A "paridade" do Kimi K3.1 Pro é um press release até os pesos chegarem

Quando um laboratório diz que seu modelo está "logo atrás" do melhor do mundo, a pergunta interessante não é quão atrás. É quem segurou a régua. No caso do Kimi K3.1 Pro, a régua foi em grande parte da própria Moonshot, e isso muda o quanto da história você deve levar a sério.

O argumento da Moonshot se apoia sobretudo nos números da Moonshot

A Moonshot lançou o K3.1 Pro, um modelo de pesos abertos atualizado, e diz que os pesos completos chegarão até 4 de novembro. No Terminal-Bench 4.0, segundo o The Next Web, a empresa afirma ter marcado 65,7%, à frente do GPT-6 Astra, da OpenAI, com 58,2%, e logo atrás do Claude Opus 5.5, da Anthropic, com 66,4%. A mesma reportagem observa que esses números são da própria Moonshot e não foram verificados de forma independente.

Há um dado externo. De acordo com o The Decoder, a Artificial Analysis coloca o K3.1 Pro em quarto lugar no seu Intelligence Index, com 55 pontos, atrás do Claude Opus 5.5 (58), do Claude Sonnet 5.5 (56) e do Muse Wonder Full (56). Se os pesos saírem, a diferença entre modelos abertos e proprietários nesse índice cai de 12 para 3 pontos.

A distância está diminuindo, e isso é real

Não queremos ser cínicos por esporte. Um salto de 11 pontos em relação ao K3 com o mesmo tamanho, 2,8 trilhões de parâmetros no total, é um resultado sério, e vem de um terceiro, não de um slide de lançamento. Mesmo descontando um ponto ou dois por generosidade, a direção é clara: a distância entre o que você pode baixar e o que precisa alugar está encolhendo rápido.

Isso importa mais que qualquer posição em um ranking. Pressiona os laboratórios fechados a justificar o preço premium com algo além de pontuações brutas.

Mas "iguala" está carregando muito peso

Olhe o que foi escolhido. Os testes da Moonshot incluem alguns internos: o Kimi Hallu Bench Hard, em que ela diz que as alucinações caem de 23,4% para 8,3%, e um benchmark de vulnerabilidades próprio. A própria Moonshot diz que o teste de alucinação é um teste de estresse, não uma medida das taxas de erro do dia a dia. E nesse mesmo teste o GPT-6 Astra ainda se sai melhor, com 5,5%.

Até a cobertura simpática faz ressalvas. A análise do Analytics Vidhya conclui que o K3.1 Pro "não é uma vitória completa": os modelos fechados ainda lideram em trabalho 3D assistido por ferramentas, e muitas das afirmações mais ousadas se apoiam em testes internos da Kimi. O veredicto é que o teste de verdade virá quando equipes independentes tiverem os pesos. Concordamos, e vamos além: um benchmark que o fornecedor projeta, executa e publica é marketing com casas decimais.

Há ainda uma peculiaridade. A Artificial Analysis dá ao K3.1 Pro 67,2% no Terminal-Bench 4.0, segundo o OfficeChai, acima dos 65,7% da própria Moonshot. É uma boa notícia para a Moonshot, mas também sugere o quanto esses números variam conforme a configuração e quem os executa.

O preço é a verdadeira manchete, com asterisco

O argumento mais forte a favor do K3.1 Pro não é a paridade, é o custo. Os preços da API da Moonshot são US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. O OfficeChai coloca o Claude Opus 5.5 em US$ 4/US$ 20 e o GPT-6 Astra em US$ 10/US$ 50. Isso é cerca de metade do primeiro e um quinto do segundo.

O asterisco: preço por token não é preço por tarefa. A Artificial Analysis constatou que o K3.1 Pro usa 14% mais tokens de saída que o K3, então uma tarefa do índice custa US$ 1,98 contra US$ 2,00 do modelo antigo. Uma tabela de preços mais barata não significa automaticamente uma fatura menor, e queríamos ver cargas de trabalho reais antes de falar em pechincha. A variante Highspeed, a US$ 4/US$ 20, custa o mesmo que o Opus 5.5.

Teste com a sua carga de trabalho, não com o gráfico de lançamento

Nosso conselho é simples. Se você roda IA em escala, ponha o K3.1 Pro na sua lista de finalistas e teste com as suas tarefas e os seus prompts, medindo o custo por trabalho concluído. Não troque por causa de um gráfico de lançamento.

Outras duas ressalvas merecem peso. Os pesos abertos ainda não foram lançados, então "aberto" continua sendo uma promessa até 4 de novembro. E a Moonshot está sob pressão em Washington: em julho, segundo o The Next Web, a Casa Branca a acusou de usar chips da Nvidia proibidos e de copiar um modelo da Anthropic, sem publicar provas. É uma acusação, não uma conclusão, mas qualquer empresa com obrigações de conformidade precisará avaliá-la.

Nosso veredicto: a distância para a fronteira está diminuindo, e essa é a história que vale levar a sério. A "paridade" ainda não está comprovada. Pergunte de novo em 5 de novembro, quando alguém além da Moonshot segurar a régua.