no Kimi Code. A Wokey oferece /v1/chat/completions e /v1/messages (compatível com o Claude Code)

Verificado em 2026-11-02 · Fontes: Moonshot · K3.1 Pro quickstart · Pricing · Kimi Code models · Artificial Analysis

Benchmarks oficiais: Kimi K3.1 Pro vs Opus 5.5 vs GPT-6 Astra vs Fable 5.1 vs GLM-5.3 vs DeepSeek

Do blog técnico do K3.1 Pro da Moonshot; são resultados informados pelo próprio fornecedor, e “—” significa que nenhuma pontuação foi publicada. As avaliações internas e de cibersegurança ficaram de fora.

Todas as pontuações do K3.1 Pro usam reasoning_effort=max, temperature=1.0 e top_p=0.95, com os benchmarks de programação no harness do Claude Code; os três modelos proprietários rodaram em max com fallback. A linha do ProgramBench é uma pontuação binária (uma tarefa conta quando atinge ≥95%), então não é comparável às pontuações brutas da página do K3. A pontuação HLE-Full do GLM-5.3 é no subconjunto só de texto.

Qual usar: K3.1 Pro, Claude Opus 5.5, K3 ou GLM-5.3

Em relação ao Claude Opus 5.5

No Intelligence Index v4.3.2 da Artificial Analysis, o Opus 5.5 (max) marca 58 e o K3.1 Pro 55, só 3 pontos de diferença, enquanto uma tarefa custa $5.98 contra $2.11, cerca de um terço no K3.1 Pro. A tabela da Moonshot os deixa quase empatados no Terminal-Bench 4.0 (65.7% vs 66.4%), e os dados de custo do tbench.ai colocam uma tarefa em cerca de $5.25 no K3.1 Pro e $14.30 no Opus 5.5. O K3.1 Pro lidera no SWE-Marathon v1.1 (51.7% vs 46.3%), no HLE com ferramentas (70.0% vs 67.7%) e no OfficeQA Pro v2; o Opus 5.5 é claramente mais forte no ProgramBench (65.0% vs 31.5%), no Terminal-Bench Science (63.3% vs 38.1%) e no HLE sem ferramentas (59.8% vs 51.1%), e é mais rápido (cerca de 96 vs 77 tokens/s). Escolha o K3.1 Pro para agentes de programação de longo horizonte, análise de documentos e finanças, e volume sensível a orçamento; escolha o Opus 5.5 para programas complexos que precisam funcionar de primeira e para trabalho científico.

Atualizando do K3

Sim, para uso da API com pagamento por token. O K3.1 Pro marca 11 pontos a mais que o K3 no índice (55 vs 44), custa um terço a menos pela tabela e gera cerca de 64–67 tokens/s contra 45 do K3 nas medições da Wokey. As restrições da requisição são as mesmas do K3, então basta trocar model de kimi-k3 para kimi-k3.1-pro. A Kimi recomenda começar uma sessão nova: trocar no meio de uma sessão do K3 invalida o cache e pode reduzir a qualidade da saída. A cota do Kimi Code é outra história: desde 10-27, nos planos novos, os mesmos tokens usam no K3.1 Pro 11× (entrada) e 14× (saída) a cota que usam no K3 (dados de produção da Wokey), então numa assinatura com cota apertada o K3 rende muito mais.

Em relação ao GLM-5.3 e ao DeepSeek V4.1 Flash

Os dois marcam 45 na Artificial Analysis, 10 pontos abaixo do K3.1 Pro. O GLM-5.3 custa $2.01 por tarefa, quase o mesmo que os $2.11 do K3.1 Pro, então com o mesmo gasto o K3.1 Pro é claramente mais forte e ainda aceita imagens e vídeo. O DeepSeek V4.1 Flash 1017 custa só $0.26 por tarefa, cerca de um oitavo do K3.1 Pro, e até o supera por pouco no DeepSWE (77.0% vs 75.5%), mas marca só 42.3% no Terminal-Bench 4.0. Use o DeepSeek para trabalho simples de alto volume e o K3.1 Pro para tarefas agênticas e multimodais complexas.

Pro ou Highspeed

São o mesmo modelo, com as mesmas pontuações de benchmark. O Highspeed custa o dobro e usa cerca do dobro da cota no Kimi Code; nas medições da Wokey, ele é cerca de 1.9× mais rápido (118–129 vs 64–67 tokens/s) e entrega o primeiro token cerca de um segundo antes. Escolha o Highspeed para programação interativa em que alguém espera a resposta; escolha o Pro para agentes em segundo plano, trabalho em lote e tarefas com orçamento de tokens.

Como escolher o effort

O thinking não pode ser desativado, e reasoning_effort só aceita low, high e max, com max como padrão. Na curva de custo do Terminal-Bench 4.0 publicada pela Moonshot, high marca 52.8% por cerca de $4.16 por tarefa e max 65.7% por cerca de $5.25: o max custa 26% a mais por 12.9 pontos a mais. Deixe o max para programação e agentes e use low para perguntas e respostas simples e conversão de formatos. Os tokens de raciocínio são cobrados na tarifa de saída, e a Artificial Analysis registrou 150 milhões de tokens de saída em todo o índice, 70% acima da mediana de 87 milhões, então deixe folga nos orçamentos de saída.

Documentação da Kimi

Avaliações de terceiros e da comunidade

• Artificial Analysis: Intelligence Index v4.3.2: 55, posição 4 de 215. Usou 150 milhões de tokens de saída em todo o índice (mediana de 87 milhões), custa $2.11 por tarefa, gera cerca de 77 tokens/s e leva cerca de 3.1 segundos até o primeiro token. Ele aparece como proprietário até os pesos serem publicados. Cada item cobrado na Wokey é 40% da tarifa oficial, então a mesma tarefa sai por cerca de $0.84.
• Hacker News (thread de 542 pontos): O ponto mais discutido foi a Moonshot ter removido material de cibersegurança dos dados de treinamento: alguns veem isso como mais robusto que recusas, outros se preocupam com a habilidade geral de programação. Em seguida veio a cota da assinatura da Kimi: um usuário no nível de $99 esgotou a cota de 5 horas em 47 minutos de uma sessão. Outros observaram que o preço na China é cerca de 30% menor que o do K3 e que agora ele fica acima do GPT-6 Astra e do Fable 5.1 na Artificial Analysis.
• Medições da Wokey: Em 10-24, a Wokey rodou o mesmo prompt (um texto técnico de cerca de 900 palavras) três vezes por modelo no endpoint do Kimi Code (effort=high): o K3.1 Pro fez 64–67 tokens/s, o Highspeed 118–129 tokens/s e o K3 cerca de 45 tokens/s. Tanto chat/completions quanto o formato messages que o Claude Code usa retornam o thinking normalmente; desativar o thinking, top_p≠0.95 e URLs de imagens públicas retornam 400.

Usando o K3.1 Pro no Claude Code e regras de requisição a conferir

Essas regras vêm da documentação da Kimi e dos testes da Wokey com os dois modelos em 10-24. Confira-as antes de migrar do K3 ou de conectar pela primeira vez.

• IDs de modelo: a plataforma da Kimi e a Wokey usam kimi-k3.1-pro / kimi-k3.1-pro-highspeed; chaves de uma assinatura do Kimi Code precisam de k3.1-pro / k3.1-pro-highspeed. No teste da Wokey, enviar kimi-k3.1-pro ao Kimi Code retorna 400 “Your model id does not exist”.
• O thinking não pode ser desativado: thinking: {"type": "disabled"} retorna 400 “K3.1 Pro does not support disabled thinking mode”. Use reasoning_effort no nível superior da requisição (low / high / max) para controlar quanto ele pensa.
• temperature, top_p, n, presence_penalty e frequency_penalty são fixos em 1.0, 0.95, 1, 0 e 0, e a Kimi pede que você os omita; top_p=1 retorna 400 “invalid top_p: only 0.95 is allowed for this model”. O gateway da Wokey aplica as mesmas regras, então a resposta não depende de qual upstream atende a requisição.
• Em chats com vários turnos e chamadas de ferramentas, reenvie a mensagem de assistant completa que a API retornou, incluindo reasoning_content e tool_calls.
• Imagens são enviadas como data URLs em base64, como data:image/png;base64,.... No teste da Wokey de 10-24, uma URL de imagem pública retornou 400 “unsupported image url”, como no K3; vídeo também é enviado em base64.
• No Claude Code: defina ANTHROPIC_BASE_URL como https://api.wokey.ai, ANTHROPIC_AUTH_TOKEN com sua chave de API da Wokey e ANTHROPIC_MODEL como kimi-k3.1-pro. A Wokey testou os dois modelos em 10-24 no formato /v1/messages que o Claude Code usa, e os blocos de thinking e o texto voltaram normalmente; custa $0.80 de entrada / $4.00 de saída por milhão de tokens. O OpenCode e outros clientes compatíveis com OpenAI usam /v1/chat/completions com a base URL https://api.wokey.ai/v1.

Corpo de requisição com uma imagem (/v1/chat/completions)

{
  "model": "kimi-k3.1-pro",
  "reasoning_effort": "max",
  "messages": [{
    "role": "user",
    "content": [
      { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgo..." } },
      { "type": "text", "text": "Rebuild this CAD sketch as a parametric Blender script" }
    ]
  }]
}

Preços atuais do catálogo

Preços por 1M de tokens; a liquidação segue o preço vigente no momento da solicitação.

Fonte do preço oficial: https://platform.kimi.ai/docs/pricing/chat

Medido na Wokey

Últimos 28 dias (2026-10-13 a 2026-11-09), atualizado toda segunda-feira · Requisições reais de mais de 80 contas

Tempo até o primeiro token, prompts curtos

2,7 s (Mediana · prompts com menos de 8K tokens · p90 5,9 s)

Tempo até o primeiro token, prompts de agente

5,1 s (Mediana · prompts de 32K–128K tokens)

Taxa de acerto do cache de prompt

96% (Parcela dos tokens de entrada lidos do cache)

Clientes mais usados: Magpie 81%, DeepSeek Harness 13%. Parcela das requisições de clientes identificados; 44% das requisições tiveram o cliente identificado.

Como medimos

O tempo até o primeiro token vai do recebimento da requisição pelo gateway da Wokey até o primeiro conteúdo transmitido (texto, resumo do raciocínio ou recusa). Inclui a espera na fila, as novas tentativas em outra conta e o tempo de raciocínio do modelo, por isso é maior que a latência de primeiro token do próprio upstream. Só contam as requisições em streaming bem-sucedidas, agrupadas pelo tamanho do prompt (entrada mais leituras e gravações de cache).

Taxa de acerto de cache = tokens lidos do cache ÷ tokens de entrada nas requisições bem-sucedidas. Ela depende do cliente e da forma de uso; as páginas de taxa de acerto de cache detalham por cliente.

Contas empresariais e as contas de teste da própria Wokey ficam de fora. Um modelo aparece quando pelo menos 20 usuários o usaram nos últimos 28 dias e nenhum usuário enviou mais de 50% das requisições; contas cadastradas por uma mesma cadeia de indicação contam como um único usuário. Cada número de tempo até o primeiro token precisa de pelo menos 500 requisições.

Taxa de acerto de cache por cliente

Recursos do modelo

Context

1,048,576 tokens

Saída máxima

1,048,576 tokens

Streaming

Compatível

Tools

Compatível

Vision

Compatível

Formas de API aceitas

/v1/chat/completions · /v1/responses · /v1/messages

Enviar uma solicitação

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3.1-pro","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3.1-pro","input":"Hello"}'

/v1/messages

curl https://api.wokey.ai/v1/messages \
  -H "x-api-key: $WOKEY_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"kimi-k3.1-pro","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Use o Kimi K3.1 Pro nas suas ferramentas

O gateway é https://api.wokey.ai (clientes compatíveis com OpenAI costumam usar https://api.wokey.ai/v1) e o ID do modelo é kimi-k3.1-pro. Abra o guia do cliente que você usa.

• Usar o Kimi K3.1 Pro no Claude Code: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Codex: OpenAI Responses · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Claude Desktop: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no opencode: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no pi: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no DeepSeek Harness: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Z Code: Anthropic Messages · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Cherry Studio: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no WorkBuddy: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no OpenClaw: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Hermes Agent: OpenAI Chat Completions · configuração de base URL e chave de API
• Usar o Kimi K3.1 Pro no Magpie: OpenAI Chat Completions · configuração de base URL e chave de API
• Calculadora de custos da API do Kimi: quanto custa o Kimi K3.1 Pro por mês: Compare o custo mensal na Kimi API e na Wokey conforme seu uso e sua taxa de acerto de cache.
• Limites do Kimi Code medidos: quanto Kimi K3.1 Pro um plano cobre: Tokens medidos por janela de 5 horas e por mês, e quanto valem a preços de API.
• Alternativa ao OpenRouter: Wokey vs. OpenRouter: Compare preços por token, taxas de pagamento, formatos de API e origens upstream.
• API de IA verificável: quais modelos e formatos de API trazem provas de resposta: Por enquanto, as provas de resposta cobrem apenas respostas de Claude Messages e GPT Responses repassadas sem alteração em rotas oficiais.

Perguntas frequentes

Modelos e documentação relacionados

• Kimi K3.1 Pro Highspeed
• Kimi K3
• Kimi K2.8 Preview
• Documentação da API
• Todos os modelos e preços
• Provider Node